Google Gemini 3.5 Flash內建跨平台Agent能力，面向企業自動化開放
Alina Collins
Google將「電腦操控」能力直接內置進主力模型Gemini 3.5 Flash，開發者毋須切換模型即可構建跨瀏覽器、流動端和桌面的自主Agent——這意味著企業自動化Agent從「能做」進入「好用」階段。
「電腦操控」到底是甚麼能力？
電腦操控（computer use，令AI如同人一樣看熒幕、點滑鼠、填表格——直接操作軟件介面，而非僅回答問題）此前只在一個獨立的專用模型中提供。
現在Google將這項能力整合進Gemini 3.5 Flash這個主力模型，開發者調用一個模型便能同時獲得對話、搜索、地圖等工具調用 + 熒幕操作的完整能力。
這意味著→ 開發門檻降了一級：毋須拼接兩個模型、毋須自行編寫「模型切換」邏輯，一條API搞定。
企業可以拿來做甚麼？
Google列舉的典型場景：持續軟件測試（Agent自動在瀏覽器中執行測試流程）和跨專業應用的知識工作（Agent在不同桌面軟件之間切換、提取資訊、填寫表單）。
簡單來說＝ 以往這類「重複點滑鼠」的工作靠RPA（機器人流程自動化，按固定腳本操作軟件介面的工具），現在AI Agent能看懂熒幕內容再決定下一步，比固定腳本靈活得多。
開發者和企業可透過Gemini API及Gemini Enterprise Agent Platform兩條路徑接入。
安全問題怎樣處理？
Google同步推出兩項可選的企業安全機制：其一是敏感操作確認——遇到不可逆操作時彈出提示讓人確認；其二是間接提示注入檢測（indirect prompt injection，指攻擊者在網頁或文件中暗藏惡意指令，誘導AI執行非預期操作）——一旦偵測到即自動終止任務。
這反映出 Google清楚企業最大的顧慮不是「能不能用」，而是「出了事誰負責」——先將安全護欄擺出來，再談規模化。
兩項機制均屬可選而非強制，企業可按自身風險偏好決定是否啟用。
這對行業格局意味著甚麼？
Gemini 3.5 Flash上月在Google I/O大會上發布，此次能力擴展是發布後的第一次重大功能升級。
這意味著→ Google正將Agent能力由「實驗室演示」推向「企業生產環境」，直接對標微軟Copilot和OpenAI的Agent路線。
關鍵看點：企業自動化場景能否規模化落地——這將是檢驗Google Agent平台競爭力的真正考題。
Content is for reference only, not financial advice.