團隊生產力爆表：Gemini Spark 商業 AI Agent 自動化完整教學

很多人問貝克蔡，Claude Code、Codex、各種 AI Agent 工具都很強，但看起來就是複雜，有沒有中小企業、個體戶、一般知識工作者可以真正直接上手，而且馬上感覺到生產力提升的工具？

如果你本來就使用 Gmail、Google Drive、Google Docs、Google Sheets, 那Gemini Spark 就是值得優先研究的選擇。

它的重點從來不只是「幫你寫一段內容」。真正有價值的是，你可以把原本需要自己搜尋、複製、整理、貼到文件、寄信通知的工作流程，交給 AI Agent 串起來做。你不只是得到一個答案，而是讓它把工作做完，並且放到你指定的位置。

貝克蔡用三個最實際的角度，完整講清楚 Gemini Spark 的使用邏輯：

1. 理解 AI Agent 和一般聊天式 AI 的根本差異。
2. 用模板與 Skill，把 AI 的產出品質固定下來。
3. 透過時間與事件觸發，讓 AI 在你不手動操作時持續工作。

最後，貝克蔡也會把 Spark.MD 的概念講清楚。這是把 Spark 從單一工具，升級為一套 AI 營運系統的關鍵。

目錄

• Gemini 和 Gemini Spark 的差別，不只是功能多一點
• 先搞懂三個概念：生成式 AI、AI 助理與 AI Agent
• 開始前的設定：讓 Spark 有能力理解你、存取工具、遵守規則
• 實戰案例：從 Gmail 找機票，搜尋餐廳，再建立 Google Sheet
• 真正的生產力指標：縮短 Cycle Time
• 第二個關鍵：用模板固定 AI Agent 的產出品質
• 第三個關鍵：把模板升級成可重複使用的 Skill
• 讓 AI 自己工作：時間觸發與事件觸發
• 時間觸發和事件觸發，到底該怎麼選？
• Spark.MD：建立你的 AI Agent 指揮中心
• 從單點工具到 AI 營運系統：貝克蔡的建議流程
• Gemini Spark、Claude Code、Codex 該怎麼選？
• 最後提醒：先動手，才能真的變成你的能力

Gemini 和 Gemini Spark 的差別，不只是功能多一點

先把最常被混淆的問題講清楚。Gemini 和 Gemini Spark 的差別，不是單純一個比較高級、一個比較低級，而是兩者工作的定位不同。

一般 Gemini 很適合做資訊工作。你可以讓它幫你收集資料、解釋概念、翻譯內容、整理重點、產出文案，或協助你思考一件事情。

但做完之後的下一步，往往還是你自己處理。

例如，你請 Gemini 翻譯一封英文信，它翻好了。接著你要自己複製內容，打開 Gmail，貼到草稿，調整格式，再寄出去。這個過程看似不難，但每天做十次、二十次，時間就被這些碎片操作吃掉了。

Gemini Spark 的價值就在這裡。它不只處理內容，它可以在 Google 的工作環境裡進一步執行任務，例如：

• 從 Gmail 找出特定郵件與資料。
• 整理內容後建立 Google Docs 文件。
• 把資料寫入 Google Sheets。
• 將完成的檔案放進指定 Google Drive 資料夾。
• 依照排程或郵件事件，自動啟動流程。

第一個核心差異，就是資訊處理之後，能不能把後續工作一起完成。

第二個核心差異，是啟動機制。

一般聊天式 AI 是被動的。你要先打開對話框、提出問題、下指令，它才會開始做事。這種模式非常適合單次任務，例如臨時寫一封信、分析一份報告、想一個行銷標題。

但 Spark 能夠用固定時間或事件來觸發工作。例如每週一早上自動產出週報，或者一收到指定寄件者的郵件，就立即分析內容並建立後續待辦。這代表 AI 不必等你提醒，流程本身就可以開始運作。

更重要的是，Spark 可以讓工作格式與產出架構逐漸固定。這一點對團隊來說非常重要，因為真正能被導入工作流程的 AI，不是偶爾做出一份很厲害的內容，而是每一次都能依照你要的規格穩定交付。

