Google Opal 升級智慧體工作流：自動挑模型找工具，自帶跨會話記憶

過去用無程式碼工具搭 AI 工作流，最讓人頭疼的是每個環節都得提前焊死：第幾步調哪個模型、輸出幾張圖，一旦卡住整條鏈條就廢了。

Google Labs 正式給自家的輕巧應用構建工具 Opal 塞進了一個 Agent 步驟。從這天起，這項能力面向全球所有使用者開放。

現在的 Opal 不用你再手動指定特定模型，而是可以直接在生成步驟裡扔進一個 Agent，讓它根據整體目標自主挑選工具和模型。比如需要背景調研就調 Web Search，需要畫面就喚起影片生成模型 Veo，省去了大把配置連線的功夫。

據報道，支撐這個 Agent 運轉的是 Gemini 3 Flash 模型。

從畫死流程到自己做決定

以繪本製作為例，以前在 Opal 裡做故事書，創作者必須提前寫死固定的頁數和提問環節。現在換成視覺故事講述 Agent，它會自主判斷當前情節還缺什麼細節，並主動給使用者丟擲劇情走向建議。

另一個典型例子是室內設計。以前使用者傳一張毛坯房照片、選定風格，系統只會按死板的模板輸出一張渲染圖。

現在換成 Agent 步驟後，它會先給出初步方案。如果你覺得某處細節不對，可以通過連續對話給它反饋，Agent 甚至會自己去網上檢索小眾的設計流派，再針對性調整方案。

記憶、分支與主動追問

除了自動挑模型，這次更新還補齊了三項核心能力。

首先是跨會話記憶。不管是你的設計偏好、品牌調性還是購物清單，Opal 都能在不同會話之間記住。據 TechCrunch 報道，它甚至能借助 Google Sheets 在後臺幫電商類應用維護長期記憶。

其次是動態路由。使用者可以設定自己的判定規則，Agent 會在滿足條件時自己切換路線。比如在製作高管簡報時，如果遇到新客戶，Agent 會自動上網做背調；如果是老客戶，它就直接去調閱內部會議紀要。

第三項是互動式追問。當用戶輸入的提示詞過於模糊時，Agent 不再胡亂猜測，而是會主動向使用者發起聊天追問細節，或者給出幾個選項確認後再往下走。

Google 最早在 2025 年 7 月面向美國使用者推出 Opal，後續逐步推廣到全球 160 多個國家，並在 2025 年 12 月放進了 Gemini 網頁端。當時它的定位是用自然語言做輕量級應用的 vibe-coding 工具，而這次升級則是把它推向了自動化代理。

為什麼重要

對普通人和創作者來說，這意味著搭應用的邏輯徹底變了。你不需要懂得複雜的邏輯判斷分支，只要用自然語言交代清楚目標，就能搭出一個能記住上下文、遇到缺漏會主動追問的定製小工具。對於想快速驗證想法的人來說，現在就值得去上手試一試。

對行業而言，這一步折射出 AI 編排正在從靜態節點走向動態自主。現在 Lovable、Replit 以及 Wabi、Emergent、Rocket.new 等初創公司都在爭搶自然語言寫應用的入口。Google 並沒有把重點放在程式碼編輯器裡，而是把 Gemini 3 Flash、Veo、搜尋以及 Google Sheets 這套底層全家桶全部揉進一個介面，打的是生態協同戰。

我們認為 Google 這一步走得相當聰明。它沒有激進地把所有流程都交給黑盒 Agent 接管，而是保留了傳統的固定步驟供專業開發者精細控制，只在生成環節提供 Agent 選項。這種把確定性流程與自主決策結合的做法，既保住了可控性，又降低了動態任務的構建門檻。

不過隱患也同樣明顯。當路由判斷和工具呼叫的控制權全放給 Gemini 3 Flash 後，在複雜的多分支業務場景下，Agent 是否會出現誤判意圖、陷入迴圈追問，或者呼叫錯誤工具導致成本飆升，依然需要實際使用來檢驗。