# 影片筆記：AI Agent 教學應用 Google Spark ＋ GAS，教師自動化的雲端神搭配

## 一句話總結
本影片示範如何將 Google 雲端 Agent **Spark** 與 **Google Apps Script (GAS)** 結合，利用 Spark 的排程與輪詢功能，自動化處理 GAS 收集的表單資料，並透過本地 Agent（如 Claude Code、Codex）輔助開發，實現教師工作流程的自動化。

## 核心重點
1.  **Spark 的定位與優勢**：Spark 是 Google 推出的雲端 Agent（Beta 版），主要優勢在於無縫串接 Google 生態系（Gmail、行事曆、雲端硬碟），並具備強大的**排程（Scheduling）**與**輪詢（Polling）**功能，適合執行定時任務。
2.  **隱私與成本門檻**：使用 Spark 需具備 **Google Pro 帳號**，且必須開啟「個人化智慧服務」以允許串接 Gmail 等應用程式，這意味著雲端資料隱私較低。
3.  **Spark 的局限性**：Spark 目前無法直接撰寫 GAS 程式碼，也無法串接 NotebookLM 或處理本地檔案。對於複雜程式開發，仍需依賴本地 Agent。
4.  **最佳實踐架構**：採用「本地 Agent + GAS」負責程式碼撰寫與部署，「Spark」負責讀取資料、執行排程任務與發送通知的組合。
5.  **自動化流程實戰**：透過 GAS 建立 Web App 收集表單資料存入 Google Sheet，再由 Spark 定時輪詢 Sheet 資料，根據內容生成回覆或執行後續動作（如寄信、通知）。

## 詳細大綱

### I. Spark 介紹與環境設定
*   **Spark 是什麼**：
    *   Google 生態系中的雲端 Agent。
    *   與 Gemini 互補：Gemini 偏向聊天機器人，Spark 偏向排程、檔案處理與生態系串接。
    *   目前為 Beta 版本，功能每日更新，狀態不穩定。
*   **使用門檻**：
    *   必須擁有 Google Pro 帳號。
    *   需在 Gemini 左側欄切換至 Spark。
*   **必要設定**：
    *   開啟「個人化智慧服務」，允許 Spark 串接 Gmail、行事曆、雲端硬碟等。
    *   **隱私警告**：開啟後等同於雲端資料無隱私，需自行評估。
    *   建議安裝「Google 雲端硬碟電腦版」應用程式，以便於檔案存取與管理。

### II. Spark 核心功能演示
*   **檔案處理能力**：
    *   可讀取、整理、移動、刪除雲端硬碟內的檔案。
    *   可生成原生的 Google 三件套：Google Document、Google Slide、Google Sheet。
    *   **限制**：無法生成 Word、Excel、PowerPoint 等 Office 三件套。
*   **網路搜尋與多步驟任務**：
    *   可執行多步驟工作：搜尋資料 -> 整理 -> 存檔至指定資料夾。
    *   搜尋功能類似一般 Google Search，深度不如 Gemini 的 Deep Research。
*   **排程與輪詢 (Scheduling & Polling)**：
    *   Spark 的最大優勢：可設定固定時間執行任務。
    *   任務類型：查詢行事曆、讀取 Gmail、上網搜尋新聞並總結。
    *   通知方式：可透過手機通知、Email 或行事曆提醒發送結果。
    *   優勢：即使電腦關機，雲端 Agent 仍可持續工作。

### III. Spark 與 GAS (Google Apps Script) 搭配實戰
*   **搭配邏輯**：
    *   Spark 無法直接撰寫 GAS 程式碼。
    *   需搭配本地 Agent（如 AntiGravity、Claude Code、Codex）來撰寫與部署 GAS。
*   **實戰步驟**：
    1.  **連線 GAS**：使用本地 Agent 搭配 `clasp` 工具，連線至 Google Apps Script，避免手動複製貼上程式碼。
    2.  **撰寫程式碼**：透過本地 Agent 撰寫 GAS 程式，功能為建立網頁表單，讓使用者輸入名字與心得，並儲存至 Google Sheet。
    3.  **部署與授權**：在 GAS 介面進行授權與部署，獲取部署網址。
    4.  **Spark 讀取資料**：Spark 讀取該 Google Sheet 中的資料。
*   **穩定性比較**：
    *   作者測試中，AntiGravity 出現授權錯誤，穩定度不如 Claude Code 或 Cursor。
    *   Google 生態系安全把關嚴格，部署流程較繁瑣。

