Gemini助力农场管理：密歇根奶农的AI实践

在利润率极低的奶牛养殖业，快速分析海量数据至关重要。密歇根州奶农Paul Windemuller借助Google Gemini 3.6 Flash构建了本地多智能体AI系统，成功将分散的农场数据整合为每日经营决策依据。

2014年，Paul与Brittany在密歇根州创立Dream Winds Dairy，最初只有30头租赁奶牛。12年后，该农场已发展为高度自动化的设施，饲养260头荷斯坦奶牛。作为2024年Nuffield国际农业学者，Paul将乳制品农业视为技术挑战。

他的农场持续生成数据流：项圈传感器追踪每头奶牛，气象站记录气候指标，线上门户记录牛奶质量与发货信息。然而这些系统孤立运行，Paul每天早晨需花费数小时下载文件、合并电子表格、计算绩效，无法专注于奶牛护理。

将办公室工作委托给AI智能体

为节省时间，Paul基于Google Antigravity平台，利用Gemini 3.6 Flash构建了本地多智能体系统，以整合孤立的农场数据并计算每日盈利能力。该系统采用基于目录的文件接口，而非API或网页抓取。当CSV数据导出、收据照片、PDF和发票等文件保存到监控文件夹时，Gemini的多模态能力自动提取并合并视觉与数值指标，数据完全控制在Paul手中。

多智能体工作流替代了冗长提示，由专用协调角色组成：

• 编排器：管理整体日常流程。
• 摄取智能体：标准化原始文件（挤奶机器人输出、饲料记录）。
• 分析智能体：评估生物与天气影响。
• 报告智能体：生成清晰的自然语言摘要。

系统自动将原始文件转化为连贯的业务概览。

为小企业创造公平竞争环境

Paul的最终目标是让独立农场主能像他一样利用技术简化运营。对许多人而言，构建工具是障碍，而运营规模的成本挑战也需要解决。需要持续推理、解析和工具执行的日常智能体工作流，对小企业来说过去过于昂贵。Gemini 3.6 Flash帮助降低了Paul日常运营的成本。

Gemini 3.6 Flash专为高级推理、工具使用和编码而设计，拥有100万token上下文窗口和6.4万token最大输出。基准评估显示，其输出token比Gemini 3.5 Flash减少约17%，每个输出token成本更低，显著降低了运行智能体循环的成本。

以静态可变边际利润衡量成功

系统针对Paul的主要指标——每日静态可变边际利润（SVM）进行优化。与传统指标（如饲料成本收入比）不同，SVM固定市场价格，隔离真实的生物与运营效率，排除市场噪音。这使得智能体系统基于可靠事实，提供可操作的农场管理见解。

智能体工作流计算SVM的步骤如下：

• 生物性能：摄取智能体解析牛奶产量、成分（乳脂/蛋白质）、体细胞数和饲料数据。
• 静态收入：基于历史支付标准（联邦第33号命令1月价格）对实际牛奶固体应用固定价格。
• 静态饲料成本：使用固定原料价格，仅反映实际饲料体积变化。
• 静态饲料成本收入差：从静态收入中减去静态饲料成本。
• 可变成本：减去每头奶牛费用（替换、育种、兽医用品），排除间接成本（劳动力、水电、折旧），确保SVM变化仅反映生物效率与健康。

生成每日简报

计算数字只是第一步。忙碌的农场主无法在凌晨3点解码电子表格。为节省时间，报告智能体将结果转化为每日农场CEO简报，明确每日边际利润驱动因素。例如，若SVM每头奶牛下降0.15美元，简报会指出具体原因：

• 干物质摄入：-0.08美元（湿度降低采食量）
• 体细胞数：-0.04美元（轻微增加，提示潜在健康问题）
• 废弃牛奶：-0.03美元（两头奶牛进入治疗区）

简报末尾提供可操作建议，如调整通风以缓解热应激。由于系统依赖本地文件导出，所有敏感数据保留在农场内。

让独立企业超越电子表格

Paul在Antigravity上构建的智能体系统体现了小企业的重大转变。他希望以此激励并教导他人如何将AI融入日常工作流程。通过将多智能体架构与Gemini 3.6 Flash的低成本token效率相结合，他构建了自动化运营层，消除了数小时的手动电子表格工作，使他能走出办公室，专注于业务增长。