Google Gemini 3.5 Flash内置跨平台Agent能力，面向企业自动化开放
Alina Collins
Google将「计算机操控」能力直接内置进主力模型Gemini 3.5 Flash，开发者无需切换模型即可构建跨浏览器、移动端和桌面的自主Agent——这意味着企业自动化Agent从「能做」进入「好用」阶段。
「计算机操控」到底是什么能力？
计算机操控(computer use，让AI像人一样看屏幕、点鼠标、填表单——直接操作软件界面，而不只是回答问题)此前只在一个独立的专用模型里提供。
现在Google把这项能力塞进了Gemini 3.5 Flash这个主力模型，开发者调用一个模型就能同时获得对话、搜索、地图等工具调用 + 屏幕操作的完整能力。
这意味着→ 开发门槛降了一级：不用拼接两个模型、不用自己写「模型切换」逻辑，一条API搞定。
企业能拿它做什么？
Google给出的典型场景：持续软件测试（Agent自动在浏览器里跑测试流程）和跨专业应用的知识工作（Agent在不同桌面软件间切换、提取信息、填写表单）。
用大白话说＝ 以前这类「重复点鼠标」的工作靠RPA(机器人流程自动化，按固定脚本操作软件界面的工具)，现在AI Agent能看懂屏幕内容再决定下一步，比固定脚本灵活得多。
开发者和企业通过Gemini API及Gemini Enterprise Agent Platform两条路径接入。
安全问题怎么管？
Google同步上线两项可选的企业安全机制：一是敏感操作确认——遇到不可逆操作时弹窗让人确认；二是间接提示注入检测（indirect prompt injection，指攻击者在网页或文档里藏恶意指令，诱导AI执行非预期操作）——一旦检测到就自动终止任务。
这反映出 Google清楚企业最大的顾虑不是「能不能用」，而是「出了事谁负责」——先把安全护栏摆出来，再谈规模化。
两项机制都是可选而非强制，企业可根据自身风险偏好决定开启。
这对行业格局意味着什么？
Gemini 3.5 Flash上月在Google I/O大会发布，此次能力扩展是发布后的第一次重大功能升级。
这意味着→ Google正在把Agent能力从「实验室演示」推向「企业生产环境」，直接对标微软Copilot和OpenAI的Agent路线。
关键看点：企业自动化场景能否规模化落地——这将是检验Google Agent平台竞争力的真正考题。
Content is for reference only, not financial advice.