AI 科技新聞

Gemini AI 農場管理案例：260 頭乳牛如何用 AI Agent 產出每日決策簡報？

Dream Winds Dairy 用 Gemini 3.6 Flash 整理乳牛、飼料與乳品質資料，再由多個 AI Agent 計算營運指標、產出每天可執行的管理簡報。

Dream Winds Dairy 經營者 Paul Windemuller 將 Gemini 3.6 Flash 導入農場管理。圖片來源：Google。

Gemini AI 農場管理不是讓模型代替農民做決定，而是先把乳牛感測器、擠乳機器人、氣象站、飼料紀錄與乳品檢驗產生的資料整理好。真正的問題不是沒有數據，而是資料散落在不同系統，農場主人得先花幾個小時下載檔案、合併試算表，才能知道今天哪個環節出了變化。

美國密西根州 Dream Winds Dairy 經營者 Paul Windemuller，利用 Gemini 3.6 Flash 與 Google Antigravity 建立多 Agent 系統，把這些行政工作改成自動化流程。系統會讀取 CSV、PDF、發票與紙本收據照片，整理成統一資料，再產生每天的農場管理簡報。

這個案例真正值得注意的，不是 AI「會養牛」，而是它把原本已經存在、卻來不及使用的資料，轉成每天能採取行動的資訊。對中小企業來說，這比再做一個聊天機器人更接近 AI 的實際價值。

Gemini AI 農場管理案例重點

項目	Dream Winds Dairy 的做法	實際意義
農場規模	260 頭 Holstein 乳牛	資料量已超過人工每天整理的合理範圍
AI 模型	Gemini 3.6 Flash	負責多模態資料擷取、分析與文字報告
開發環境	Google Antigravity	編排多個專業 Agent 的工作順序
資料來源	感測器、擠乳紀錄、飼料資料、氣象、乳品質與出貨紀錄	把原本分散的營運資訊放進同一套分析流程
核心指標	每日靜態變動毛利（Daily Static Variable Margin，SVM）	排除市場價格波動，觀察牛群健康與營運效率
輸出	Farm CEO Briefing	直接說明毛利變化原因與建議行動

AI Agent 是能依照目標執行多個步驟、呼叫工具並產出結果的系統。這套流程的重點不是讓一個模型包辦所有工作，而是讓不同 Agent 分別負責收資料、計算、分析與寫報告。

影片：Gemini 3.6 Flash 如何協助乳牛農場營運

影片來源：Google 官方 YouTube 頻道

從 30 頭牛到 260 頭，管理瓶頸不是設備，而是資料孤島

Paul 與 Brittany 在 2014 年以 30 頭租來的乳牛成立 Dream Winds Dairy。12 年後，農場成長為一座使用自動化設備、每天為 260 頭 Holstein 乳牛擠乳的設施。Nuffield International 的學者資料也顯示，Paul 是 2024 年獎學金得主，研究主題正是 AI 如何提高反芻家畜產業的韌性。

規模擴大後，農場每天會從不同設備收到大量資訊。乳牛項圈記錄個體活動，氣象站收集溫度與濕度，擠乳系統保存產乳量，線上平台則記錄乳品質與出貨資料。

問題在於，這些系統各自運作。Paul 過去每天早上得下載多份檔案、合併試算表，再計算牛群表現。資料雖然都在，卻必須先付出大量行政時間，才能變成判斷依據。

這也是多數企業導入 AI 時容易忽略的問題。若資料無法被快速整理，再多感測器與軟體也只是增加新的資訊孤島。這個案例的第一步不是預測未來，而是先縮短「資料產生」到「管理者看懂」之間的距離。

不先串 API，而是從資料夾與檔案開始

Dream Winds Dairy 沒有一開始就替每套農場軟體開發 API，也沒有用網頁爬蟲抓取資料。Paul 採用較容易落地的檔案式流程：只要把 CSV 匯出檔、PDF、發票，或紙本收據照片放進指定資料夾，系統就會開始整理。

Gemini 3.6 Flash 是多模態模型，也就是能在同一套流程中處理文字、圖片、表格與 PDF。它先從不同格式擷取需要的數字，再把欄位標準化，避免後續分析直接面對多套格式。

對沒有大型 IT 團隊的中小企業來說，這條路的實作成本較低。現場不必等所有舊系統都完成整合，先用既有的匯出功能，就能驗證每天是否真的省下時間。

不過，檔案式介面也有代價。人工匯出若中斷、檔名改變或欄位格式更新，流程仍可能失敗。因此，這種設計適合當 MVP，正式長期使用時還是要補上資料完整性檢查、錯誤通知與版本管理。

4 種 Agent 分工，把長 Prompt 變成可維護流程

Paul 沒有用一段超長 Prompt 要模型完成所有工作，而是把流程拆成 4 種角色：

Orchestrator（協調 Agent）：決定每天要執行哪些任務，並管理工作順序。
Ingestion Agents（資料匯入 Agent）：讀取擠乳機器人、飼料與其他原始檔案，統一欄位與格式。
Analysis Agent（分析 Agent）：計算牛群生理表現，並比對天氣、飼料與乳品質變化。
Reporting Agent（報告 Agent）：把計算結果改寫成自然語言，產生每日管理簡報。

