美国密歇根州一位饲养 260 头奶牛的奶农，用 Gemini 3.6 Flash 自行搭建了多智能体 AI 系统，把过去每天早上要花掉数小时的汇总工作自动化了[1]。传感器、气象观测和出货记录原本分散在各自的软件里，如今通过本地文件夹汇聚到一处，系统还会算出当天的盈利水平。谷歌在官方博客上把这个案例做了介绍。

被割裂数据吃掉的清晨

案例的主角是 Paul Windemuller。2014 年，他与 Brittany 用租来的 30 头奶牛创办了 Dream Winds Dairy，12 年间发展成挤奶 260 头荷斯坦牛的高度自动化牧场。他是 2024 年的 Nuffield International Farming Scholar，研究农业技术与 AI，把奶业经营视为一个技术课题[1]。

奶业利润微薄，生物因素与环境因素交织复杂，数据分析必不可少。在他的牧场里，每头牛佩戴的传感器项圈、场内的气象观测站、记录乳质与出货量的在线门户，都在不停地产出数据[1]。

问题在于，这些数据各自封闭在互不相通的软件中。他每天早上都要从各个系统下载文件、在电子表格里拼接、手工计算经营指标，前后要花上几个小时。这些时间原本应该用在照料奶牛上。

在 Antigravity 里搭起的 4 类智能体

他最终搭建的，是在谷歌开发平台 Google Antigravity 中运行 Gemini 3.6 Flash 的本地多智能体系统[1]。Antigravity 面向智能体优先的开发场景发布，智能体可以跨编辑器、终端和浏览器自主完成规划、执行与验证[2]。

值得注意的是，这套系统完全不用外部 API，也不做网页抓取，而是直接把本地目录当作接口。往监控文件夹里放入 CSV 导出文件，或者纸质收据、PDF、发票的照片，Gemini 的多模态处理就会提取并整合视觉信息与数值。数据不出牧场，始终在他自己的掌控之下[1]。

处理流程也不是一条超长提示词，而是拆分成各司其职的智能体协作：统筹每日整体流程的编排智能体、把挤奶机器人导出文件和饲喂日志等原始数据标准化的接入智能体、评估生物因素与天气影响的分析智能体，以及把结果转写成自然语言摘要的报告智能体[1]。

核心指标是 Static Variable Margin

这套系统优化的目标，是每日的 Static Variable Margin（SVM）。常见的 Income Over Feed Cost 会随生乳与饲料价格波动而起伏，而 SVM 把市场价格固定下来计算，从而剔除行情噪声，只凸显生物层面与运营层面的效率[1]。

计算过程也拆解得很清楚。接入智能体读取产奶量、乳成分（乳脂与蛋白）、体细胞数和饲喂量，再用 Federal Order 33 在 1 月的固定价格套算实际产出的乳固体，得到静态收入。饲料成本同样按固定单价计算，这样只有实际饲喂量的增减才会体现在数字上。由此得出静态的 Income Over Feed Cost，再扣除每头牛的可变支出（后备牛、繁育、兽药等）。人工、水电、折旧等间接费用则刻意排除在外，使 SVM 的变化只反映生物效率与健康状况[1]。

凌晨 3 点送达的 Farm CEO Briefing

算出数字只完成了一半。凌晨 3 点没有哪个奶农有精力去解读电子表格。于是报告智能体把结果转写成每日的 Farm CEO Briefing，把当天利润变动的原因逐项拆开[1]。

按谷歌给出的示例，当每头牛的 SVM 下降 0.15 美元（约 25 日元）时，简报会列出明细：干物质采食量贡献 -0.08 美元（约 13 日元，因湿度导致采食量下降）、体细胞数贡献 -0.04 美元（约 7 日元，小幅上升提示健康隐患）、废弃乳贡献 -0.03 美元（约 5 日元，两头牛进入治疗栏）。最后还会给出具体建议，比如调整通风以应对热应激[1]。

※1 美元 = 164 日元

小规模经营者面前的成本门槛

他的目标不止于让自家牧场更高效，还希望独立奶农也能用上同样的做法。除了搭建工具本身的门槛，按牧场规模每天跑起来的成本也是一道坎[1]。

需要持续推理、解析和调用工具的智能体工作流，长期以来对小规模经营者来说太贵。Gemini 3.6 Flash 的效率正是在这里发挥作用。该模型面向高级推理、工具调用和编程设计，支持 100 万 token 的上下文窗口与最高 64,000 token 的输出。基准测试显示，相比 Gemini 3.5 Flash，其输出 token 减少约 17%，单位输出 token 的价格也更低，从而大幅降低了运行智能体循环的成本[1]。

当然，这套系统出自一位专门研究农业技术与 AI 的人之手，并非人人都能立刻复制。即便如此，放弃外部对接、选择以本地文件夹作为接口的思路，对那些被没有 API 的业务系统包围的现场来说，仍是一个现实可行的落点。

总结

密歇根州这位奶农用 Gemini 3.6 Flash 与 Google Antigravity 搭建的多智能体系统，通过本地文件夹把割裂的数据整合起来，算出剔除市场价格波动的每日 Static Variable Margin，并以带有因素拆解的日报形式送达。它抹掉了电子表格上的手工作业，同时也说明，每天运行智能体的成本已经降到小规模经营者够得着的水平。

[1] 来源：https://blog.google/innovation-and-ai/models-and-research/gemini-models/using-gemini-to-manage-farm/

[2] 来源：https://antigravity.google/blog/introducing-google-antigravity