用 AI Agent 接管你的重复性电脑操作

背景

老实说，我每天在电脑前最烦的事情，就是在几个不同的系统之间来回切换、复制粘贴数据。之前用 RPA（机器人流程自动化）工具，配置起来太折腾，稍微改个界面元素就报错。

最近我注意到 Google DeepMind 发布了 Gemini 3.5 Flash 的 computer use 功能，同时 OpenAI 也在探讨 Agent 如何改变工作方式。这意味着 AI 不再只是“给你一段代码”或者“帮你写个文档”，而是能直接看着屏幕帮你点鼠标、敲键盘。我试了一下，感觉这真的能省下大把时间。

技巧一：用 Computer Use 搞定跨系统数据搬运

• 适用场景 你需要从一个没有 API 的老旧内部系统（或者网页）里把数据扒下来，然后填到另一个 Excel 或 CRM 系统里。传统方式就是纯人工肉眼比对加复制粘贴，或者写复杂的爬虫。

• 怎么做 利用 Gemini 3.5 Flash 的 computer use 能力。你不需要写死板的 XPath 定位，直接给 AI 下达自然语言指令。 你可以这样写 Prompt：“打开浏览器访问 [内部系统URL]，登录并进入‘本月订单’页面。把表格里的‘订单号’和‘金额’这两列数据复制下来，然后打开桌面上的‘汇总.xlsx’，粘贴到 A 列和 B 列，最后保存。” AI 会像真人一样看着屏幕，识别出按钮和输入框，自己完成点击和输入。

• 注意事项 屏幕分辨率和弹窗可能会干扰 AI 的视觉识别。建议在执行时，把屏幕缩放比例调到 100%，并关闭不必要的系统通知。

技巧二：把复杂任务拆解为 Agent 工作流

• 适用场景 处理非结构化的长文本任务，比如每天阅读几十封客户投诉邮件，提取关键问题，分类后生成周报，并把严重问题转发给技术团队。

• 怎么做 不要指望一个 Prompt 搞定所有事。参考 OpenAI 关于 Agent 改变工作的思路，把任务拆成几个串联的 Agent。 Agent 1（信息提取）：专门读邮件，输出 JSON 格式的问题摘要。 Agent 2（分类与路由）：接收 JSON，判断严重程度。如果是“严重”，调用邮件发送工具；如果是“普通”，写入数据库。 Agent 3（总结）：每天定时拉取数据库记录，生成周报。 这种 workflow 比单次对话稳定得多，因为每个 Agent 只专注一件小事。

• 注意事项 在 Agent 之间传递数据时，尽量强制要求输出严格的 JSON 格式，避免大模型偶尔“自由发挥”导致下游节点解析失败。

技巧三：给自动运行的 Agent 加上安全护栏

• 适用场景 当你让 AI 直接操作电脑或调用内部 API 时，最怕它“幻觉”发作，误删了生产环境的数据，或者把敏感信息发给了外部。

• 怎么做 参考 Google DeepMind 提出的 AI Agent 安全路线图，不能只靠大模型自身的对齐，必须结合传统 safeguards 和 real-time monitoring。 具体操作上，给 Agent 配置一个“沙盒环境”或者“审批拦截器”。比如，当 Agent 准备执行“删除”或“发送外部邮件”的动作时，触发一个 webhook，把操作详情发到你的 Slack 或钉钉上，等你点击“Approve”后才真正执行。同时，记录 Agent 的每一步操作日志，方便事后审计。

• 注意事项 不要给 Agent 赋予过高的系统权限。遵循最小权限原则，它只需要哪个文件夹的读写权限，就只给哪个，千万别直接给 root 或管理员账号。

小结

AI 从“对话框”走向“操作系统”，是一个挺明显的趋势。无论是 Gemini 3.5 Flash 的 computer use，还是各种 Agent 架构，核心都是让 AI 真正干脏活累活。如果你和我一样受够了机械的重复劳动，建议先从最简单的数据搬运开始试水。