Gemini桌面版被发现测试"计算机操作"功能，可直接操控屏幕

设置界面中留下的痕迹

Gemini桌面版应用设置的某处，留下了一个尚未开启的功能的痕迹。TestingCatalog于8月18日发现的是一个名为"计算机操作（Computer Use）"的项目。顾名思义，这是让AI代替用户操作电脑屏幕的功能，可以控制其他应用、访问指定文件夹中的文件来执行任务。目前尚未有正式发布公告，据了解该功能正处于面向可信测试者群体的试验阶段。

为何"计算机操作"成为新战场

能够直接操作屏幕的AI代理，此前已由Anthropic的Claude和OpenAI的ChatGPT率先推出。其运作方式是：AI代替人手抓取鼠标、找到需要点击的位置并点击，打开文件并填入内容。谷歌如今才开始测试这一功能，这意味着在从"只会回答问题的聊天机器人"迈向"真正代替用户完成工作的代理"这场竞争中，Gemini又向前追赶了一步。

Gemini桌面版应用此前已经通过Gemini自动规划旅行行程的功能展示了名为Gemini Spark的界面。当时Gemini Spark能够调取Gmail中的预订信息和地图数据，在Google文档中生成行程表，甚至通过Chrome代为填写机票预订表单。此次被发现的"计算机操作"功能，预计将在这一Gemini Spark界面基础上进一步扩展。

预计如何运作

根据TestingCatalog的说法，"计算机操作"功能不会以导航栏中的开关形式出现，而是会作为"Task"选项加入图像、视频生成工具所在的提示栏选择器中。打开该选项后，用户可以通过活动屏幕的迷你视图，实时查看Gemini具体执行了哪些操作。此外还准备了实用的控制装置，防止电脑在任务执行期间进入休眠状态。

其中最引人注目的是名为"Advanced Backup"的安全机制。该选项会在Gemini动手操作所选文件夹之前，自动将该文件夹备份至Google Drive，为不使用Git等版本管理工具的普通用户提供了可撤销的余地。

双刃剑

这项备份功能本身的存在，也是一个颇具讽刺意味的信号。预先准备好撤销方案，等于谷歌自己也承认Gemini在执行任务过程中可能会造成不必要的文件改动。现实层面的问题也随之而来：如果所选文件夹容量达到数百GB，仅上传至Google Drive就需要相当长的时间和存储空间，任务尚未开始便可能出现瓶颈。

项目	Claude、ChatGPT现有方式	Gemini测试版
启用位置	独立开关/模式	提示栏"Task"选项
进度查看	截图、日志	活动屏幕迷你视图
撤销保障	依赖版本管理工具	Google Drive自动备份

编辑视角

谷歌为何将"计算机操作"功能握在手中、最晚才拿出来，原因不难猜测。这项功能做得好会很方便，但一旦出错，很容易直接演变成破坏用户文件的事故。在观察了Anthropic和OpenAI先行推出该功能后所经历的种种问题——点错窗口、误删非目标文件等事故——之后，谷歌选择先备好备份选项再推出，这个先后顺序本身就说明谷歌是把这项功能当作安全问题来对待的。

以这种规模的代理功能实际使用后，结论往往大同小异：最初几天会赞叹不已，但一旦把整个文件夹的操作权限交出去，出现意料之外的文件改动的那一刻起，信任感就会急剧下降。备份选项只是缓解那一瞬间冲击的最基本的安全带，并非彻底的解决方案。尤其是对于想要把数百GB项目文件夹整体托管的团队而言，现阶段更稳妥的做法是，仅将"计算机操作"功能限定用于整理文档、重复填表等低风险任务。至于包含重要代码库或客户数据的文件夹，最好等到正式发布、权限细分功能上线之后再考虑使用。

未来几周内，该功能很可能会突破可信测试者的范围，向更广泛的用户群体开放。不过，谷歌如何完善权限范围、恢复流程以及大容量文件夹的处理方式，将决定这项功能给用户留下的第一印象。