> ## Content Index > Fetch the complete content index at: https://growthhackers.tw/llms.txt > Use this file to discover other available public pages before exploring further. # Gemini Enterprise Agent Platform 解析：AI Agent 五分鐘做得出，為什麼半年上不了線？ - URL: https://growthhackers.tw/blog/gemini-enterprise-agent-platform/ - Published: 2026-06-13T12:24:42.000Z - Updated: 2026-06-13T12:24:42.000Z - Author: Lewis wang - Tags: AI 代理, 企業 AI, AI 落地, 趨勢解碼, Gemini, Google Cloud 今年你只要會打字，五分鐘就能 vibe coding（用自然語言邊聊邊寫程式）做出一個 AI Agent（AI 代理，會自己查資料、自己跑流程的小機器人）。 真的，五分鐘。 做一個會自動回信、自動查訂單、自動跑客服的小機器人，現在比泡一碗泡麵還快。 但接下來這句才是重點： 做得出 demo，跟「敢放上線天天幫你跑業務」，中間隔著一條深得嚇人的鴻溝。 這條鴻溝，多少團隊掉進去就再也沒爬出來。 Google Cloud 最近有一場對談，主題就叫《From Prototype to Production》（從原型到生產），主持人找來兩位 Google 老將 Dave Elliot 跟 Addie，專門講這條鴻溝怎麼跨。他們端出來的東西，叫做「Gemini Enterprise Agent Platform」（Gemini 企業代理平台）。 名字很拗口對吧？我用生意人的話翻一次： 這是 Google 蓋的一條「AI Agent 生產線」。 ## 為什麼一堆 AI 專案，停在「我們也做了一個 demo」 你知道為什麼這麼多公司的 AI 專案，講完「我們也做了一個 demo」就再也沒下文了嗎？ 不是技術不夠強。是 demo 跟正式上線，要操心的事情根本是兩個世界。 想像一下，你早上開完會，興沖沖跟老闆 demo 了一個 AI 客服代理，老闆眼睛一亮：「很好，下週上線。」 然後你回到位子上，冷汗才開始流。 這個 agent 用誰的帳號去存取公司資料庫？出了事，你查得到是哪一隻 agent 動的手腳嗎？它記不記得這個客人上一通電話講過什麼？它會不會哪天腦袋一抽，把不該退的款全退掉？ 對談裡 Dave 講得很白。他說客戶最常跟他抱怨的，就是「我做得出東西，但接下來我得操心身分認證、操心治理、操心記憶，最後還得自己把一堆服務東拼西湊串起來」。 說到 AI 落地為什麼老是卡關，我之前拆過矽谷的解法，那篇講[前線部署工程師 FDE 怎麼把 AI 從工具變成員工](https://growthhackers.tw/blog/forward-deployed-engineer-ai-new-role/)。那篇談的是「人」怎麼補位，今天這篇談的是「agent 本身」怎麼被管好。兩半合起來，才是完整的落地。 這就是 demo 跟 production（生產環境）的差別。 demo 比的是「會不會動」。 production 比的是「敢不敢放心讓它一直動」。 Google 這次做的事，就是把「敢不敢放心」這四個字，拆成四道關卡，一關一關幫你補起來。我帶你走一遍。 ## 第一關 Build：先有一套順手的框架 這一關其實最不用擔心。 蓋 agent 的核心框架叫 ADK（Agent Development Kit，代理開發套件），Google 去年在 Cloud Next 就發表了，現在支援 Python、Go、TypeScript、Java 四種主流程式語言，是你從 0 到 1 把 agent 快速做出來的地基。 這就像你要開餐廳，爐具、鍋子、抽油煙機，市面上早就買得到，裝潢一週搞定。 難的從來不是開張第一天。 難的是天天穩定出餐、不出包、客人吃了不拉肚子。後面三關，講的都是這件事。 別小看這層地基。整個團隊用同一套框架交付 agent，才不會你寫你的、我串我的，最後拼出一坨沒人敢碰的東西。 ## 第二關 Govern：幫每一隻 agent 發一張「員工識別證」 這一關，Dave 自己說是「隱藏的寶石」。 裡面有閘道（Gateway）、代理身分（Agent Identity）、代理註冊表（Agent Registry），還有異常偵測（Anomaly Detection）。 他講了一句我很有感的話：這根支柱根本不是「AI 的事」，它是「企業的事」、是「雲端的事」。Google 有一支做這些做了很多年的工程團隊，現在只是把老本行那套搬到 agent 身上。 我用我自己的老本行翻給你聽。 我以前在百貨公司站過專櫃當櫃哥。那時候每個櫃哥都有自己的員工編號、自己的刷卡權限。