通用工作智能体很容易作为简洁界面购买，却很难作为权限系统评估。当助手从回答问题，转向编辑记录、制作演示文稿，并在云端继续工作时，关键问题变了：员工不再看着它时，这个身份能做什么？Google 在 10 月 8 日发布的 Gemini Agent 让这个问题具体化。
Google 描述了一个跨工作应用和设备、共享记忆、技能和权限的持久智能体。它能够编排 Gemini 和 Claude 模型，未来还计划支持更多私有和开放模型。这是编排能力的主张，不意味着更换任意底层模型时，质量、成本或数据处理要求都不会变化。
连接一切之前，先定义一个结果
从受限任务开始，例如根据获准文档准备内部项目更新。明确必需来源、计算、输出格式、完成标准和审阅者。将对外发送和重要记录变更排除在试点外。有用的基线包括现有人工作业，而不只是另一个模型的响应速度。
Google 将 Workspace、Microsoft 365、Slack 和企业数据连接器列为智能体的访问范围。这些入口不会消除集成工作。应逐项检查身份映射、数据新鲜度、读写权限范围及连接器失败情况。统一输入框可以隐藏多套授权系统，却不会自动让它们的规则一致。
追踪每个执行者的委派权限
Google 表示，同事型智能体可以拥有自己的邮箱、日历、存储和目录条目，临时子智能体也获得身份。这可能让行为更可归责，但身份本身不是安全权限策略。验证子智能体获得哪些授权、持续多久，以及日志是否区分它与父智能体的行为。
公告中的沙箱与 Agent Gateway 提供执行和策略边界。应使用撤销访问、敏感分类、被攻陷工具及普通文档中的恶意指令测试这些边界。获准读取文档，不应意味着获准服从它。NIST 关于身份与权限的讨论，可帮助理解最小权限、委派和审计，但并不是对该产品的认证。
把记忆当作受治理数据
持久上下文能让员工跨应用工作时不必反复交代项目，也会在原始对话结束后保留错误假设。明确谁能查看、纠正、限制和删除个人、项目及组织记忆。测试角色变化和来源撤回，包括衍生文档，而不是只检查原始连接器权限。
技能同样需要负责人、版本历史和撤回流程。过时的授信备忘录模板，可能把同一个错误扩散到许多表面成功的任务。Google 的 DBS 案例采用有人参与的确定性专业智能体链，提示了一个重要区别：广泛的统一界面，底层仍可以是狭窄、明确控制的工作流。
衡量完成的工作和纠错成本
Google 报告了广泛采用及客户结果，包括开发时间缩短、行政工时节省和转化提升。这些是公司报告、特定工作流的案例，不是无限制委派的可复现成功率。目录购物助手和开放式员工工作面临不同失败边界。
评估完整试点：来源准备、任务完成、事实纠正、审阅时间、策略违反、意外动作和失败恢复。项目预算上限可以暂停工作，却不能证明价值。总成本应包括模型路由、子智能体用量和人工返工，并验证被中断任务不能换个身份继续花钱。
长期采购问题是：使用扩大后，控制层是否仍然容易理解？扩大试点前，测试技能、记忆、评估和策略的可导出性。支持其他厂商模型，不自动等于企业上下文可迁移。只有实测完成率和策略合规性足够，才扩大权限，而不是因为统一界面让委派显得熟悉。