# 谷歌Gemini 2.5 Computer Use：AI直接操控浏览器，自动化任务引爆效率革命 - Link: https://paooo.com/aigc-news/13237/ - Published: 2026-06-18T20:42:22+08:00 - Author: 站外新闻 > **💡 站外导读：**在AI智能体（Agent）从理论走向现实的关键时刻，如何让AI像人类一样 > 与数字世界交互成为核心挑战。传统AI模型多局限于生成文本或分析数据，难以直接操作 > 软件界面。谷歌最新发布的Gemini 2.5 Computer Use模型，正是为解决这一痛点而生，它 > 标志着AI应用从“理解”到“行动”的范式跃迁，开启了人机协作的新篇章。 ## Gemini 2.5 Computer Use是什么 Gemini 2.5 Computer Use 是谷歌 DeepMind 推出的基于 Gemini 2.5 的计算机使用模型。 模型能让 AI 直接控制浏览器，执行点击、滚动和输入等操作。模型通过视觉理解和推理能力， 帮助用户完成各种任务，例如从网页中获取信息或整理笔记。模型在基准测试中表现优异， 速度也很快。开发者能通过[ Google AI Studio](https://ai-bot.cn/sites/61081.html) 和 Vertex AI 使用，用户能在 Browserbase 的托管的演示环境中试用。 阅读目录 * [Gemini 2.5 Computer Use是什么](https://paooo.com/aigc-news/13237/#gemini-25-computer-use%e6%98%af%e4%bb%80%e4%b9%88) * [Gemini 2.5 Computer Use的主要功能](https://paooo.com/aigc-news/13237/#gemini-25-computer-use%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [Gemini 2.5 Computer Use的技术原理](https://paooo.com/aigc-news/13237/#gemini-25-computer-use%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [Gemini 2.5 Computer Use的项目地址](https://paooo.com/aigc-news/13237/#gemini-25-computer-use%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [Gemini 2.5 Computer Use的应用场景](https://paooo.com/aigc-news/13237/#gemini-25-computer-use%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/13237/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight) ![Gemini 2.5 Computer Use](https://paooo.com/wp-content/uploads/2026/05/Gemini-2.5- Computer-Use-website-1.avif) ## Gemini 2.5 Computer Use的主要功能 * **浏览器操作**：直接在浏览器中执行点击、滚动、输入等基本操作，帮助用户完成网页 任务。 * **任务自动化**：模型能处理多步复杂任务，例如从一个网站获取信息并输入到另一个系统， 或安排后续预约。 * **视觉理解和推理**：通过视觉解析网页内容，识别页面元素，根据用户请求推理出下一步 操作。 * **安全机制**：在执行每个动作前，独立安全服务会评估风险，对于高风险操作会请求用户 确认，确保操作安全。 ## Gemini 2.5 Computer Use的技术原理 * **核心工具**：通过 Gemini API 中新增的 `computer_use` 工具实现，支持模型直接与 用户界面交互。 * **输入与输出**： - **输入**：用户请求、当前环境的截图、最近执行动作的历史记录。可以指定是否排除 某些 UI 动作或添加自定义函数。 - **输出**：模型生成响应，通常是代表 UI 动作的函数调用（如点击、输入或滚动）。 对于某些高风险操作，模型会请求用户确认。 * **循环流程**：模型在一个循环流程中运行，每次执行动作后，系统将最新截图和当前 URL 返回给模型，重新启动循环。循环会持续进行，直到任务完成、出现错误，或因安全 机制或用户决定而终止。 * **安全机制**：在推理阶段，独立安全服务评估每个模型拟执行的动作，确保操作的安全 性。开发者能设定在特定高风险操作前，[智能体](https://paooo.com/trends/)必须拒绝 或请求用户确认。例如，防止模型绕过验证码或控制医疗设备。 ## Gemini 2.5 Computer Use的项目地址 * **项目官网**：https://blog.google/technology/google-deepmind/gemini-computer- use-model/ * **技术论文**：https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini- 2-5-Computer-Use-Model-Card.pdf ## Gemini 2.5 Computer Use的应用场景 * **UI 测试**：帮助开发者快速测试用户界面，自动化执行各种交互操作，显著提高软件 开发效率。 * **个人助理**：为用户提供个性化的任务自动化服务，例如自动填写表单、安排预约或整理 信息。 * **工作流自动化**：简化重复性任务，如数据输入、信息收集和跨平台操作，提升工作效率。 * **客户服务**：自动处理客户请求，例如在客户支持系统中填写工单或查询信息，提高响应 速度。 * **教育与培训**：辅助在线学习平台，帮助学生完成练习或模拟操作，增强学习体验。 #### 📝 站长洞察 (Editor’s Insight) 谷歌此举绝非一次简单的模型升级，而是其在AI智能体（Agent）赛道上的战略性落子。Computer Use模式让AI突破了数字世界的“最后一厘米”障碍，从分析者变为执行者。这背后是谷歌对“ AI即操作系统”愿景的深化，意图将Gemini生态深度嵌入用户的日常工作流。短期内，它将极大 冲击RPA（机器人流程自动化）和测试自动化市场；长期看，可能重塑软件交互逻辑，催生新一代 的AI原生应用。谷歌通过构建工具链与安全框架，正试图定义下一代AI Agent的交互标准， 其生态卡位意义深远。 **🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词 咒语库 [🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/) [⚡ AIGC 早报生成器](https://paooo.com/mtool/)