Gemini桌面端終于來了！實測喚起功能是亮點，但整體太糙

北京時間 4 月 16 日凌晨，Google 終于把一件「早就該做的事」補上了：正式上線 Gemini 的桌面應用（目前僅 macOS）。

這不是一個突然的發布。過去幾個月里，關于 Gemini 將推出桌面客戶端的消息已經在外媒間反復流傳，彭博社就多次爆料 Google 正在推進 Gemini macOS 桌面端的相關開發，只是節奏一再拖延。相比之下，OpenAI 和 Anthropic 推出 ChatGPT 和 Claude 的桌面應用：

都在 2024 年。

不開玩笑，Google 在這一方面確實太「落后」了，在國內外主流大模型廠商中，也就 DeepSeek、Grok 還沒有桌面應用。所以，當 Gemini 終于出現在 macOS 上，這件事本身并不讓人意外，反倒更像一次遲到的補課。

圖片來源：雷科技

過去很長一段時間里，Gemini 在桌面端的使用方式始終停留在瀏覽器里：打開網頁、進入對話、完成任務，再切回原本的工作流。這個路徑沒有問題，但在「隨時可用」的競爭里，它顯得太重了。尤其是在 AI 開始頻繁介入寫作、整理信息、處理復雜任務之后，調用路徑本身就變成了體驗的關鍵一環。

Gemini 桌面端首先要解決的，正是這個問題。

一個快捷鍵、一層懸浮窗口，把 AI 嵌進正在進行的工作流里。這套思路并不新鮮，但已經被證明有效。也正因為如此，Gemini 這次的上線，更值得關注的其實不是「有沒有」，而是「做成什么樣」。

換句話說，問題不在于 Google 終于把 Gemini 帶到了 macOS，而在于已經有成熟對手的前提下，它準備拿出一套怎樣的體驗。

Gemini 桌面端初上手，處處透著「粗糙」

Gemini 可以說是我最常用的 AI 之一，但網頁端始終存在使用上不夠便捷等缺點，所以對于 Gemini 桌面端可以說我早就垂涎已久。但實話實說，至少目前上線的這一版，相當粗糙。

第一眼只能說無功無過，沿用了 ChatGPT 定義的對話框主界面，但默認并不打開側邊的對話列表。

默認不打開是對的。因為一打開我就覺得「丑」，對比網頁端，這種感覺只會更加突出。究其原因，桌面端采用了明顯更大、更粗的字號，但字與字、行與行的間距又太小，就顯得視覺上相當擁擠、不協調。

桌面端，圖片來源：雷科技

網頁端，圖片來源：雷科技

也不知道是 Google 沒了設計師，還是這版就是用 Gemini 模型 Vibe Coding 出來的。

當然，這些并不影響功能使用。

真正上手之后，會發現 Gemini 桌面端帶來最直觀的一個體驗變化就是「喚起」。在網頁版里，使用 Gemini 的前提是打開瀏覽器，進入頁面，再開始對話。這個過程本身并不復雜，但每一步都意味著一次體驗上的中斷：你需要離開當前正在處理的任務，切換到另一個環境，再切回來。

桌面端把這一步壓縮成了一個動作——快捷鍵喚出，在 macOS 上為了避開蘋果自己的 Spotlight（聚焦搜索）和便利性，默認通常都是 Option + 空格鍵（也有雙擊 Option）。

圖片來源：雷科技

一個懸浮窗口疊在當前界面之上，不需要切換應用，也不需要進入完整頁面。這種差異看起來很小，但在頻繁調用的場景里，會被不斷放大。寫東西、查資料、改內容，這類操作往往是碎片化的，路徑越短，越容易被真正用起來。

不過這個交互設計早就成了「標準」。至少以我的使用經歷來說，幾乎所有 AI 助手/瀏覽器的桌面端都標配了這個功能。硬要說的是，主要區別都是「位置」，比如 ChatGPT 的桌面端提供了「中下」「左下」「右下」以及「記住上次位置」，Gemini 則是強制使用上次位置。

另一個明顯的變化則是「分享窗口」。

簡單來說，在系統相應權限的授權之后，可以把某個應用窗口交給 Gemini 作為上下文來源。和網頁版相比，「分享窗口」也是一個完全新增的能力，因為瀏覽器里的 Gemini 很難直接接觸到系統內其他 App 的內容。

