Gemini 现在能看视频学操作，然后自己上手点按、打字、滚动页面

Google DeepMind 为 Gemini 推出 agentic 视频理解功能

Google DeepMind 给 Gemini 加了一个新能力：给它看一段操作界面的录屏，它就能看懂步骤，然后自己去完成同样的点击、输入和滚动。不是只描述画面，而是真的执行多步任务，比如填网页表单或在手机 App 里下单。这个功能已经在 Gemini 应用和 Google AI Studio 开放测试。不过正文没提延迟和成功率——UI 自动化智能体在...

推荐理由：Google DeepMind 给 Gemini 加了个挺直接的能力：给它看操作录屏，它就能学会步骤，自己去完成填表、下单这类多步 UI 任务。已经在 Gemini 应用和 AI Studio 开放测试，这点让实验门槛很低。但正文没提延迟和成功率——对 UI 自动化智能体来说，这两个数直接决定能不能用，我会先打个折，等实测数据出来再说。