让 AI 替你操作电脑与跑通长链路工作流

背景

如果你还在靠手动复制粘贴、反复切换窗口来跑数据或者填表，现在可以直接停手了。OpenAI 刚把 GPT-5/6 推上 Microsoft 365 Copilot 的默认位置，Google DeepMind 也在 Gemini 3.5 Flash 里塞进了原生的“电脑控制”能力。这意味着 AI 不再只是陪你聊天或写段代码，而是能直接替你点鼠标、翻网页、跑完一套完整的业务流。我注意到很多团队上周还在纠结提示词怎么写才能不出错，这周其实已经可以转向“让模型自己调度工具”的阶段了。

技巧一：用 Gemini 3.5 Flash 的“电脑控制”接管桌面重复操作

• 适用场景 财务对账、跨系统录入、批量下载整理文件这类需要频繁点击同一套固定界面的活。
• 怎么做 传统做法是录宏或者写 Selenium 脚本，调试起来特别耗人。现在你只需要在支持该能力的客户端里打开目标页面，直接给 Gemini 3.5 Flash 发指令。比如输入：“打开当前浏览器里的 CRM 页面，找到客户 A 的工单，把备注栏改成‘已跟进’，并截图保存到桌面。”模型会识别 UI 元素并完成点击和输入。我用过类似的逻辑跑了一遍内部审批流转，原本要切三个系统、手动核对两次的操作，现在基本一键出结果。
• 注意事项 电脑控制依赖界面布局的稳定性，如果目标软件的弹窗或按钮经常改版，模型可能会点错位置。建议先在小范围非核心业务里跑通，遇到卡壳时及时打断重新指引坐标。详细的能力边界可以参考官方说明 Introducing computer use in Gemini 3.5 Flash。

技巧二：在 Copilot 里把 GPT-5/6 设为默认，跑通长链路任务

• 适用场景 需要跨文档总结、多轮数据清洗、或者生成带格式报告的中后台运营/产品工作。
• 怎么做 以前用旧版模型处理长任务，往往写到一半就丢上下文，或者输出质量忽高忽低。微软最近明确将 GPT-5/6 作为 M365 Copilot 的首选模型，你可以直接在设置里切换。实际操作时，别只扔一句“帮我做个周报”。试试把工作拆解成步骤喂给它：“读取附件里的销售数据，提取 Q2 环比增长超过 10% 的区域，对比竞品官网公开报价，最后输出一份带图表占位符的 PPT 大纲。”这种结构化 Prompt 配合 GPT-5/6 的长上下文优势，能直接把碎片需求压成可执行清单。更多集成细节见 GPT-5/6 preferred model Microsoft 365 Copilot。
• 注意事项 长任务虽然强，但涉及敏感商业数据时，最好先在本地脱敏后再上传。另外，模型偶尔会过度发挥，生成不符合公司模板的内容，记得保留人工复核环节。关于 ChatGPT 处理复杂工作的定位，官方也提到 ChatGPT for your most ambitious work，核心还是“人机协同”而非完全甩锅。

技巧三：用轻量模型（Nano Banana 2 Lite / Gemini Omni Flash）搭自动化脚本

• 适用场景 开发者或独立创作者需要快速验证想法、跑高频 API 调用，或者做低成本的内嵌 AI 功能。
• 怎么做 跑大模型推理成本一直是个坎，尤其是需要并发处理的场景。DeepMind 最近开放了 Nano Banana 2 Lite 和 Gemini Omni Flash 的构建入口，主打的就是响应快、成本低。我在自己的一个小工具里试过，把原本依赖重型模型的分类逻辑切到 Lite 版本后，单次调用延迟掉了将近一半，月账单也明显收敛。具体写法上，你可以直接用官方提供的 SDK 接入，Prompt 保持精简，重点放在 Few-shot 示例上，而不是堆砌背景描述。起步指南在这里 Start building with Nano Banana 2 Lite and Gemini Omni Flash。
• 注意事项 轻量模型在极端复杂的逻辑推理上可能不如旗舰版稳定，适合做预处理、标签分类或规则过滤。如果你的业务对准确率要求极高，建议采用“Lite 初筛 + 旗舰精修”的双层架构。

来源与延伸阅读

• Deutsche Telekom 合作案例：看看电信巨头是怎么把 AI 嵌入客服与运维流程的，实操参考价值很高。
• Bio Bug Bounty 计划：如果你对 AI 安全或生物计算感兴趣，这个漏洞赏金计划的机制设计值得研究。
• ：点开看一段实际录屏，你会直观感受到它怎么自动识别按钮和滚动页面的，比干读文档效率高得多。

接下来值得关注

这些新能力落地很快，但生态适配还需要时间。我建议你接下来重点盯两件事：一是各家厂商对“电脑控制”权限的安全沙箱机制会不会收紧，这直接关系到企业敢不敢大规模放开；二是轻量模型在垂直领域（比如医疗、法律）的幻觉率有没有实质下降。目前看，混合调度（重模型管规划，轻模型管执行）可能是未来半年的主流玩法。

小结

工具迭代的速度确实比预期快。与其天天琢磨怎么写更完美的提示词，不如先把工作流拆清楚，让 AI 去啃那些机械性的部分。GPT-5/6 和 Gemini 3.5 Flash 的出现，其实就是把“对话式 AI”推向了“执行式 AI”。你手头有哪些每天必做但毫无技术含量的重复动作？挑一个最烦的，今晚就用上面的方法试一遍，跑不通再回来调整。效率这东西，往往是逼出来的。