要解决的问题 用户想要的往往不是“答案”，而是完成一个任务：做调研、做报告、做对比、写文档、生成表格、发邮件、打电话……

Genspark 可观察机制 Autopilot Agent 把 prompt “重构成 Task”，并在后台完成多步规划、研究、交叉核验与总结。^[R4]

工程要点（可复用）

• Task Schema：把用户输入规范化为任务对象（目标、约束、交付物类型、截止时间、数据源偏好、合规策略）
• Deliverable-first：任务必须产生可存档的产物（页面/文档/表格/幻灯片/报告包），而不是仅聊天记录
• Progress & Partial：支持阶段性产出（draft → refined → final），中途可回滚/重试/补资料

风险与对策

要解决的问题 深度研究需要并行，但并行会导致上下文分叉、冲突合并、状态不一致。

Genspark 可观察机制 Multi-Agent 平台强调：并行子 agent 可执行，但保持线性上下文；并行时每个子 agent 拿到同一上下文快照，汇总后由 lead agent 统一更新。^[R6]

工程要点（可复用）

• Context Snapshot：并行子任务读取同一只读快照（版本号/哈希），避免并发写
• Merge Protocol：子任务输出必须遵循结构化合并协议（结论、证据、置信度、冲突点）
• Lead Agent Arbitration：由 lead agent 负责冲突解决（例如证据优先、来源可信度、时间新鲜度）

建议实现：并行执行 / 串行合并

User Query
  ↓ Taskify
Lead Agent creates N sub-queries
  ↓ parallel
SubAgent[i] read Context@vK → research → output (facts + evidence)
  ↓ gather
Lead Agent merges outputs → updates Context@vK+1 → generates deliverable

要解决的问题 复杂任务需要“给 agent 时间”：读更多内容、交叉验证、反思；同步等待会带来糟糕的交互与不稳定质量。

Genspark 可观察机制 Autopilot Agent 被描述为“世界首个异步 AI agent”，任务可在后台继续执行，用户可离开页面，完成后收到通知（例如邮件）。^[R4]

工程要点（可复用）

• Job Queue + Checkpoint：每一步（plan/search/summarize/verify）写入 checkpoint，可重试
• Idempotency：工具调用必须幂等（尤其是写操作），可用 request-id 做去重
• Progress API：前端展示阶段（规划中/检索中/核验中/生成产物/完成）
• Multi-task Concurrency：同用户/同组织并发控制（配额与优先级）

你可以直接抄的“异步任务状态机”

PENDING → PLANNING → RESEARCHING → VERIFYING → SYNTHESIZING → DELIVERED
           ↘︎ FAILED ↗︎          ↘︎ NEEDS_INPUT ↗︎

要解决的问题 仅靠模型“说得像”不够，用户需要可检查的证据来建立信任。

Genspark 可观察机制 Autopilot Agent 强调：研究与核验来自多个权威来源，并提供透明引用；同时还会包含“智能内联截图”作为支撑证据。^[R4]

工程要点（可复用）

• Evidence Object：把证据作为一等公民（URL、抓取时间、片段、截图、来源评级、hash）
• Claim-to-Evidence Mapping：每条关键结论至少绑定 1~N 个证据；没有证据就降级为“推测”
• UI 证据体验：引用不是脚注，而是可点击的“证据卡片”（片段高亮 + 时间戳）

要解决的问题 “通用 agent”很难把表格、幻灯片、文档等产物做得专业；而把所有逻辑塞进一个 prompt 会失控。

Genspark 可观察机制 多智能体文章描述：不同 agent 在专用画布工作（Sheets/Slides/Docs），由平台管理跨画布上下文协作。^[R6]

工程要点（可复用）

• Canvas Abstraction：每类产物定义统一 API（read/write/diff/validate/render）
• Agent Specialization：为不同画布选择不同模型与提示（表格侧重计算与一致性，幻灯片侧重结构与表达）
• Cross-canvas Contracts：例如“表格的指标”如何映射到“幻灯片的图表”，要有固定协议

建议实现：多智能体输出协议（示例）

SubAgent Output (JSON)
{
  "summary": "...",
  "artifacts": [
    {"type":"sheet", "id":"sheet_123", "ops":[...]},
    {"type":"slides", "id":"deck_9", "ops":[...]}
  ],
  "evidence": [{"url": "...", "snippet": "...", "captured_at": "..."}],
  "open_questions": [...]
}

要解决的问题 预置 agent/工具永远覆盖不了真实业务的长尾需求；但“每次都手写提示”又难维护与复用。

Genspark 可观察机制 多智能体文章预告：lead agent 可通过编写 YAML 配置“按需实例化”临时 agent，包含专属工具集、系统提示、甚至专用模型。^[R6]

工程要点（可复用）

• Agent Spec as Code：用可审计的配置（YAML/JSON）描述 agent：模型、提示、工具、策略、输出格式
• Policy Gate：动态 agent 必须过策略门：工具白名单/数据域权限/成本预算
• Spec Library：沉淀常用 spec 模板（财务备忘录、竞品分析、周报生成）

示例：轻量 Agent Spec（非官方，仅示意）

name: InvestmentMemoAssistant
model: claude-4-sonnet
tools: [web_search, financial_report, crawler]
output:
  format: memo
  sections: [summary, thesis, market, risks, valuation]
guardrails:
  tool_write: false
  budget_tokens: 120000