### IV. Web App 部署與自動化設定
*   **Web App 部署與測試**：
    *   使用 App Script 進行部署。
    *   複製部署後的網址進行測試。
    *   透過網頁表單收集使用者回饋（姓名、對教學的評價）。
*   **資料串接與痛點說明**：
    *   直接收集至 Google Sheet 的缺點：人數過多時會掉線。
    *   解決方案：建立專屬的「使用者心得收集表單」並連結至雲端。
*   **Spark AI Agent 自動化設定**：
    *   利用 Spark 讀取 Google Sheet 資料。
    *   設定輪詢機制（Polling）：
        *   功能定義：特定時間、固定週期、滿足特定條件。
        *   限制與調整：無法設定 30 秒，建議設定為每小時一次。
    *   自動化任務範例：
        *   讀取使用者回覆。
        *   根據回覆內容生成感謝詞。
        *   將回覆新增至試算表欄位。
*   **應用場景與總結**：
    *   可應用於學生繳交資料、每週輔導記錄整理等。
    *   潛在串接功能：寄信 (Mail)、Google Chat。
    *   核心概念：串接 Google 生態系 (GAS + Spark)。

### V. 工具比較與總結
*   **Spark vs. 本地 Agent (AntiGravity/Claude Code/Codex)**：
    *   **Spark**：雲端 Agent，擅長串接 Google 生態系、排程、輪詢、定時任務。無法觸碰本地檔案。
    *   **本地 Agent**：在電腦上工作，擅長複雜程式開發、本地檔案操作。電腦關機即停止工作。
*   **最佳組合**：Spark 搭配 Agent（如 GAS 開發工具）是最佳組合。
*   **作者偏好**：主力使用 Claude Code 與 Codex，AntiGravity 僅因擁有 Pro 訂閱而試用。

## 工具 / 模型 / 名詞整理

*   **Google 產品/服務**：
    *   **Spark** (Google Spark, Beta 版)：雲端 Agent，具備排程與輪詢功能。
    *   **Gemini**：包含 Deep Research 功能，偏向聊天機器人。
    *   **Google Apps Script (GAS)**：用於建立 Web App 與部署腳本。
    *   **Google Workspace**：包含 Gmail, Google Calendar, Google Drive, Google Document, Google Slide, Google Sheet。
    *   **Google Pro**：使用 Spark 所需的帳號方案。
    *   **Google Gems**：與 Spark 技能概念相關。
    *   **NotebookLM**：影片提及 Spark 目前無法串接此工具。
*   **開發工具/程式庫**：
    *   **clasp**：用於在 Agent 中安裝，連線 GAS 的工具，避免手動複製貼上程式碼。
    *   **code.gs**：App Script 程式碼檔案。
    *   **index.html**：App Script 網頁檔案。
*   **其他 Agent/工具**：
    *   **AntiGravity**：作者用於示範的本地 Agent。
    *   **Claude Code**：主流 Agent，作者主力使用。
    *   **Codex**：ChatGPT 的 Codex，作者認為用此模型一定會成功。
    *   **Open Code**：逐字稿提及的主流 Agent 之一。
    *   **Cursor**：主流 Agent。
    *   **LUNA**：作者提及有使用，可能用不完。
    *   **Soul**：AI 模型/工具，講者提及仍會開啟此模型。
    *   **Tabless**：語音輸入工具。
    *   **Hermes**：作者提及 Marco 使用。

## 操作流程整理

1.  **環境準備**：
    *   確保擁有 Google Pro 帳號。
    *   在 Gemini 介面切換至 Spark。
    *   開啟「個人化智慧服務」以允許串接 Gmail、行事曆等。
    *   安裝「Google 雲端硬碟電腦版」。