你不會讓整層樓的人共用同一張識別證，為什麼？因為出了事，你得查得到是誰。 過去玩 agent 的麻煩就卡在這。很多人圖方便，讓一堆 agent 共用同一組 token（存取權杖）、同一個帳號，糊里糊塗就串上去了。結果某天系統被亂搞，你連是哪一隻 agent 幹的都查不出來。 現在 Google 的做法是，給每一隻 agent 發一張「加密生成的身分證」（cryptographically generated identity）。它要存取哪個系統，就用自己這張經過認證的身分去敲門，全程留下稽核軌跡（audit trail）。 一隻查得到、追得到、出事能定責的 agent，才有資格被放進公司的正式流程裡。 別把這當技術潔癖。這是你敢不敢把它放上線的底線。 關於「管 agent」這件事，我在另一篇[給電商老闆的三條 AI 治理原則](https://growthhackers.tw/blog/code-with-claude-london-2026-day2-recap/)講得更白，有興趣可以搭著看。 ![共用一組 token，出事查不到是誰；每隻 agent 發自己的身分證 + 稽核軌跡，才追得到、定得了責。](https://growthhackers.tw/content/images/2026/06/ghs-gemini-identity.png) 共用一組 token，出事查不到是誰；每隻 agent 發自己的身分證 + 稽核軌跡，才追得到、定得了責。 ## 第三關 記憶：agent 到底有沒有「記性」 這一關，如果你問我，是最被低估的。 Addie 講，大概一年前開始，「記憶」突然變成 agent 最大的痛點。不是它跑不動，是它跑得「不到大家期待的水準」。 我在雨傘工廠跑了幾年業務，最值錢的本事是什麼？ 是記性。 記得這個老客戶上次嫌貨櫃晚到、記得他偏好深色傘布、記得他老闆娘下個月要嫁女兒。一個記得你的業務，跟一個每天都像第一次見面的業務，成交率天差地遠。 agent 也是一樣的道理。沒有記憶的 agent，就是那個每天都不認識你的菜鳥業務。 Google 在這一關推了兩個東西。 一個是 Memory Bank（記憶庫），現在已經正式開放（GA）。它最貼心的地方是：你不必自己變成記憶體管理專家。它會自動判斷「這段資訊好像值得記下來，存吧」，之後再幫你管理跨會話（cross-session）的長期記憶。 另一個更猛，叫 Long-running Agents（長時間運行代理）。 以前的 agent，跟你聊完一段對話就「失憶」，下次回來什麼都不記得。 現在的 agent，能扛著一個跑好幾天、甚至一整週的專案，中途不掉鏈子、不忘記自己做到哪。Dave 說，這現在是 Gemini Enterprise 裡的「一級公民」（first-class）。 你想想，一隻能連跑兩週、不會半路斷片的 agent，能幫你扛掉多少原本得有人盯著的長流程。 再想深一層：agent 一路記下來的東西，其實就是你公司最值錢的[第一方資料（first-party data）](https://growthhackers.tw/blog/ai-agent-first-party-data-moat/)。這也是 AI 時代真正的護城河。 ![Memory Bank 幫 agent 把該記的存起來，長時間運行代理能跨好幾天不失憶。](https://growthhackers.tw/content/images/2026/06/ghs-gemini-memory.png) Memory Bank 幫 agent 把該記的存起來，長時間運行代理能跨好幾天不失憶。 ## 第四關 Optimize：試吃員、監視器，跟一個沙盒 這是最新、也最前沿的一關。Google 自己說這整根支柱都是新的。它解決的是 agent 最讓人睡不著的那件事：你根本不確定它下一步會幹嘛。 我把這一關拆成三樣東西講。 **第一樣，Agent Eval（代理評估），對付「非確定性」。** LLM（大型語言模型）本來就是非確定性的（non-deterministic），同一個問題問兩次，答案可能不一樣。agent 又是一串 LLM 接起來的，當然更不確定。 Addie 講得很妙：這對大家應該不算意外，LLM 不是確定性的，「居然有人會驚訝喔？」 問題是，你把一個不確定的東西，放進公司的關鍵流程（critical path），風險就來了。尤其現在大家都在把多隻 agent 串成「協作艦隊」，一隻不確定，整條鏈子都跟著抖。 Agent Eval 的價值，就是讓你「在它有點隨機的前提下，還能有某種程度的保證，整條流程確實把該做的事做完了」。它還能跑模擬（simulation），用一個儀表板一次看你整間公司所有 agent 的表現。 這就像餐廳出餐前的試吃員。廚師手藝再好，每道菜送上桌前還是得有人先嚐一口，確認沒走味。 **第二樣，可觀測性（Observability）與追蹤（Tracing）。** Dave 說，這要拉回到當年雲端可觀測性的老觀念：把 agent 做過的每一個動作，畫成一張圖。 