7 月 1 号，Google 悄悄把 Gemini Spark 搬上了 Mac。
说”悄悄”是因为没开发布会，只是在官方博客上更新了一篇文章。但这事儿其实不小——这是 Google 那个 24 小时在云端待命的 AI 智能体，第一次能把”手”伸进你电脑的本地文件里。
之前 Gemini Spark 只能在浏览器和手机上用，能帮你读邮件、订餐厅、追踪球赛比分，但说到底还是个”管 Google 自家一亩三分地”的助手。上了 Mac 之后不一样了：它能读你 Downloads 里的 PDF、能帮你整理桌面上的文件夹、能把发票里的数字抽出来填进 Google Sheets——这些事之前你只能手动干，现在说句话就行。
我自己上手体验了两天，把能用到的功能都跑了一遍。这篇文章不是什么”深度测评”，就是把我踩过的坑、觉得好用的地方、以及哪些功能还差点意思，一五一十写出来。
先搞清楚：Gemini Spark 到底是个什么
如果你用过 ChatGPT 或者普通的 Gemini，你对 AI 助手的认知大概是”你问一句，它答一句”。Gemini Spark 不是这么玩的。
它的定位是 AI Agent（智能体）——不只是回答问题，而是能自己动手做事。比如说”帮我整理 Downloads 文件夹，把 PDF 按日期分到子文件夹里”，Spark 会真的去打开文件夹、读取文件名、创建目录、移动文件。它不是给你一个操作指南，而是直接帮你做完。
这事说起来简单，背后涉及的技术栈还挺复杂。Spark 跑在两层架构上：底层是 Gemini 3.5 Flash 做推理引擎，上面是 Google 的 Antigravity 2.0 做执行层。每次跑任务的时候，Spark 会在 Google Cloud 上启动一个独立的临时虚拟机，任务跑完就把这台虚拟机销毁——所以你每次的任务执行环境都是干净的，不会把上次的上下文带进来。
之前写过一篇文章介绍 2026 年为什么是 AI Agent 元年，里面聊过这种”从问答到执行”的范式转变。Spark 上 Mac，可以说是这个趋势里一块比较关键的拼图。
怎么装上？门槛不算低
先说个不太好的消息：目前只对美国 Google AI Ultra 订阅用户开放，还得年满 18 岁。
Google AI Ultra 的定价是 $99/月。这个价格乍看挺贵，但它是打包订阅——除了 Spark，还包含 20TB Google One 存储、YouTube Premium、以及 Gemini Advanced 五倍的用量额度。如果你本来就用 YouTube Premium 和 Google One 的大容量方案，这个价格折算下来其实还行。
但如果只是冲着 Spark 来的……那确实有点贵。
安装流程倒是不复杂：
1. 先去 gemini.google/mac 下载 Gemini 桌面应用（1.80.15.516 以上版本）
2. 登录你的 Google 账号（需开通 AI Ultra）
3. 在 Gemini 应用侧边栏里找到新增的「Spark」标签页
4. 首次使用时会弹出权限授权：需要你允许 Spark 访问辅助功能（才能操作应用界面）、文件系统（才能读写文件）、以及网络权限
权限这块 Google 做得还算克制。Spark 不是一上来就能看你的整个硬盘——你得手动在侧边栏里把特定文件夹”链接”给它，它才有权限碰那里面的东西。这个设计比”装完就能扫描全盘”的安全感好不少。
装上之后有个细节我觉得挺贴心的：Spark 在执行任务的时候，Mac 会强制保持唤醒状态（不会自动休眠）。想想也是，你都让它去整理 500 个 PDF 了，Mac 一合盖就全白跑了。
能干什么？五个我实测好用的场景
场景一：整理那个永远乱着的 Downloads 文件夹
我的 Downloads 文件夹里有 300 多个文件，PDF、DMG、ZIP、图片什么都有，乱得自己都不想看。我对 Spark 说的是：”把 Downloads 里的 PDF 按创建日期分到以年月命名的子文件夹里，图片单独放到 Images 子文件夹，剩下的安装包放到 Installers 里。”
它花了大概一分半钟，建了 7 个子文件夹，把 300 多个文件全整理好了。中间出过一次错——有个中文文件名的 PDF 被它当成了”其他文件”放进 Installers 里了。我手动纠正之后它记住了，后面的同类型文件都没再搞错。
这事的价值不是”省了五分钟”，而是”终于有人帮我做了这件早就想做但一直拖着的事”。这个心理账比时间账更重要。
场景二：发票变表格，解放手工录入
我有七八张 PDF 发票散在不同文件夹里。我对 Spark 说：”找到这些发票里的金额、日期和抬头，汇总到一张 Google Sheets 里。”
整个过程大概三分钟。它先是定位了这些发票文件，读取内容，提取关键字段，然后在 Google Sheets 里建了一张表，把数据填进去了。金额准确率 100%（毕竟是数字，OCR 不容易出错），日期有一张的月份搞错了，我手动改了一下。
