↑

谷歌把 computer use 装进 macOS 版 Gemini

PromptTree|阅读 2
2026/11/20 07:37
谷歌Gemini智能体macOS
谷歌把 computer use 装进 macOS 版 Gemini
谷歌宣布 macOS 版 Gemini 应用支持 computer use,可在后台操作原生 Mac 应用并浏览网页,执行跨本地文件、应用与网页的多步任务,用户可在实时预览中暂停、停止或逐项批准动作。该功能初期仅面向美国英语用户,需订阅 Google AI Plus、Pro 或 Ultra。此前一周,谷歌刚扩大 Gemini「Tasks」的开放范围。

桌面正在成为智能体的主战场,谷歌这次没有缺席太久。11 月 19 日,谷歌宣布把 computer use 能力带进 macOS 版 Gemini 应用:AI 可以代替用户在 Mac 上完成任务,操作原生应用,在后台浏览网页,把跨本地文件、应用与网页的多步流程跑完。

具体形态是:用户说明想做什么,Gemini 在聊天窗口里以实时预览的方式展示操作过程,同时屏幕与光标保持可用,用户可以继续做别的事。与其他提供 computer use 的产品一致,用户可随时暂停、停止,或在动作执行前逐项批准。这个设计解决的是信任问题——让自动化在人的视线内发生。

官方给出的适用场景偏枯燥但真实:填写表单、在一批文件上重复同一套操作、按特定条件把文件整理进文件夹、从本地文件或线上看板的信息生成幻灯片。这些任务的特点是有明确规则、耗时长、出错成本低,正好是智能体最容易证明价值的区间。

限制也很清楚。功能初期仅在美国以英语提供,需要安装 Mac 版 Gemini 应用,并订阅 Google AI Plus、Pro 或 Ultra。谷歌没有公布向其他市场与其他平台扩展的时间表。

把时间线往前拉一周,这次发布的位置会更清楚。谷歌刚扩大 Gemini「Tasks」的开放范围,那是一项让 AI 帮用户登录网站、完成在线购买、预约的应用内功能;更早在九月,它还发布了面向家庭场景的「CC」智能体,用于在邮件、日历、聊天与任务之间做统筹。三条线合起来,是一套从「会说话」到「会动手」的完整布局。

谷歌在这个赛道其实起步偏晚。OpenAI、Anthropic 与 Meta 的桌面应用早已提供智能体能力,Meta 的 Muse、Anthropic 的 Claude Duet 都在做类似的事。谷歌的优势在分发与账号体系——Gemini 与 Chrome、Workspace、Android 的连接深度,是其他厂商难以复制的。

真正的竞争点不在「能不能点鼠标」,而在可靠性与权限边界。桌面智能体一旦获得操作权限,误删文件、误发邮件、误操作的代价远高于聊天场景出错。实时预览加逐项批准是目前通行的解法,但它把效率优势削掉了一部分——用户仍需盯着看。

从产品策略看,谷歌选择先在 macOS 落地而不是 Windows,有其道理:Mac 用户里创意与知识工作者的比例更高,对这类自动化的付费意愿更强,且订阅体系已经在运行。但 Windows 的用户基数大得多,能否在明年覆盖,是这项功能能否规模化的关键。

对开发者生态的影响是间接但真实的。一旦桌面智能体成为系统级入口,应用的分发逻辑会变——用户不再逐个打开应用,而是告诉助手「把这件事办了」。那些只提供图形界面、不提供 API 的应用,会在这个转变里失去被调用的机会。

接下来值得观察的是错误处理机制:当智能体卡在一个弹窗或验证码上时,它会把控制权交回用户,还是僵在原地。这类细节决定用户第一次尝试之后还会不会用第二次。