先搞懂三個概念：生成式 AI、AI 助理與 AI Agent

很多人把所有 AI 都叫成 AI Agent，但其實這三個概念有很大的差別。你如果沒有分清楚，就很容易只把 AI 用在最淺的一層。

生成式 AI：像大腦一樣的語言模型

第一層是生成式 AI，也就是大語言模型。你可以把它想成一顆很強的大腦，擅長理解語言、生成內容、推理、整理、比較與回答問題。

Gemini Flash、GPT 系列、Claude 的模型，都屬於這一層。它們本身有能力理解你說什麼，也能根據資料生成內容，但模型本身不等於一個完整的工作系統。

AI Assistant：你主動開工，它協助你完成

第二層是 AI Assistant，也就是 AI 助理。

當你打開 Gemini、ChatGPT 或 Claude，問它一個問題，請它翻譯信件、整理會議紀錄、產出簡報大綱，這就是 AI 助理的使用方式。

AI 助理的本質是：你先主動開始工作，AI 再協助你。

它很適合一次性的任務，也適合需要大量思考、反覆討論、創意發想的工作。但你仍然是整個流程的啟動者、整合者與執行者。

AI Agent：把重複任務交給 AI 代理執行

第三層才是 AI Agent。

AI Agent 的思考方式不再是「我現在問 AI 一個問題」，而是「我有哪些重複、固定、資料量大、流程清楚的工作，可以直接交給 AI 代替我做」。

例如，貝克蔡的 AI 創業課程會定期產出 AI CEO 週報。這種工作通常需要蒐集資料、整理趨勢、依照既定版型撰寫、放到指定位置。當規則已經明確，貝克蔡不需要每一次都重新說明格式。AI Agent 可以依照同一套標準持續產出。

這才是真正能替你省下時間的地方。

貝克蔡這兩年在企業 AI 教育訓練中看到一個很明顯的狀況。很多人已經知道要把前面「搜尋資料、初步整理、摘要」的工作交給 AI。但更多人做完這一步後，還是自己手動複製貼上，把內容搬進 Google Docs、Google Sheets、CRM、Gmail 或專案管理工具。

問題不在於他不會用 AI，而是他還停留在 AI 助理模式。

真正的差距，出現在你願不願意開始思考後面的流程：資料整理完後要去哪裡？要用什麼格式？誰要收到？哪個條件發生時要自動執行？

這些問題一旦回答清楚，AI Agent 才有機會替你縮短整個工作週期，也就是 Cycle Time。

開始前的設定：讓 Spark 有能力理解你、存取工具、遵守規則

在正式建立自動化以前，我建議先完成三個設定。這些設定看起來很基礎，但沒有做好，後面的 AI Agent 就很難發揮。

第一步：切換到 Gemini Spark 工作區

進入 Google Gemini 後，從左側切換到 Spark。你會看到 Chat 和 Spark 兩個不同的工作區。Chat 比較接近一般聊天與單次任務，Spark 則是用來處理 Agent、Skill、排程與工作流程。

第二步：開啟 Memory

在設定中的 Personal Intelligence，第一個我建議打開的是 Memory。

這個功能的價值是讓 AI 慢慢理解你的工作背景、常見需求、偏好與產出要求。例如你主要做什麼工作、你偏好的文風、你常用的資料夾結構、你在意的資訊欄位。

當 AI 沒有上下文，每次都要從零開始猜你的需求。當它能累積理解，你的指令就可以越來越短，產出也會越來越接近你真正要的樣子。

不過要注意，Personal Intelligence 在示範時屬於個人版本的功能，企業版本當下未必具備相同選項。因此如果你是團隊或公司帳號，務必先確認現有帳號權限與實際可用功能。

第三步：開啟 Connected Apps

接著進入 Connected Apps，把你需要的 Google Workspace 服務打開。

這一步不是可有可無。Spark 要幫你到 Gmail 找信、到 Google Drive 找模板、建立 Google Docs、寫入 Google Sheets，就必須取得對應連結與權限。

如果你經營 YouTube，也可以依照工作需求開啟 YouTube 連結。原則很簡單：只開啟真正需要用到的工具與資料範圍，讓 Agent 具備完成任務的能力，同時保留必要的權限管理意識。

第四步：寫好 Instructions

Instructions 是你給 Gemini 的長期規則。你可以在這裡定義輸出風格、語言、格式、禁忌、常見欄位與決策原則。

例如貝克蔡非常討厭內容產出出現亂放表情符號，所以貝克蔡會直接寫清楚：所有產出禁止使用 emoji。

你可以寫的內容包括：

• 所有正式文件使用繁體中文。
• 先講結論，再補充依據與細節。
• 會議紀錄一定要有行動項目、負責人與截止時間。
• 沒有明確資料時，要標示待確認，不要自行補齊。
• 電子郵件草稿要保持專業、簡潔、不使用 emoji。