圖片來源：雷科技

不過從實際體驗來看，這個功能的實現方式并不復雜，本質仍然是基于對截圖的圖像理解，你甚至可以理解為一次「持續截圖」。開啟之后，Gemini 會在每次發出提示詞時截圖相應 App 當前窗口的畫面，用來作為對話上下文。它的價值在于減少操作成本。

ChatGPT 桌面端的類似功能叫「屏幕截圖」，但每次都需要手動觸發截圖，再發起一次新的請求。而 Gemini 則是一次開啟之后，可以在對話過程中持續使用。這在處理文檔、表格或者網頁內容時，會更順手一些。

ChatGPT 的屏幕截圖，圖片來源：雷科技

但它能看到的，仍然只是「畫面」。對于應用內部的結構、狀態，或者更細粒度的信息，當前版本并沒有表現出更深入的理解能力。這一點在復雜任務中會逐漸顯現，比如需要精確定位、跨區域引用內容時，仍然會回到手動補充信息的方式。

其他核心功能，Gemini 桌面端目前已經對齊了網頁端，包括支持制作圖片、音樂、視頻，還有 Canvas、Deep Research、學習輔導模式等。

問題比較大的是很多管理、設置還是要跳轉網頁版進行調整，比如記憶管理，目前在客戶端中只是一個入口，點擊之后會直接跳轉到瀏覽器中才能繼續查看和管理。

甚至，Gemini 桌面端的對話界面里還保留了「在瀏覽器打開」這樣的選項。

Gemini 桌面端，圖片來源：雷科技

從這個設計來看，Gemini 桌面端的產品團隊應該也明白目前版本還很粗糙，在比較簡單的使用需求和場景下或許夠用，但一旦涉及更完整的管理和配置，仍然需要回到網頁版。

整體看下來，這個剛上線的 Gemini 桌面端，確實解決了之前 Gemini 無法全局快速調用、需要反復手動截圖的問題，但它遠遠還稱不上好用。尤其是對比已經迭代了很久的其他競品。

從產品角度，Gemini 離 ChatGPT、Claude 還差得遠

把 Gemini 和 ChatGPT、Claude 的桌面端（僅考慮 macOS 版）放在一起用，很難再用「感覺」去評價，差距基本都體現在具體功能上，而且是那種一上手就能察覺的差別。

先講講 ChatGPT 的桌面端，它已經不只是一個對話窗口，同時也在嘗試打造一個以 ChatGPT 為核心的應用生態。在實際使用中，可以直接調用 macOS 本地應用，也可以接入一批已經打通的第三方工具，比如 Adobe Photoshop、Canva、Figma、Apple Music、OpenTable 等。

ChatGPT 支持的第三方應用，圖片來源：雷科技

這類能力，更是重要的是給使用方式本身帶來了變化。直接在當前流程里，把相關內容交給 ChatGPT，由它完成分析、生成，甚至一部分操作。這個過程中，AI 相當于直接嵌進了日常的生活和工作流程中，比如直接基于 Figma 讓 AI 快速修改原型設計等。

另一方面，雖然在很多核心功能上和 ChatGPT 也差不多，但 Claude 從大模型層面并不像 GPT、Gemini 一樣重視多模態，而是更重視 Agent 代理功能。這一點也體現在桌面端應用上。

事實上，Claude 最早在 2024 年 10 月就嘗試推出了基于 Claude 桌面端的 Computer Use 代理功能，讓 AI 能夠直接代理操作。不過后續也發現從模型、智能體框架到生態都沒準備好，于是從代碼出發打造了 Claude Code，又延伸出了 Claude Cowork，直接讓 AI 通過 CLI 命令行、GUI 圖形界面直接代理操作計算機。

圖片來源：X

此外，Claude 還能再基于「連接器」接入 Slack、設計工具、文檔平臺等，把不同工具里的信息拉到一起處理。

而這些都是 Gemini 缺失的。不過也要說明，有些問題是桌面端的，有些則不是。尤其是在生態方面，Google 似乎受制于自身強大但有限的生態，并沒有像 OpenAI 和 Anthropic 一樣積極介入其他第三方軟件和平臺，導致對很多人來說，并不能無縫介入實際的工作流程中。

所以可以說，這一版 Gemini 的桌面端更像是一個起點，它才剛剛解決了把 Gemini 帶到桌面上的問題，但還沒有回答一個更關鍵的問題：

當 AI 已經可以參與工作流時，這個桌面端準備讓用戶在這里完成多少事情？