1. 最新发布改变了哪一层
Google 的发布记录显示：10 月 30 日 Computer Use 在 Interactions 与 GenerateContent API 正式可用，10 月 27 日推出 gemini-api CLI beta，10 月 26 日调整新建付费项目的请求存储默认值。三项分别涉及动作接口、调用入口和数据状态，不能把它们合并成一次“全自动 Agent 升级”。这些是 Gemini API 的更新，不能据此推断 Gemini 应用或 Vertex AI 同步改变。官方发布记录。
我们的判断是：选型应先回答任务在哪运行、谁执行副作用、失败后从哪里恢复，再比较模型能力。把这些问题留给提示词，容易得到一条看似顺畅、却无法解释中途失败的流程。
2. 模型提出动作，应用验证结果
Computer Use 的基本循环是发送屏幕状态、接收动作调用、由客户端执行、回传新屏幕。当 safety_decision 要求确认时，应先取得用户确认，再回传对应确认信息。官方执行循环与确认说明。
工程上建议为每一步保留任务 ID、动作 ID、执行前后状态与验收条件。例如“保存草稿”要检查草稿记录或页面状态，不能仅凭点击函数返回成功就宣告完成。动作附带的解释可帮助排错，但不能替代结果证据。涉及连续页面跳转时，每步都应检查当前页面是否仍是预期目标。
还应区分“模型没有给出动作”“执行器拒绝动作”“动作失败”和“结果不符合目标”。四类失败分别对应规划、策略、环境和业务验收。把它们压成同一个失败计数，会让团队误把页面权限问题归因于模型，也难以知道下一次迭代该修改哪一层。
3. CLI 适合编排，状态要显式衔接
gemini-api 是无状态 API 客户端，与交互式 @google/gemini-cli 不同。官方提供 schema 查询、离线 dry-run 和显式 interaction ID，并提醒自动化环境固定 beta 版本。CLI 文档。
因此可以把它当作流水线中的独立步骤：输入文件、输出文件路径和任务 ID 都进入运行记录。调度器重启后，从持久化状态恢复，避免靠终端文本猜测任务进度。离线预览能够发现请求形状问题，却没有证明线上鉴权、额度或模型执行成功；验收时应把这几层分别记录。
4. 本地无状态与云端留存分别配置
付费层中，10 月 26 日起新建项目的 Generate Content 请求默认存储，旧项目保留原设置；请求级 store 优先于项目设置。Interactions 的存储还影响服务端历史衔接。日志与数据集说明。
建议在配置清单里分开列出本地任务记录、远端请求日志、上传文件与业务审计数据。若选择不存储请求，也要明确应用如何提供下一步必要的上下文。测试环境最好使用合成数据，同时检查 SDK 是否接受预期字段、实际请求是否携带配置。不要从 CLI 的“无状态”名称推断整个链路没有留存。
同一套任务可能在开发项目正常恢复，却在新生产项目呈现不同的历史记录行为。上线检查需要记录项目创建时间、配置来源和请求覆盖值，确保排查时能还原有效设置。只在配置文件中写下一个预期值，并不足以证明所有调用入口都执行了相同策略。
5. Mistral 开放权重增加的是部署选择
Mistral 于 10 月 29 日发布 Large 4 改进版权重，支持自行部署；其修改版 MIT 许可对提供 Model-as-a-Service 的企业另有商业许可要求。开放权重公告。模型卡列出 1.05T 总参数、52B 激活参数及 1M 上下文，并仍标注 Public Preview。模型卡。
这与 Computer Use 解决的问题不同：部署位置的控制权并不会自动补齐浏览器适配器、权限和验收。评估自托管时，要实际测量权重占用、上下文缓存、并发和运维成本；不能只根据激活参数推算可用硬件。本篇不采用厂商排行榜来替代自己的业务测试。
6. 按控制面选择接入路线
| 需求 | 候选路线 | 必须验证 |
|---|---|---|
| 跨网页操作 | Computer Use 与客户端执行器 | 页面定位、确认、动作后状态 |
| 脚本或 CI 委派 | 固定版本的 gemini-api | 退出码、输出文件、后台任务恢复 |
| 长期服务集成 | SDK 与应用状态层 | 超时、存储策略、可观测性 |
| 自行控制推理部署 | 开放权重与自建推理服务 | 许可、容量、升级回滚和总成本 |
表格是本文的决策框架，不是厂商承诺。已有稳定 API 的业务动作可以直接封装成工具；只有必须经过界面的环节才需要屏幕执行。这样可以让错误范围和验证成本更容易解释。
7. 用相同任务做上线验收
先选一组能独立判定成败的任务，固定输入、模型版本和预算，保留现有方案作对照。安排页面改版、网络中断、拒绝确认、后台任务恢复等失败场景；尤其检查“动作已发生但回包丢失”的情况，重试前先核对实际状态。
验收报告应同时列出分母、未完成任务和被排除的样本，并保留失败原因。成本核算要包括恢复、重试和人工接管；若只统计成功的一次模型调用，容易掩盖整体工作流的代价。团队可以先设定自己能接受的错误和耗时边界，再决定是否扩大使用。
记录完整完成率、错误副作用、人工接管次数、耗时分布和每个已验收任务的总成本。单次演示和平均 token 价格不足以决定迁移。通过受控验收后再扩大流量，并为未完成任务保留恢复入口。本文提供的是实施方法，尚未执行上述对照，也不声称这些更新已经改善任何生产指标。