貝克蔡的小技巧是，不要把所有規則塞成一大段超長指令。你可以有很多條規則，但每一條都保持簡單、明確、可驗證。這比一篇看似完整但模糊的長篇提示詞更好維護。

實戰案例：從 Gmail 找機票，搜尋餐廳，再建立 Google Sheet

現在來看一個非常典型的 AI Agent 任務。

貝克蔡給 Spark 的要求是：在 Gmail 裡找出某一年所有已訂機票的資訊，整理日期與目的地；接著依照目的地，找適合四人聚會、Google 評價最好的米其林餐廳；最後把資料做成 Google Sheet，並放到 Google Drive 指定資料夾。

這個指令其實同時包含了好幾種工作：

1. 讀取 Gmail 中的航班預訂資訊。
2. 從信件找出日期、地點與訂位資料。
3. 搜尋目的地餐廳資訊。
4. 判斷餐廳是否適合四人聚會。
5. 整理成指定欄位的試算表。
6. 建立檔案並存入指定 Drive 資料夾。

以前如果你手動做，流程可能是這樣：先搜尋 Gmail，逐封打開機票確認信，複製日期與城市，到 Google 搜尋餐廳，再把店名、評分、推薦原因整理進試算表，最後移到資料夾。

這就是非常標準的 Agent 任務，因為它不是只有「回答問題」，而是跨工具完成一條明確工作流。

Spark 在執行時會先分析需求，辨識指定資料夾，檢索相關年份的航班信件，找出預訂編號與郵件脈絡，再進一步整理內容。最後在指定資料夾生成 Google Sheet。

產出的試算表裡，可以看到航班日期、目的地、餐廳名稱、米其林資訊、Google 評分、推薦理由，以及是否適合四人聚會等欄位。示範中，曼谷行程就對應到 Sorn 餐廳，並包含米其林星等與 4.6 的評分資訊。

這個案例最值得注意的，不是餐廳推薦本身，而是背後的工作邏輯：

• Google 搜尋被用來找外部資訊。
• Gmail 被用來讀取既有資料。
• Google Sheets 被用來產生結構化成果。
• Google Drive 被用來存放與管理檔案。

這幾個本來分散的動作，被 AI Agent 整合成一次任務。這就是為什麼貝克蔡一直強調，AI Agent 的競爭力不在單次回答有多漂亮，而在於它能不能替你完成跨系統的工作鏈。

真正的生產力指標：縮短 Cycle Time

很多人談 AI 生產力時，只會說「變快了」。但貝克蔡更在意的是 Cycle Time，也就是完成一件工作所需要的完整時間。

一份市場調查不只包含蒐集資料，還包括整理、產出文件、建立表格、寄給相關人員、等待回覆與追蹤。只要中間有任何一段仍然需要大量手動搬運，整體 Cycle Time 就不會真的降下來。

在工作流程裡，通常前面幾個步驟，例如查資料、初步摘要、快速分類，大家已經開始交給 AI。但從整理到 Google Docs、寫入 Google Sheets、寄出 Gmail、建立後續追蹤，很多人還是自己做。

這就是機會所在。

你不一定要一次把整家公司全面自動化。你可以先挑一個每週固定出現、步驟明確、資料來源固定、產出格式固定的任務。只要先讓這一段變成 Agent 流程，你就會立刻感受到時間被釋放出來。

不要只問「AI 可以幫我做什麼」，你應該問：

• 我每週重複做哪些事？
• 這些事情的資料從哪裡來？
• 最後要交付成什麼格式？
• 成果要放在哪裡？
• 誰需要收到通知？
• 什麼時間點或什麼事件應該觸發？

你把這六個問題回答清楚，一個可自動化的 AI Agent 任務就開始成形了。

第二個關鍵：用模板固定 AI Agent 的產出品質

很多人已經會把錄音轉逐字稿，再交給 AI 整理會議重點。但你應該也遇過一個問題：每一次產出的內容架構都不一樣。

今天它把摘要寫得很長，明天它只給三個條列。這次它有列出決策，下次卻忘記行動項目。這樣的 AI 很難真正放進團隊正式流程。

解法就是模板。

你可以先在 Google Drive 建立一份「經理報告模板」或「會議紀錄模板」，然後清楚定義欄位。例如：

• 會議資訊
• 會議目的
• 重點摘要
• 確認決策
• 後續執行事項
• 負責人
• 追蹤時間

接著，你不需要每次重新描述格式。只要選取一份新的會議紀錄，告訴 Spark：依照指定資料夾裡的經理報告模板，整理這份會議記錄。

它就會讀取原始會議內容，參考模板結構，輸出一份欄位一致的報告。

模板的價值不只是讓文件看起來整齊，而是讓團隊可以建立共同工作語言。每一份週報都先看結論，每一份會議紀錄都有行動項目，每一份行銷報告都包含固定指標。久了以後，溝通速度也會提升。

