DAY 215

Gemini Spark 也能用 Skill

SLIDES · 6
Day 215 Gemini Spark 也能用 Skill — 投影片 1Day 215 Gemini Spark 也能用 Skill — 投影片 2Day 215 Gemini Spark 也能用 Skill — 投影片 3Day 215 Gemini Spark 也能用 Skill — 投影片 4Day 215 Gemini Spark 也能用 Skill — 投影片 5Day 215 Gemini Spark 也能用 Skill — 投影片 6
1 / 6

Gemini Spark 可以使用 skill,這件事讓它不太像一般聊天工具了。

Skill 可以先粗略理解成:把一套做事方式包起來,讓 AI 下次不要每次都從零開始猜。

我原本只是把它當成 Gemini 旁邊另一個入口看,後來發現如果我目前看到的這個 Spark 入口確實支援 skill,那就應該拿來跟 Gemini、Antigravity 放在一起看:一個偏問答、一個偏流程整理、一個偏開發代理任務。

這篇先整理我目前看到的差異,不把它寫成產品規格表,而是從實際使用時會怎麼選來看。

暫時的選擇方式

如果今天要我先選,我會這樣分:

情境 先選
問一個問題、整理一段內容 Gemini
固定流程、固定輸出格式、重複整理資料 Gemini Spark(暫稱/產品內顯示名稱)
改程式、查 repo、跑測試、代理任務 Antigravity / Claude Code

這不是誰取代誰,而是三個入口其實在解不同問題。

聊天工具解的是「我現在想知道什麼」。

workflow 工具解的是「我每次都想照同一套方式處理」。

coding agent 解的是「我需要 AI 進到工作現場,把事情做完」。

如果我看到的這個 Spark 入口確實支援 skill,真正有趣的地方就在這裡:它不再只是聊天工具,而是更接近工作流工具。

先把三個名字拆開

先用工作方式來分,比較不會混在一起:

對我來說,這比單純聊天更接近 workflow(工作流):你不是只要一句回答,而是要它照一套流程把資料處理完。

工具 我會先拿來做什麼 目前的感覺
Gemini 問答、查資料、快速整理一段內容 最像一般聊天工具
Gemini Spark(暫稱/產品內顯示名稱) 把一段任務整理成可重複使用的流程 比聊天更靠近 workflow
Antigravity 開發、代理任務、讓 AI 真的進 repo 做事 最像 coding agent

這張表不是官方分類,是我自己的使用視角。

Gemini 比較像「我有一個問題,你直接回答我」。如果 Spark 確實能用 skill,比較像「我有一套固定做法,你照這套跑」。Antigravity 則更像「我有一個工程任務,你進去看檔案、改程式、跑測試」。

Antigravity 給我的定位比較接近開發代理工具。

也就是說,它不只是在整理文字,而是更接近 coding agent:讀 repo、理解檔案、提出修改建議、甚至真的改程式。

Skill 讓 Spark 的定位變得有趣

如果只是一般 Gemini 對話,我會把規則、背景、輸出格式都寫在 prompt 裡。下一次要重跑,就再貼一次,或靠 Gems / saved instruction 之類的方式固定一部分脈絡。

但如果 Spark 能直接使用 skill,感覺就不只是「問一個問題,拿一段回答」。它比較像是把某個任務做成固定流程:先讀資料、再整理、再輸出、最後檢查。

這個差異會影響我怎麼用它。

問答還是 Gemini 比較直覺

如果只是要問:

  • 這段文件在講什麼
  • 幫我比較兩個工具
  • 把這段英文整理成中文重點
  • 這個 API 怎麼用

我大概還是會直接開 Gemini。

因為這些任務的成本不在流程,而在「當下回答得好不好」。你不需要一套固定步驟,也不需要 agent 幫你跨很多工具。問完、拿答案、走人,這時候聊天介面反而最乾淨。

Spark 的 skill 在這裡可能有點太重。不是不能用,而是沒有必要。

流程型任務,Spark 開始有空間

比較適合 Spark 的,是那種每次都差不多、但又不想每次重寫 prompt 的任務。

例如:

  • 把一份訪談逐段整理成觀察、痛點、下一步
  • 把產品需求整理成規格草稿
  • 把一堆零散筆記整理成會議前 brief
  • 把內容素材整理成固定格式的文章草稿

這些任務不是單純問答,因為它們有順序、有格式、有檢查點。

如果 Spark 的 skill 可以把這些步驟包起來,價值就不是「模型比較聰明」,而是「每次都照同一套工作方式跑」。

Antigravity 則是另一個方向

所以如果任務是:

  • 幫我找一個 bug 為什麼發生
  • 幫我改一段程式
  • 幫我補測試
  • 幫我理解某個 repo 的結構

那 Spark 未必是第一選擇。這種任務需要的是檔案操作、測試、版本控制,以及根據錯誤訊息反覆驗證。Antigravity 或 Claude Code 這類工具比較像主場。

Spark 比較像把「文件與流程」整理好;Antigravity 比較像真的進工作區做事。

我會用同一組任務測一次

要公平比較,不能只憑介面感覺。

我會想拿同一組任務測 Gemini、Spark、Antigravity:

  1. 問答任務:給一段文件,請它整理差異與建議
  2. 流程任務:給一份訪談逐字稿,請它整理成固定格式的需求 brief
  3. 開發任務:給一個小 repo,請它找 bug、提出修改方向

這三種任務剛好對應三個定位:問答、流程、代理。

現在還沒測到可以寫成正式結論,所以先把它當成下一步的比較方式。

最近開始做免費的一對一諮詢,幫你把 AI 接進自己的工作流——有需要的話可以約:https://www.dawsonwang.com/

延伸閱讀
看完整 215 篇 →