出事的時候，你能倒帶，看是哪一步邏輯壞掉，然後把它修好。 你管不住一個你看不見的東西。 **第三樣，Sandbox（沙盒），限制「爆炸半徑」。** 這個詞我超喜歡：blast radius，爆炸半徑。 給 agent 工具跟權限，等於給它能力。但能力越大，搞砸的時候破壞也越大。Sandbox 就是幫它裝上護欄，框死它能碰的工具範圍。 Addie 的形容很到位：我們知道有些 agent 需要比別人更大的權力，但這不代表我們不裝護欄，至少要確定它「不會把我們的銀行帳戶整個清空」。 這道理，我是吃過虧才懂的。 早年我自己貪方便，訂閱一堆工具，權限全開、自動扣款全開。結果有幾次忘了取消，月底帳單來才發現被默默扣了一整年。 一個權限全開、又不會自己喊停的東西，遲早讓你出血。 Dave 的比喻最好笑。他說對寫程式的 coding agent（程式代理）尤其重要：我只想給它一支榔頭、幾根釘子，叫它去蓋個鳥屋就好，我幹嘛把整個工具箱、把所有權限預設全開丟給它？ 給 agent 自主權，但別給它能炸掉整間公司的權力。 ![沙盒只給 agent 完成任務需要的工具，把「爆炸半徑」框在護欄裡。](https://growthhackers.tw/content/images/2026/06/ghs-gemini-sandbox.png) 沙盒只給 agent 完成任務需要的工具，把「爆炸半徑」框在護欄裡。 ## 那你現在該做什麼？ 四關走完，回到你身上。如果你正在想「我們公司也該搞個 agent 了」，這五件事先放心上： ► **第一，先分清楚你在「做 demo」還是「上 production」。** 只是想驗證點子？五分鐘 vibe coding 就夠了，別在治理上浪費力氣。但只要你打算讓它碰真客戶、真金流、真資料，後面那四關，一關都不能跳。 ► **第二，先問「身分」跟「稽核」。** 導入任何 agent 之前，先逼自己回答一句：它用誰的身分？出事查得到是它幹的嗎？答不出來，先別上線。 ► **第三，把「記憶」當需求，不是加分題。** 如果你的 agent 要跨天、跨會話服務同一個客戶，記憶就是基本盤。別等到客戶抱怨「怎麼每次都要重講一遍」才補。 ► **第四，上線前先算好它的「爆炸半徑」。** 列出這隻 agent 最壞能闖多大的禍，再用沙盒跟權限把那個半徑框起來。只給它完成任務需要的工具，多一樣都不給。 ► **第五，裝好「儀表板」再放手。** 沒有可觀測性、沒有評估機制就上線，等於蒙著眼睛開車。Agent Eval 跟 tracing 不是上線後再補的東西，是上線前就要備好的東西。 ## 工具一直換，但解決問題的人沒被換掉 這場對談收尾在一個我很有感的問題：AI 時代，工程師還剩什麼價值？ Dave 的答案很乾脆。他說工程師的本質是「解決問題的人」。工具一直在換，從程式語言、IDE、函式庫，換到現在的 AI，但「解決問題」這件事從來沒變。 Addie 補了一句軟體工程界的名言，出自 Grady Booch：「軟體工程的歷史，就是一部抽象層級不斷往上疊的歷史。」（the history of software engineering is a history of a rising set of abstractions） 以前你要一行一行寫程式，現在你指揮一群 agent 幫你寫。 以前一個人能管的事情有限，現在一個人要管一支「agent 艦隊」（fleets of agents）。 但有件事沒變：總得有人為品質負責、為架構負責、為「這群 agent 到底有沒有在做對的事」負責。 他們把這一刻，拿來跟 PC 時代、網際網路、智慧型手機的普及相提並論。這三個詞你應該很熟，因為每一個都把整個產業重新洗了一次牌。 我自己從雨傘傳產一路走到數位行銷，看過太多次「工具大換血」。每一次都有人覺得天要塌了，也每一次，都有人趁亂卡進新的位置。 這一次也一樣。 重點是什麼？ 這條 AI Agent 生產線，現在才剛搭好。會用它的人，往往不是技術最強的那個人。是最早搞懂「怎麼讓 agent 安全地幫你賺錢」的那個人。 那個人，也許就是你。 --- **資料來源**：Google Cloud 對談影片《[From Prototype to Production: Building with Gemini Enterprise Agent Platform](https://www.youtube.com/watch?v=KWy9wbIp9dw&ref=growthhackers.tw)》，與談人 Dave Elliot、Addie。文中產品功能、開放狀態與平台政策，請以 Google Cloud 官方最新公告為準。 **協作聲明與免責** 這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 `[來源名稱](URL)` 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。 內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。