所以你要固定的不是 AI 的文字，而是你的工作標準。

如果你的工作每週、每月、每天都會重複出現，那就不要把它當成一次次臨時任務。你應該把它整理成模板，讓 AI Agent 按同一套規格代替你完成。

第三個關鍵：把模板升級成可重複使用的 Skill

模板解決的是「格式一致」。接下來的問題是，你不可能每一次都手動選模板、貼指令、指定儲存位置。

所以要再往上走一步，建立 Skill。

你可以把 Skill 理解成一個打包好的工作技能。以會議紀錄為例，你可以建立一個叫做 meeting summary Skill 的技能，讓它知道：

• 這個技能的目的是什麼。
• 應該依照哪些步驟執行。
• 要參考哪一份模板。
• 輸出必須符合哪些規則。
• 完成後要存到哪個資料夾。

建立 Skill 時，你可以直接描述需求，例如建立會議紀錄總結技能，根據指定模板整理逐字稿，輸出會議重點與行動項目，並將檔案存入特定位置。

Spark 會產出 Skill 的目標、規格與執行步驟。你可以先檢查，如果有不符合公司習慣的地方，就直接調整。確認後，這個 Skill 就能儲存並反覆使用。

當你回到 Spark 的輸入欄位，打上斜線，就能叫出已建立的 Skill。如果 Skill 很多，也可以直接輸入技能名稱搜尋。

一個好的 Skill 有三個元素：

1. 技能目的：這個技能到底要解決什麼工作。
2. 執行步驟：它必須讀什麼資料、做哪些處理、依序怎麼完成。
3. 產出規則：輸出格式、品質標準、檔案名稱與儲存位置。

如果這三件事不清楚，Skill 就容易變成一段模糊提示詞。如果三件事清楚，Skill 才能真正成為團隊可複製的工作資產。

Skill 可以被團隊分享

這一點非常重要。建立好的 Skill 可以下載成檔案，下載後會是 zip 格式，裡面包含 MD 檔。團隊成員可以到 Skill 介面選擇 upload Skill，上傳同一份 MD 檔後使用。

這代表你不需要每個人都從零寫提示詞。只要一個人把會議摘要、週報、客戶信件分析、競品研究、社群內容整理這些 Skill 做好，其他人就能導入相同工作標準。

系統也會檢查同名 Skill，避免重複建立。這對團隊管理非常有用，因為 Skill 一旦開始變多，你一定需要命名規則、版本管理與責任歸屬。

讓 AI 自己工作：時間觸發與事件觸發

有了模板與 Skill，產出品質已經可以固定下來。但真正的自動化，是你連手動啟動 Skill 都不需要。

在 Spark 裡，我主要用兩種觸發方式：時間觸發和事件觸發。

時間觸發：適合不需要即時知道的工作

第一種是時間點觸發，也就是排程。

如果你每週都需要週報、每個月都需要營運摘要、每天早上都需要整理前一天的重要信件，這種工作就很適合排程執行。

進入 Schedules 後，你可以手動建立排程，設定哪一天、什麼時間、以什麼頻率執行特定 Skill。

貝克蔡特別喜歡時間觸發，因為它能讓我把工作的節奏掌握在自己手上。週報週一早上跑、整理任務週五下午跑、月報每月第一個工作日跑，這些都可以先規劃好。

當然，前提是你不需要立刻知道結果。如果內容本來就是彙整型工作，晚幾個小時出現不影響決策，那就非常適合排程。

如果你不知道週報應該哪天產出、幾點運作比較好，也可以使用 create with Gemini，請 Gemini 根據你的工作習慣協助安排。

事件觸發：適合需要立即回應的工作

第二種是事件觸發。

事件觸發的意思是，當某件事發生，AI Agent 才啟動。例如收到一封特定寄件者的郵件、收到特定主旨的報告、某個檔案新增到指定資料夾。

這非常適合急件、客服、銷售線索、客戶詢問、重要會議通知等情境。

例如團隊收到客戶或學員訊息時，Spark 可以監測信箱，一旦收到相關郵件，就立即提醒負責同事，讓團隊能更快回覆問題。

這背後的邏輯仍然是 Cycle Time。客戶從提出問題到得到回覆的時間越短，溝通體驗通常越好。我在實際業務運作中也非常重視這一點，因為快速回應能降低客戶轉向其他供應商的機率。