要解决的问题 长周期项目需要持续上下文；“重复讲背景”是知识工作最昂贵的摩擦之一。

Genspark 可观察机制 Hub：每个项目独立空间 + 持久 AI 记忆；AI 可自动召回并使用相关文档。^[R7] Drive/Download Agent：可自动下载整理文件并重命名以便检索。^[R9]

工程要点（可复用）

• Memory Layers：短期对话记忆（session）+ 项目记忆（project）+ 组织知识（org）分层
• Retrieval Policy：召回需遵守权限与最小化原则（只取相关且允许访问的内容）
• Artifact Index：文件、表格、幻灯片都应有可检索索引与向量表示（含版本）

要解决的问题 Agent 能力的上限取决于“工具/数据”的可用性；但越多工具意味着越大安全面。

Genspark 可观察机制 AI Browser 发布文提到 MCP Store 与“连接 700+ 工具”。^[R11] “AI 秘书”强调对 Gmail/Calendar/Drive/Notion 的管理能力。^[R8]

工程要点（可复用）

要解决的问题 单一模型很难在成本/质量/稳定性上同时最优；同时 agent 系统需要持续迭代。

Genspark 可观察机制 VentureBeat 报道称：Genspark 使用 9 个 LLM 组成 MoE，并配备 80+ 工具；运行经典 agent loop（plan/execute/observe/backtrack），并用 LLM judges 评估会话、把奖励归因到步骤，用于 RL 与 prompt playbook 持续改进。^[R14]

工程要点（可复用）

• Model Router：按任务类型路由（检索/推理/写作/代码/表格），并在失败时做降级/切换
• Backtracking：允许“走错路后回退重来”，比刚性 workflow 更抗边界条件^[R14]
• Judge & Feedback：建立离线评测集 + 在线判别（用户反馈/LLM judge）+ 回归测试
• Playbook：把高质量轨迹沉淀为可复用策略（提示模板、工具链、失败恢复路径）

要解决的问题 一旦接入邮件/日历/文档等高敏数据，用户最关心的是：数据去哪了、怎么用、会不会被训练、能否本地化。

Genspark 可观察机制 隐私政策提到：查询可能会被发送到 OpenAI 或 Anthropic API；使用 Google Workspace API 来提供特定服务，并明确声明这些 API 数据不用于开发/改进/训练通用 AI/ML 模型。^[R13]

另一个机制 AI Browser 的 “On-Device Free AI” 主张本地运行开源权重模型、离线可用且数据不离开设备。^[R12]

工程要点（可复用）

• Data Map：清晰标注每种数据流向（本地/服务端/第三方），并提供可配置开关
• Least-data Principle：只传递完成任务所需最小字段；敏感字段做脱敏/摘要
• On-device Options：对高敏场景提供本地推理或私有部署选项（即使能力受限）
• Retention & Deletion：可见的保留策略与删除机制；对共享/公开内容提供显式提示

补充：规模与生态信号（来自公开报道/公告）

• Reuters 报道：Genspark 在 2025-02-21 的融资消息中提到其“月活用户 200 万+”，并引用其博客称：具备“多模型协作进行深度在线研究”的特性。^[R15]
• 官方公告：2025-11 的一篇文章宣称 $275M Series B、$1.25B 估值。^[R16]
• 官方公告：与 Microsoft 的合作将其 agent engine 集成到 Microsoft 365，并称其为 Agent 365 launch partners。^[R17]

┌──────────────────────────────────────────────┐
│                 Frontend / UI                │
│  Search | Task Cards | Artifacts | Evidence  │
└──────────────────────────────────────────────┘
                 │
                 ▼
┌──────────────────────────────────────────────┐
│            Agent Orchestrator (Lead)          │
│ Taskify | Planner | Router | Merge | Guardrail│
└──────────────────────────────────────────────┘
   │            │                 │
   │ parallel   │ tool calls       │ artifacts
   ▼            ▼                 ▼
┌─────────┐  ┌────────────────┐  ┌──────────────────┐
│SubAgents │  │ Tool Executor   │  │ Artifact Service  │
│(Sheets/  │  │ (Sandbox)       │  │ (Docs/Slides/...) │
│Slides/..)│  └────────────────┘  └──────────────────┘
   │            │                 │
   │            ▼                 ▼
   │      ┌───────────────┐  ┌───────────────┐
   │      │ Connectors/MCP │  │ Memory Store   │
   │      │ Gmail/Drive/...│  │ Hub/Vector/DB  │
   │      └───────────────┘  └───────────────┘
   │
   ▼
┌──────────────────────────────────────────────┐
│           Async Job System (Queue)            │
│  Checkpoints | Retries | Budget | Notifications│
└──────────────────────────────────────────────┘

建议的评测层次

从公开内容看，Genspark 的工具范围包含：文件下载整理、Gmail/日历/Drive/Notion 管理、甚至电话呼叫等高权限动作。^[R8][R10] 这类能力的工程落地关键是：权限最小化 + 可审计 + 可撤销。

可以直接复用的优化策略

• 并行但线性合并：吞吐来自并行，正确性来自合并（Pattern B）
• 分级输出：先给概览（低成本），再按需深化（高成本）
• 模型路由：不同步骤用不同模型；失败再升级（Pattern I）
• 缓存：对高重复 query / 公开 research 结果做缓存；注意时间敏感与个性化
• 本地推理：对隐私/低延迟需求提供 on-device（公开宣称的 169 模型）^[R12]