谷歌在11月19日宣布,computer use(电脑操作)能力将进入Gemini的macOS应用,初期在美国以英语提供。这项功能可以跨本地文件、Mac原生应用和网站工作,前提是装上Gemini Mac应用,并订阅Google AI Plus、Pro或Ultra。
听起来像是把键盘鼠标交给AI。实际体验的设计思路恰恰相反:Gemini在聊天窗口里提供实时预览,用户可以看着它操作,同时保留自己屏幕和光标的使用权,还能暂停、停止,或在动作发生前逐项批准。
这些控制不是界面上的小便利,而是产品的核心。一个只建议文件夹结构的助手还是聊天机器人;一个能建文件夹、移动文件、提交信息的助手,已经接近一层操作系统。区别在于,后者不用人一直手动输入也能产出结果,但也可能在对话之外留下后果。
谷歌的支持文档说明了开启方式:用户需要启用computer use,并授予应用访问Mac应用的权限。文档同时列出了风险,涉及已登录的会话、多因素认证验证码、shell执行以及非预期动作。这些警告指向电脑操作系统的共同难题:助手之所以能精准穿行于环境,正是因为它拿到了敏感的上下文。
对企业和个人用户来说,吸引力不难理解。许多日常流程之所以费劲,不是因为需要专业判断,而是因为要反复复制、在应用间切换、到好几个地方核对信息。能处理这些转场的助手,可以减少行政事务占用的时间,企业也不必换掉现有软件。
更关键的问题是可靠性。聊天窗口里答错一句,人或许能容忍;文件放错位置、表单填错、在已登录账户里做错动作,是另一种性质的失败。助手不仅要听懂用户要什么,还要判断什么时候该停下来请求确认。
TechCrunch报道称,这次发布进入的是一个竞争日趋激烈的电脑操作市场。OpenAI、Anthropic和Meta已在桌面产品中提供智能体功能,苹果据报也在开发类似能力。谷歌还在通过Gemini Tasks扩展更大的智能体战略,该功能可以登录网站、完成购买、预约时间,另有名为“CC”的智能体在早期测试中,用于跨邮件、日历、聊天和任务管理信息。
这个方向说明,Mac控制并非孤立实验。谷歌似乎在朝着这样的助手推进:在工作已经发生的地方协调信息与动作。如果这类系统变得可靠,软件的主要界面可能从菜单和单个应用,转向一句自然语言请求。
过渡不会没有摩擦。AppleInsider的Andrew Orr在批评性评估中认为,所需的辅助功能与屏幕录制权限,加上对已登录账户的访问、提示注入或文件系统风险的暴露,使得无限制使用并不可取。ALFW则批评发布的文档,指出资格信息不清、Plus计划是否符合存在说法出入,以及没有公布成功率或基准测试结果,并建议在监督下试用,而不是把敏感工作托付给智能体。
谷歌的批准与中断机制给出了一个务实答案,也暴露出智能体软件的核心取舍:每一次确认都在保护用户,同时限制系统的自主性。检查太少,代价高昂的错误风险上升;检查太多,助手就像一个仍需紧盯的复杂宏命令。
所以Gemini登陆Mac检验的不只是谷歌能否操控桌面应用,更是用户是否愿意接受一个足以替自己行动、却还不足以被放手不管的AI系统。
热门跟贴