示範中，貝克蔡提到若能在五分鐘內回覆客戶問題，成交表現有機會明顯提升。這不是魔法，而是因為對方還在詢問、比較、評估時，你已經先提供了有效協助，合作的信任感自然更容易建立。

事件觸發最實際的例子，就是自動整理會議紀錄。

假設你使用 Google Notes 記錄會議，會議結束後系統會寄出一封包含逐字稿的電子郵件。你可以建立規則：

• 每次收到來自指定 Google Notes 寄件地址的電子郵件。
• 完整分析信件中的逐字稿。
• 套用 meeting summary Skill。
• 建立符合模板的會議重點與後續行動項目。
• 將結果存到指定位置。

這樣一來，會議結束、逐字稿寄達、Spark 分析、文件產出，整條流程就可以自己跑。你不用再把逐字稿複製到聊天工具，也不用擔心忘了整理。

時間觸發和事件觸發，到底該怎麼選？

這個判斷其實很簡單，不要把兩種方式混在一起想。

選時間觸發的情況

• 你希望固定頻率產出週報、月報、日報。
• 資料不需要立刻處理。
• 你希望工作節奏可預期。
• 任務本質是定期彙整與回顧。

選事件觸發的情況

• 收到客戶詢問需要盡快處理。
• 出現重要信件或指定通知時需要立即行動。
• 有新文件、新訂單、新表單時要快速分類。
• 資訊的時效性比固定排程更重要。

你甚至可以把兩種方式搭配。比如客戶信件使用事件觸發即時通知，所有客服趨勢與問題分類則每週用時間觸發整理成報告。

一個負責即時反應，一個負責定期管理。這樣才是一套完整的 AI 工作節奏。

Spark.MD：建立你的 AI Agent 指揮中心

前面講的是單一 Skill 與單一流程。接下來要進一步理解 AI Agent 系統。

當你的工作開始變多，你不會只有一個 Agent。你可能會有行銷 Agent、數據分析 Agent、客服 Agent、內容 Agent、行政 Agent。每一個 Agent 都有自己的 Skill，但有些能力也可以共用。

例如行銷團隊需要把調查資料圖表化，數據團隊也需要把數據視覺化。這兩個 Agent 不必各自重做一套圖表技能，而是可以共用同一個圖像與圖表化 Skill。

這種架構裡，最上層需要一個總管型 AI Agent。

總管的工作不是親自做完所有事，而是負責制定規則、理解任務、決定任務該交給誰、確認成果應該放在哪裡，以及讓不同子 Agent 按照相同規範協作。

在 Spark 的思路裡，這個總管規則可以透過 Spark.MD 呈現。

Spark.MD 是什麼？

你可以把 Spark.MD 想成 AI 營運系統的工作手冊。它不是一份普通文件，而是一份讓 AI Agent 知道「在這個工作環境中應該怎麼做事」的規則檔案。

最簡單的建立方式，是請 Spark 建立一份名為 Spark.MD 的 Google 文件，放在指定的 Spark OS 資料夾裡，並加上基本規則。

最初你可以只寫兩類規則：

1. 溝通規則：例如回覆語言、先結論後細節、禁止使用 emoji、資料不足時必須標示待確認。
2. 產出地點規則：例如競品分析存到哪個資料夾、會議紀錄放哪裡、檔名要用什麼格式。

一開始不需要追求很複雜。真正有效的 Spark.MD，是從你每天最常遇到的規則開始累積。

例如：

• 所有策略分析先給管理摘要，再附詳細內容。
• 所有外部研究要附資料來源。
• 所有會議報告必須列出決策、負責人與截止時間。
• 行銷相關檔案存到 Marketing 資料夾。
• 分析文件檔名需包含日期與主題。
• 沒有足夠證據的結論要明確註記。

Spark.MD 如何影響實際產出？

示範中，我建立 Spark.MD 後，再交給 Spark 一個任務：比較 Anthropic 與 OpenAI 的 AI 發展策略，並且在產出前先閱讀 Spark.MD 規則。

