AI 可以直接操作我的電腦？Gemini 3.5 Flash「電腦使用」功能正式發布

想像一下：早晨起床後，您對 AI 說：「請幫我整理今天會議所需的資料到相關資料夾中，並將重點撰寫成電子郵件草稿。」若是以前的 AI，頂多只能幫您整理內容，但現在，AI 時代已經來臨——它將能親自移動滑鼠、開啟視窗、搬移檔案，並在郵件視窗中輸入文字。Google 近期發表的 Gemini 3.5 Flash「電腦使用」(Computer Use) 功能，正是這場變革的主角。

為何這項功能至關重要？

過去我們所使用的人工智慧 (AI)，主要停留在「生成文字」或「生成圖像」的階段，我們必須將 AI 生成的內容複製貼上到其他程式中。然而，「電腦使用」功能的引進將徹底改變現狀。當 AI 能夠親自操作電腦這個「工具」時，意味著那些重複且繁瑣的工作，未來都能全權交給 AI 處理。

比喻來說，如果過去的 AI 是精通食譜的「美食評論家」，那麼現在的 AI 就是能直接走進廚房、手握菜刀並掌火的「主廚」。對於企業而言，這能大幅提升工作效率；對個人來說，則等同於擁有了一位能管理複雜數位環境的能幹秘書。根據 Source 1，開發者與企業現在已能透過 Gemini 3.5 Flash 建構並運作這些 AI 代理程式。

簡單理解：當 AI 握住滑鼠

所謂「電腦使用」功能，簡單來說，就是讓 AI 像人類一樣用「眼睛」看電腦螢幕，並用「手」使用滑鼠與鍵盤來執行指令。為了達成此目標，AI 學習了控制瀏覽器、操作行動裝置與桌面應用程式的流程。

那些龐大的數位拼圖，人類不再需要手動點擊滑鼠逐一拼湊，AI 將能瞬間完成。根據 Source 2 與 Source 4，這項技術能協助 AI 代理程式跨越瀏覽器與各類軟體，代替使用者自動化執行複雜任務。

現況：給開發者的創新

目前，Gemini 3.5 Flash 這項創新功能是透過面向開發者的 API，以及企業級平台「Gemini Enterprise Agent Platform」所提供。根據 Source 1 與 Source 3，Google 也同步準備了企業級的安全防護措施 (Enterprise safeguards)，確保企業能安心使用。

不過，這並不代表一般使用者現在就能在個人電腦設定中直接開啟「AI 模式」。現階段主要是由企業或服務開發者將這些「聰明的員工」配置到應用程式或工作環境中。

未來展望

我們很快就會看到 AI 不再僅限於聊天視窗中，而是活躍在電腦作業系統 (OS) 的每一個角落。「幫我找出網購平台上價格最低的商品並結帳」、「結合我常用的這三個 App 來製作月度報告草稿」——這類需求，未來 AI 都將能自動切換於各瀏覽器與應用程式間來解決。Source 2 預測，此次更新將使打造跨平台代理程式成為可能。

MindTickleBytes AI 記者觀點

AI 不僅跨越了寫作與編碼的門檻，現在更親手掌握了「電腦」這個工具。這暗示了人類的數位工作方式將被徹底重新定義。如果我們花在點擊滑鼠上的時間能由 AI 代勞，人類或許就能擁有更多時間，去專注於更具創造力與本質性的思考。

參考資料

1. Introducing computer use in Gemini 3.5 Flash

2. [Google’s Gemini 3.5 Flash can now build agents to operate across platforms

   Seeking Alpha](https://seekingalpha.com/news/4606864-googles-gemini-3_5-flash-can-now-build-agents-to-operate-across-platforms)

3. [Gemini 3.5 Flash

   Gemini Enterprise Agent Platform

   Google Cloud Documentation](https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/gemini/3-5-flash)

4. [ComputerUse

   GeminiAPI

   Google AI for Developers](https://ai.google.dev/gemini-api/docs/computer-use)