2.  **本地開發 (使用本地 Agent)**：
    *   選擇本地 Agent（如 Claude Code, Codex, 或 AntiGravity）。
    *   安裝並使用 `clasp` 工具連線至 Google Apps Script。
    *   撰寫 GAS 程式碼：
        *   建立 `code.gs` 與 `index.html`。
        *   功能：建立網頁表單，收集使用者姓名與心得。
        *   將資料儲存至 Google Sheet。
    *   在 GAS 介面進行授權與部署，獲取 Web App 網址。

3.  **Spark 自動化設定**：
    *   在 Spark 中設定任務。
    *   讀取目標 Google Sheet 的資料。
    *   設定**輪詢 (Polling)**：
        *   建議頻率：每小時一次（無法設定 30 秒）。
        *   觸發條件：特定時間、固定週期。
    *   執行動作：
        *   讀取使用者回覆。
        *   根據回覆內容生成感謝詞或回覆。
        *   將回覆新增至試算表欄位。
        *   可串接寄信 (Mail) 或 Google Chat 發送通知。

## 值得注意的限制或風險

1.  **隱私風險**：使用 Spark 需開啟「個人化智慧服務」，這意味著雲端資料隱私較低，需自行評估資料敏感性。
2.  **功能限制**：
    *   Spark 無法直接撰寫 GAS 程式碼。
    *   Spark 無法串接 NotebookLM。
    *   Spark 無法生成 Office 格式（Word, Excel, PowerPoint）。
    *   Spark 無法處理本地檔案。
3.  **排程限制**：Spark 的輪詢頻率無法設定為 30 秒，建議設定為每小時一次。
4.  **穩定性問題**：Spark 為 Beta 版，功能每日更新，狀態不穩定。本地 Agent 中，AntiGravity 的穩定度不如 Claude Code 或 Cursor，可能出現授權錯誤。
5.  **Google Sheet 瓶頸**：直接收集資料至 Google Sheet 在高流量下可能會掉線，需透過 GAS 串接雲端資源與 AI 來解決。

## 逐字稿辨識疑點

*   **AntiGravity**：逐字稿中多次提及此名稱作為本地 Agent 的代表，並與 Claude Code、Codex 並列。需查證此是否為特定 Agent 產品名稱或口誤。
*   **Open Code**：逐字稿提及「Open Code」作為主流 Agent 之一，需查證是否為特定產品名稱或聽誤。
*   **LUNA**：作者提及「我沒有不用 LUNA」及「用此模型可能用不完」，需查證此 Agent 產品名稱。
*   **Soul**：講者提及「仍會開啟此模型」，需查證此 AI 模型/工具名稱。
*   **Hermes**：作者提及「Marco 的話用 Hermes 是很好的」，需查證此 Agent 產品名稱。
*   **Tabless**：作者提及「我使用的語音輸入是 Tabless」，需查證此語音輸入工具名稱。
*   **Pro 帳號**：多次強調必須是 Pro 帳號才能使用 Spark，需確認 Google 官方對此功能的訂閱要求。
*   **2026 SPARK 資料夾**：作者建立資料夾命名為「2026 SPARK」，需確認是否為特定年份規劃或口誤。
*   **網頁用程式**：講者在部署步驟中口語提到「應該是網頁用程式」，疑為「網頁應用程式」之口誤或聽誤。
*   **88888**：講者要求聊天室刷 "88888"，可能為直播互動代碼或口誤。
*   **clasp**：講者建議在 agent 裡面把 "clasp" 裝起來，需查證此為特定插件名稱或口誤。
*   **Spark**：多次提及結合 "Spark"，需確認是否指代特定 AI 產品名稱或泛指某種技術。

## 可延伸追問

1.  Google Pro 帳號的具體訂閱費用與 Spark Beta 版的開放時間表為何？
2.  除了 AntiGravity，還有哪些本地 Agent 能穩定支援 `clasp` 連線 GAS？
3.  Spark 的輪詢機制在處理大量資料時，是否有速率限制（Rate Limit）？
4.  如何確保 Spark 在讀取 Google Sheet 時的資料安全性與權限管理？
5.  若需更複雜的邏輯判斷（如條件分支），是否建議完全依賴 GAS 而非 Spark？