這時候，Spark 不只是隨機寫一份比較內容，而是依照既定規範行動。它會進行網路搜尋、查看 Google Drive 文件、搜尋 Google Workspace 資料，再把結果整理成文件。

最終文件會按照規則，先提出結論，再補充核心願景、戰略定位、商業模式、客群、安全治理、透明度與綜合比較，資料來源也會放在最後。

這就是 Spark.MD 的威力。它讓你不必每次在任務裡重新說：「先講結論、最後放來源、檔案放這裡、格式照這個。」規則被集中管理後，任務本身就可以更簡短，但產出反而更一致。

從單點工具到 AI 營運系統：貝克蔡的建議流程

很多人一開始接觸 AI Agent，就急著要做一個很複雜、很多分支、很多工具串接的系統。我反而建議你先不要這樣做。

真正有效的導入，應該從最小可行流程開始。

第一階段：找出一個重複任務

先列出你一週裡最常重複的工作。不要選太複雜的，先選流程固定、資料來源清楚、成果格式固定的任務。

例如：

• 每週整理業務信件與客戶問題。
• 每次會議後產出摘要與待辦。
• 每月整理競品資訊。
• 每天彙整行銷數據。
• 固定格式產出社群內容草稿。

第二階段：先建立模板

不要急著做自動化。先讓人工啟動的 AI 產出穩定。建立模板、定義欄位、調整指令，直到你對產出格式滿意。

第三階段：把流程封裝成 Skill

當你發現這件事已經不必每次重新思考，就建立 Skill。把目的、步驟、產出規則、資料來源與儲存位置寫清楚。

第四階段：選擇觸發方式

不急的事情用時間觸發，急的事情用事件觸發。先讓一個流程自動跑起來，再逐步擴大。

第五階段：把共同規則收進 Spark.MD

當 Skill 開始變多，團隊開始協作，就把共通規則放到 Spark.MD。這時候你才真正開始建立 AI OS，而不是只有一堆零散提示詞。

Gemini Spark、Claude Code、Codex 該怎麼選？

這三個工具不是簡單的誰比較好，而是工作情境不同。

如果你的主要工作環境在 Google Workspace，而且你想快速處理 Gmail、Drive、Docs、Sheets 之間的商業流程，Gemini Spark 的優勢會非常直接。它對中小企業、個體戶、行政、行銷、業務、營運人員特別友善，因為它切入的是日常工作流。

如果你需要深度程式開發、終端機操作、程式碼庫管理、技術環境控制，Claude Code 或 Codex 類工具可能更符合需求。

貝克蔡不建議把它們當成只能三選一的競爭關係。你應該問的是：我現在最大的工作瓶頸在哪裡？

• 如果瓶頸是程式開發與工程工作，優先研究程式型 Agent。
• 如果瓶頸是 Gmail、文件、資料表與營運流程，優先研究 Spark。
• 如果瓶頸是內容思考、研究與寫作，先把聊天式 AI 助理用熟。

工具永遠只是工具。真正讓你贏過別人的，不是你註冊了多少 AI 平台，而是你能不能把 AI 放進自己最重要、最重複、最消耗時間的工作流程裡。

最後提醒：先動手，才能真的變成你的能力

這篇文章資訊很多，從 Memory、Connected Apps、Instructions、模板、Skill、排程、事件觸發，一路講到 Spark.MD 與 AI Agent 系統。

但你不需要今天就把所有功能全部做完。

你可以先做第一件事：挑一個你每週都會做，而且真的很煩的工作。把它寫成一句具體指令，讓 Spark 幫你完成第一次端到端流程。

例如：

• 整理本週所有客戶詢問，依照問題類型建立 Google Sheet。
• 根據會議逐字稿，套用模板建立會議紀錄並存入專案資料夾。
• 從 Gmail 找出本月發票信件，整理成費用追蹤表。
• 每週五彙整本週行銷數據，建立固定格式的週報。

你做過一次，就會理解 AI Agent 的差別。它不是多了一個聊天機器人，而是你開始擁有一個可以在數位工作環境中替你執行流程的 AI 員工。

先從一條流程開始，把它做穩，再複製到第二條、第三條。當模板、Skill、觸發條件與 Spark.MD 慢慢累積，你建立的就不只是自動化，而是一套真正能長期運作的 AI 營運系統。