谷歌给 Gemini 装上「手」:Mac 上的文件、表单和浏览器,它都能替你点
谷歌为 macOS 版 Gemini 加入 computer use 能力,可操作原生应用与网页…
文章目录

早上九点,你把 Mac 打开,桌面上散着三十多张发票、两份待填的报销表和一堆等着归档的截图。过去,这些活儿要么自己一张张点,要么把文件丢给聊天框,再手动搬回去。现在,谷歌给出的新答案是:让 Gemini 自己动手。
一分钟速览
- 谷歌为 macOS 版 Gemini 加入「computer use」能力,可操作原生应用与网页。
- 任务在聊天窗口里实时预览,用户可暂停、终止或逐条批准。
- 首批仅面向美国英语用户,需要 AI Plus、Pro 或 Ultra 订阅。
- 谷歌承认入场偏晚,OpenAI、Anthropic、Meta 的桌面智能体已跑在前面。
它到底能替你做什么
按谷歌给出的说明,这项能力的核心不是「回答问题」,而是「完成任务」。用户用自然语言描述目标后,Gemini 会在后台打开应用、点击菜单、填写表单、整理文件夹,甚至跨本地文件与网页完成一条多步骤流程。整个过程在聊天窗口里以实时画面呈现,但屏幕和鼠标仍归用户使用,不必眼睁睁看着它慢慢操作。
官方列举的典型场景相当「办公室」:批量重命名与归档文件、把散落各处的数据整理成演示文稿、在网页上重复填写同类表单、按照日期或项目把下载目录清干净。这些事单看都不难,难在量大且枯燥,正好是智能体最容易体现价值的地方。
为什么现在才来
谷歌在桌面智能体这件事上确实慢了半拍。OpenAI 的桌面端早已能代用户执行操作,Anthropic 把「computer use」做成了招牌能力,Meta 的 Muse 也以帮用户处理日常事务为卖点。谷歌直到本周才扩大 Gemini「Tasks」的推送范围,让 AI 能登录网站、下单、预约;更早的「CC」智能体仍处于小范围测试。
这背后是产品节奏的差异:谷歌更习惯先把模型能力做厚,再一层层封装成产品;而这一轮竞争比的恰恰是「谁先把按钮交到用户手里」。Gemini 现在补上这一课,意味着桌面入口的争夺从「谁的模型更聪明」转向「谁更敢让 AI 碰用户的电脑」。
权限、边界与那点不安
让 AI 操作电脑,本质上是把一部分控制权交出去。谷歌的解法是「过程可见 + 关键动作可批准」:用户能看到智能体正在点哪里,也能在提交表单、删除文件这类动作前按下暂停。但真到了日常使用,多数人大概率会嫌每次确认太麻烦,转而选择放行——这正是所有桌面智能体共同的难题。
更现实的风险在数据侧。整理文件意味着读取文件名与内容,填写表单意味着接触账号与个人信息。谷歌目前把功能限制在订阅用户、限定美国英语,某种程度上也是在控制测试面。等它铺开到更多市场,权限设计能不能经得起普通用户的误操作,才是真正的考验。
价格与时间表
这项功能不单独收费,但门槛不低:需要安装 Mac 版 Gemini 应用,并持有 Google AI Plus、Pro 或 Ultra 订阅。谷歌没有给出扩展到其他市场的时间,也没有说明是否会下放到免费用户。对照 Gemini 近期的动作——Tasks 扩大推送、CC 智能体扩测、桌面操作上线——可以看出谷歌正在把「能聊天」的助手,改造成「能干活」的入口。
更大的图景
桌面智能体的竞争,表面上是功能清单,实质上是信任与生态。谁能让用户放心地把鼠标交出去,谁就能占据每天八小时的工作场景;而一旦智能体习惯了用户的文件结构、常用软件和操作路径,迁移成本会高得惊人。谷歌这次补课不算早,但 Mac 用户基数与 Workspace 生态仍是它的底牌。接下来要看的,不是它能不能点开一个菜单,而是它能不能在出错时,把损失控制在用户可接受的范围内。
本文地址:https://www.163264.com/22082


