Gemini助力農場管理：密歇根奶農的AI實踐

在利潤率極低的奶牛養殖業，快速分析海量數據至關重要。密歇根州奶農Paul Windemuller藉助Google Gemini 3.6 Flash構建了本地多智能體AI系統，成功將分散的農場數據整合為每日經營決策依據。

2014年，Paul與Brittany在密歇根州創立Dream Winds Dairy，最初只有30頭租賃奶牛。12年後，該農場已發展為高度自動化的設施，飼養260頭荷斯坦奶牛。作為2024年Nuffield國際農業學者，Paul將乳製品農業視為技術挑戰。

他的農場持續生成數據流：項圈傳感器追蹤每頭奶牛，氣象站記錄氣候指標，線上門户記錄牛奶質量與發貨信息。然而這些系統孤立運行，Paul每天早晨需花費數小時下載文件、合併電子表格、計算績效，無法專注於奶牛護理。

將辦公室工作委託給AI智能體

為節省時間，Paul基於Google Antigravity平台，利用Gemini 3.6 Flash構建了本地多智能體系統，以整合孤立的農場數據並計算每日盈利能力。該系統採用基於目錄的文件接口，而非API或網頁抓取。當CSV數據導出、收據照片、PDF和發票等文件保存到監控文件夾時，Gemini的多模態能力自動提取併合並視覺與數值指標，數據完全控制在Paul手中。

多智能體工作流替代了冗長提示，由專用協調角色組成：

• 編排器：管理整體日常流程。
• 攝取智能體：標準化原始文件（擠奶機器人輸出、飼料記錄）。
• 分析智能體：評估生物與天氣影響。
• 報告智能體：生成清晰的自然語言摘要。

系統自動將原始文件轉化為連貫的業務概覽。

為小企業創造公平競爭環境

Paul的最終目標是讓獨立農場主能像他一樣利用技術簡化運營。對許多人而言，構建工具是障礙，而運營規模的成本挑戰也需要解決。需要持續推理、解析和工具執行的日常智能體工作流，對小企業來説過去過於昂貴。Gemini 3.6 Flash幫助降低了Paul日常運營的成本。

Gemini 3.6 Flash專為高級推理、工具使用和編碼而設計，擁有100萬token上下文窗口和6.4萬token最大輸出。基準評估顯示，其輸出token比Gemini 3.5 Flash減少約17%，每個輸出token成本更低，顯著降低了運行智能體循環的成本。

以靜態可變邊際利潤衡量成功

系統針對Paul的主要指標——每日靜態可變邊際利潤（SVM）進行優化。與傳統指標（如飼料成本收入比）不同，SVM固定市場價格，隔離真實的生物與運營效率，排除市場噪音。這使得智能體系統基於可靠事實，提供可操作的農場管理見解。

智能體工作流計算SVM的步驟如下：

• 生物性能：攝取智能體解析牛奶產量、成分（乳脂/蛋白質）、體細胞數和飼料數據。
• 靜態收入：基於歷史支付標準（聯邦第33號命令1月價格）對實際牛奶固體應用固定價格。
• 靜態飼料成本：使用固定原料價格，僅反映實際飼料體積變化。
• 靜態飼料成本收入差：從靜態收入中減去靜態飼料成本。
• 可變成本：減去每頭奶牛費用（替換、育種、獸醫用品），排除間接成本（勞動力、水電、折舊），確保SVM變化僅反映生物效率與健康。

生成每日簡報

計算數字只是第一步。忙碌的農場主無法在凌晨3點解碼電子表格。為節省時間，報告智能體將結果轉化為每日農場CEO簡報，明確每日邊際利潤驅動因素。例如，若SVM每頭奶牛下降0.15美元，簡報會指出具體原因：

• 幹物質攝入：-0.08美元（濕度降低採食量）
• 體細胞數：-0.04美元（輕微增加，提示潛在健康問題）
• 廢棄牛奶：-0.03美元（兩頭奶牛進入治療區）

簡報末尾提供可操作建議，如調整通風以緩解熱應激。由於系統依賴本地文件導出，所有敏感數據保留在農場內。

讓獨立企業超越電子表格

Paul在Antigravity上構建的智能體系統體現了小企業的重大轉變。他希望以此激勵並教導他人如何將AI融入日常工作流程。通過將多智能體架構與Gemini 3.6 Flash的低成本token效率相結合，他構建了自動化運營層，消除了數小時的手動電子表格工作，使他能走出辦公室，專注於業務增長。