如果是手工录入，七八张发票大概要花 15-20 分钟。Spark 帮我省了这些时间，只花了我 30 秒纠错。这笔买卖不亏。
场景三：实时追踪你不愿一直刷的信息
这个是 Spark 在网页版和手机版上就有的功能，到了 Mac 上体验更顺滑——因为你可以在工作的时候让它后台盯着，不用切设备。
我试了两个追踪任务：一是让它盯着某只股票的价格，跌破 150 就通知我；二是追踪世界杯预选赛的比分。两个都正常触发了，通知推送到 Mac 的系统通知中心，和普通的 macOS 通知一样。
它支持追踪的类别挺全：球赛比分、股价、突发新闻、天气预警、社交媒体动态、博客更新、购物价格变动。你可以理解成这是一个”24 小时帮你刷信息的 bot”，你不用一直刷新网页，有动静它会主动告诉你。
场景四：跨应用工作流——从 PDF 到邮件一步到位
这个功能目前还在早期阶段，但我试了一个简单的工作流感觉方向是对的。
我对 Spark 说：”把这个 PDF 提案里的核心要点总结成一封邮件，发给 minilee@example.com，语气正式一点。”
它读了我指定的 PDF，提取了三段关键内容，在 Gmail 里起草了一封邮件，收件人、标题、正文都填好了。发之前让你确认——它不会直接帮你发出去。这个确认机制我觉得是必要的，AI 写的东西还是要人过一眼。
不过目前跨应用的深度还不够。它能在 Google Workspace 内部（Docs、Sheets、Gmail、Tasks、Keep）之间流畅切换，但一到第三方应用就有点力不从心了。比如我让它”把这张表格截图保存到 Notion”，它就卡住了——因为 Notion 的集成还没正式上线。
场景五：Keep 笔记变 Tasks 任务
Google 终于给 Spark 接上了 Keep 和 Tasks。这俩我之前一直手动配合用——在 Keep 里随手记想法，然后定期整理到 Tasks 里变成待办事项。现在一句话就行：”把我 Keep 里最近一周跟’项目’相关的笔记，转成 Tasks 里的待办事项。”
它扫描了 12 条 Keep 笔记，挑出了 5 条相关的，建了 5 个 Task，每个都带了截止日期（它根据笔记内容推测的）。准确率大概 80%，有两个截止日期我手动调整了。
说真的，这个功能才是 Spark 最应该干的活——打通 Google 自家应用之间的数据壁垒。以前 Keep 和 Tasks 虽然是同一家公司的产品，但数据就是不互通。Spark 充当了这个”胶水层”。
它接了什么？第三方应用和 MCP
这次更新，Google 给 Spark 接上了六款第三方应用：Canva、Dropbox、Instacart、OpenTable、Zillow Rentals。坦白讲，这几个对中国用户来说基本用不上——Instacart 是美国的买菜 app，OpenTable 是订餐厅的，Zillow 是租房平台。
但是 MCP 是另一回事。
MCP（Model Context Protocol，模型上下文协议）是 Anthropic 在 2024 年底提出的一个开放标准，现在已经交给 Linux 基金会管了。说人话就是：它是一套”通用插头”标准，AI 智能体通过它就能连接任何支持 MCP 的外部工具——不需要 Google 或 Anthropic 一个一个去谈合作。
这意味着什么？意味着 Spark 现在能接入的不仅是那六家官方合作方，而是整个 MCP 生态里的所有工具。开发者可以给自己的应用写一个 MCP Server，用户就能在 Spark 里直接调用。
关于 MCP，之前写 OpenClaw Skills 入门 的时候详细聊过，本质上是同一套逻辑：让 AI 不只是”聊”，而是能”动手”。OpenClaw 用 Skills 来实现，Spark 用的是 MCP + Connected Apps，路线不同但目的一样。
目前 MCP 在 Spark 上的体验还比较”开发者向”——普通用户不会自己去配 MCP Server。但如果这个生态跑起来，未来你可能会在 Spark 里直接操作飞书、Notion、Jira、GitHub……所有主流工具。这才是桌面 AI 智能体真正该有的样子。
安全这块，做得怎么样？
给 AI 开本地文件权限，这个问题的严肃程度和”让 AI 读你的邮件”不是一个量级的。
AI 读邮件，数据在 Google 服务器上兜一圈再回来，出不了大乱子。AI 操作你的本地文件系统——它能删文件、能覆盖文件、能把东西搞乱。
Google 在这块的思路是”最小权限 + 可撤销 + 操作前备份”：
1. 文件夹白名单：你手动指定哪些文件夹 Spark 可以碰，不是全盘扫描
2. 操作前备份：Spark 在执行不可逆操作（比如删除、移动）之前，会先创建备份。如果它无法创建备份，会暂停任务并请求你的许可
