Ava：使用 Gemini 2.5 Flash 和 Live API 建構代理程式工作流程

Ava 是「AI 輔助家庭作業系統」，可預測需求並自動執行工作，協助管理家庭生活中的大小事。

家長管理的大多是非結構化資訊，來源包括學校電子郵件、宣傳單的螢幕截圖、PDF 附件、冗長的 WhatsApp 對話串和語音記事。Ava 必須瞭解情境，並與外部服務順暢互動。

為處理現實世界中雜亂無章的非結構化輸入內容，Ava 團隊採用分層架構，在代理程式管道的不同階段使用 Gemini 2.5 Flash 模型，並透過 Live API 提供對話介面。

傳入的請求會先遇到輕量型代理程式路由器，讓使用者體驗感覺反應靈敏。這個路由器會做為分流系統，將輸入內容分類為不同優先順序、擷取重要時段 (誰、何時、何地)，並決定需要使用哪種專用工具或後續模型。

Ava 共同創辦人兼技術長 Joe Alicata 表示：「Gemini 2.5 Flash-Lite 非常適合用於超輕量檢查，可處理意圖偵測和簡短摘要，並在不到一秒內回覆。」

確立意圖後，工作通常需要更深入的推理。舉例來說，剖析學校日曆、將不一致的日期標準化，以及建議正確的活動，都需要細緻的理解能力。Gemini 2.5 Flash 滿足嚴格的技術需求，讓 Ava 成為稱職的「家庭營運長」：

• 多模態理解：一次處理文字、圖片和音訊
• 提高模糊不清情況下的準確度：正確解讀不一致的學校通訊內容
• 可靠的函式呼叫：確保呼叫 Gmail 和 Calendar API 等動作時，使用結構化且值得信賴的資料

家人可以透過 Live API 啟用的語音互動，完全管理家中工作。Alicata 表示「原生音訊是必要條件」，因此 Ava 是自然而然的選擇。

開發期間，團隊大量使用 Google AI Studio，快速反覆測試提示和工具結構定義，並進行候選模型 A/B 測試，將從發想到測試的循環從幾天縮短至幾小時。

結果顯示，他們的多模型方法確實有效。他們發現，對於電子郵件討論串和宣傳單相片等雜訊輸入內容，模型的第一遍準確度更高。在 Alpha 衝刺期間，80% 的 Ava 使用者都是每日活躍使用者，且有數千個經過分類的活動獲得核准並新增至日曆。

代理系統可使用高效率模型快速讀取資料，並保留更多資源密集型模型以進行複雜分析，因此能以實際生活中的速度運作。

如要瞭解如何運用 Gemini 模型和 Live API 簡化代理工作流程，請參閱我們的 API 說明文件。