在投入寫程式之前，如果沒搞清楚手中工具的本質，最容易犯的錯誤就是「拿大砲打蒼蠅」或「讓小玩具扛重擔」。

很多開發者在規劃 Agent 專案時，常陷入兩種極端：要麼試圖用單一 Prompt 解決所有事情，最後被長文本污染搞得焦頭爛額；要麼為了定時抓幾篇論文，從零架設複雜的 Headless Browser 與分散式爬蟲，浪費大量維護成本。

在 Google 的 AI 藍圖中，Agent 的建構被清晰劃分為三個層級。理解它們的「生態位（Ecological Niche）」，是我們打造高容錯系統的第一步：

• 邊緣偵察兵：Gemini Spark
  Spark 是面向終端使用者的開箱即用 Agent。它的優勢在於常駐雲端背景、自帶聯網搜尋能力，並能透過簡單的自然語言定義 Task 與 Schedule。在專案中，我們絕不拿它來跑深奧的多步驟推理，而是把它當作「輕量前哨站」，負責在定點時間輪詢公開網站，完成第一層無狀態的邊緣資料抓取。

• 數據與協作中樞：Google Workspace
  許多人忽略了 Workspace 在 Agent 系統中的基石價值。不管是 Gmail、Docs 還是 Sheets，它們本質上就是成熟、高可用且自帶權限控管的雲端微服務。我們以 Google Sheets 作為輕量關聯資料庫與非同步狀態機，既能省去自建資料庫與後台 UI 的麻煩，又能讓人隨時人工介入檢驗。

• 核心智囊團：Google ADK (Agent Development Kit)
  這是專案的大腦所在。ADK 是一套專為企業級複雜流程打造的開源框架。當情報需要跨篇交叉比對、演算法驗證、或調用自定義外部 API 時，ADK 提供的狀態圖（Graph Workflow）、事件追蹤與多代理人通訊協議，才能確保系統具備確定性與可除錯性。

這三者的組合並非拼湊，而是一套嚴謹的工程解耦哲學：讓 Spark 專注於外圍繁瑣的收集，讓 Workspace 承載資料與展示，讓 ADK 專心於高價值的邏輯推理。

搞清楚各自的邊界後，明天（Day 03）我們將正式切入系統架構設計，繪製資料流向圖並定義狀態機（State Machine）的運作機制！