3. 数据生命周期：大部分操作数据在 72 小时内自动删除
4. 隐私仪表板：可以随时查看 Spark 最近访问了哪些文件、做了什么操作
但有一个事实要认清：Spark 处理你的本地文件时，文件内容是会上传到 Google Cloud 的临时虚拟机上去处理的。它不是纯本地推理。如果你对数据主权有严格要求——比如涉及商业机密的文件——那现阶段可能更适合用 本地部署大模型 的方案。
我之前写过一篇关于 AI Agent 安全风险的开发者指南，里面对权限管理、数据生命周期这些话题聊得更深。Spark 的安全设计在方向上是对的，但”对的方向”不等于”绝对安全”——用之前还是先想清楚，哪些文件值得交给它，哪些不值得。
跟其他桌面 AI 工具比，是什么水平？
现在桌面上能用的 AI 智能体不少，我简单列一下各自的区别：
| 产品 | 运行方式 | 核心优势 | 主要短板 |
|---|---|---|---|
| Gemini Spark | Google Cloud 云端 | Google Workspace 原生集成、实时追踪 | 仅美国可用、$99/月门槛高 |
| Claude Cowork | 本地执行 | 隐私性强、编程能力强 | 本地性能消耗大 |
| ChatGPT Codex | 浏览器端 | OpenAI 生态、编程场景成熟 | 无原生桌面文件访问 |
| OpenClaw | 本地/云端可选 | 开源、可定制程度高 | 需要一定技术能力配置 |
| Microsoft Copilot | Office 365 集成 | Office 套件深度绑定 | Mac 体验不如 Windows |
Spark 最不可替代的优势是 Google Workspace 的原生集成。它能用 API 直接读写 Gmail、Drive、Sheets、Docs——不是”模拟鼠标点击”，是真的数据接口。这个别的桌面 AI 做不到，因为 Google 不会把 Workspace 的底层 API 权限开放给竞品。
但代价也很明显：你得深度绑定在 Google 生态里才有意义。如果你平时用 Notion 而不是 Google Docs、用飞书而不是 Gmail，那 Spark 能帮你的就大打折扣了。
关于各类 AI 工具的实际应用场景，我之前整理过一篇 AI 实战应用指南（2026 版），覆盖了 10 个普通人能用好的场景。Spark 上 Mac 之后，那篇文章里的”文件整理”和”信息追踪”两个场景，实现路径就完全不一样了。
到底值不值得？
分几种情况说：
如果你是 Google Workspace 重度用户——日常靠 Gmail、Drive、Sheets、Docs 吃饭——那 Spark 能帮到的忙是实打实的。文件整理、发票提取、Keep 到 Tasks 的转换，这些事情它做得比我预期的好。$99/月的价格如果把 YouTube Premium 和 20TB 存储也算进去，不算离谱。
如果你用的是 Mac 但不在美国——目前确实用不了，得等 Google 开放更多地区。不过按照 Google 的风格，估计不会太久。可以先把 Gemini 桌面应用装好，等通知。
如果你对 AI 桌面智能体好奇但不想花钱——可以先玩玩 WorkBuddy 或者 OpenClaw。后者是开源的，能力不输 Spark，就是需要花点时间配置。也可以关注一下我之前写的 WorkBuddy 专家模式，看看 AI 桌面助手能做到什么程度。
如果你只是想要一个问答机器人——完全不需要 Spark，免费的 Gemini 或者 ChatGPT 就够了。Spark 的价值在于”动手”，不是”动嘴”。
总结
Gemini Spark 上 Mac 这件事，本质上不是 Google 加了一个新功能，而是桌面 AI 从”浏览器里的一个聊天窗口”向”真正能操作你电脑的智能体”迈出的又一步。
两年前我们还在说”AI 能帮写邮件”，一年前说”AI 能帮写代码”，现在说的是”AI 能帮整理文件、追踪信息、把发票变成表格”。这个进化速度，说实话比我 2024 年预估的要快。
但快归快，现阶段它还是个”能帮上忙但不完美的工具”——偶尔搞错文件名、对中文支持不够好、第三方应用集成还在路上。把它当成一个勤奋但有时会犯糊涂的实习生，心里的期望值才对得上现实。
未来几个月值得关注的几个方向：
- 手机远程控制 Mac：Google 说”即将上线”，到时候你在外面就能用手机派任务给家里的 Mac
- MCP 生态起来：如果主流 SaaS 工具都接上 MCP，那 Spark 的能力边界会指数级扩张
- 地区开放：这是最关键的一个——什么时候能在中国区用，直接决定了这篇文章的读者能不能真的去试
就这些。如果你也有机会用上了 Spark for Mac，欢迎留言聊聊你的体验。
发表回复