快速了解本文
Google Computer Use 功能于 2026 年 10 月 30 日正式进入全面可用阶段。
模型仅负责提议 UI 操作，客户端需承担执行、坐标映射及安全隔离重任。
官方建议使用沙盒化虚拟机或容器隔离执行环境以保障主机安全。
本摘要由 AI 辅助整理，请以正文内容为准。
2026 年 10 月 30 日，Google 在 Interactions 和 GenerateContent API 中将 Computer Use 功能推向全面可用（GA）。这标志着该功能正式进入生产环境，但同时也明确了其实际工作原理：模型并不直接操作电脑，而是负责“提议”，客户端仍需承担“执行”与“安全隔离”的核心重任。
Computer Use 允许模型接收屏幕图像，并据此提议浏览器、移动端和桌面端的 UI 操作，如点击、滚动和按键。然而，模型输出的是函数调用建议，而非直接执行的指令。
这意味着开发者不能依赖模型直接完成操作。客户端应用必须负责解析模型的函数调用，在目标环境中执行操作，并捕获返回的新屏幕状态以形成闭环。在具体工程细节上，模型返回的坐标是归一化的，客户端代码需要将其映射到实际视口分辨率后才能执行点击。这种架构分工表明，开发者在接入时仍需投入大量工程资源处理坐标映射与环境执行，而非直接获得一个开箱即用的全自动操作代理。
在安全与意图解析方面，针对 Gemini 4 和 Gemini 3.x 模型，响应中可包含 intent 字段以解释动作意图，并提供允许、需确认或阻止的安全决策，为客户端实现安全拦截和人工确认机制提供了数据支持。
提示注入检测功能目前为可选配置，默认关闭。开启后，该功能会扫描截图以识别隐藏的对抗性指令。这表明在当前的 Computer Use 架构中，安全防线依然主要由应用层的工程实现来兜底。此外，为保障主机安全，Google 官方明确建议使用沙盒化的虚拟机或容器来隔离执行环境，以防范在宿主机上直接运行自动化操作的风险。