這種拆法的好處是比較容易維護。若飼料供應商更換檔案格式，只要調整資料匯入層，不必重寫整套分析邏輯。若管理者想改變簡報格式，也能只修改 Reporting Agent。

延伸閱讀：Google I/O 2026 完整總覽：Gemini 3.5、Antigravity 2.0、Android XR 眼鏡

Gemini AI 農場管理使用的 Dream Winds Dairy Farm Brain 儀表板 — Farm Brain 儀表板彙整飼料效率、乳品質、獸醫警示與熱壓力等資訊。畫面數據屬案例系統展示，不代表其他農場的標準值。圖片來源：Google。

SVM 是什麼？先排除價格雜訊，再看農場有沒有真的變好

這套系統的核心指標是每日靜態變動毛利（Daily Static Variable Margin，SVM）。它先固定乳品與飼料價格，再觀察產乳量、乳脂與蛋白、飼料攝取、牛隻健康等營運因素。

計算流程可簡化為：

SVM ＝固定價格計算的乳品收入－固定價格計算的飼料成本－每頭牛的其他變動成本

系統會先讀取產乳量、乳脂、蛋白質、體細胞數與飼料資料，再以固定的歷史價格計算乳品收入與飼料成本。接著扣除更新牛群、繁殖與獸醫用品等每頭牛會變動的支出。

固定價格的目的，是避免市場行情遮住現場變化。假設乳價上漲，傳統收入數字可能變好，但牛群的飼料效率其實正在下降。SVM 把價格先固定，就更容易看出產乳效率、健康或飼養管理是否改善。

但 SVM 不是農場最後的淨利。它排除了人工、水電、設備折舊等固定與間接成本，也無法取代現金流或完整損益表。比較合理的用法，是把它當成每日營運儀表，而不是會計報表。

Gemini AI 農場管理儀表板顯示飼料攝取、飼料成本與乳品收入 — 系統把不同牛舍的乾物質攝取、飼料效率與乳品收入放在同一畫面，協助管理者找到變化發生的時間。圖片來源：Google。

每天凌晨 3 點需要的不是更多圖表，而是一份能行動的簡報

完成計算只解決一半問題。農場主人未必有時間每天逐張查看圖表，因此 Reporting Agent 會產生一份 Farm CEO Briefing，指出當天 SVM 變動的主因。

Google 公布的示例中，若每日 SVM 每頭牛下降 0.15 美元，系統可能拆成：

乾物質攝取下降：每頭牛影響 0.08 美元，可能與濕度降低進食量有關。
體細胞數上升：每頭牛影響 0.04 美元，可能反映乳房健康問題。
廢棄乳增加：每頭牛影響 0.03 美元，原因是兩頭牛進入治療區。

報告最後會提出具體行動，例如調整通風，降低熱壓力。這種輸出比「今天毛利下降」更有用，因為管理者能看到影響金額、可能原因與下一步。

不過，建議仍需要人判斷。濕度與攝取量同時變化，不等於已經證明因果關係；涉及用藥、疾病與動物照護的決定，更不能直接交由語言模型自動執行。AI 適合先縮小查找範圍，最後的現場確認仍應由農場主人與專業人員完成。

為什麼選 Gemini 3.6 Flash？成本方向合理，但案例沒有公布帳單

Gemini 3.6 Flash 支援文字、圖片、影片、音訊與 PDF 輸入，具備 1,048,576 個 token 的輸入上限，以及 65,536 個 token 的輸出上限。Token 是模型處理內容時使用的計算單位，長上下文讓系統一次能讀取更多檔案與歷史資料。

Google 表示，Gemini 3.6 Flash 在 Artificial Analysis Index 使用的輸出 token 比 3.5 Flash 少約 17%，每百萬輸出 token 的 API 標準價格也由 9 美元降至 7.5 美元。對每天反覆讀檔、分析與寫報告的 Agent 流程，降低每一輪的輸出量與單價，確實有助於控制成本。

延伸閱讀：Gemini 3.6 Flash 是什麼？Google Antigravity 更新、效能與 API 價格整理

但這個農場案例沒有公布每日 token 用量、實際 API 帳單、錯誤率或投資回收期。因此，目前能確認的是「模型成本方向更適合高頻流程」，不能直接推論所有農場導入後都會划算。

這套方法值得中小企業學的，不是農業模型，而是 MVP 順序

如果把乳牛換成庫存、門市、工廠設備或客服案件，這套方法仍然成立。實際導入可以先做 5 個步驟：

找出每天固定花 1 至 3 小時整理的工作。
確認現有系統能否匯出 CSV、PDF 或圖片。
只選一個管理者每天真的會使用的核心指標。
把收資料、計算、分析與報告拆成獨立步驟。
先讓 AI 提出建議，由人核准後再採取行動。

這比一開始打造「全自動 AI 營運平台」更實際。只要先證明每日簡報能節省時間、提早發現異常，再決定是否串接 API、加入即時資料或自動通知。

真正不該省略的是驗證機制。每份報告都應顯示資料日期、缺少的來源、計算版本與異常欄位；關鍵數字也要能回溯原始檔。否則 AI 可能把一份漏傳的飼料紀錄，解讀成牛群攝取突然下降。

本地資料夾不等於模型完全離線，隱私仍要看完整架構

Google 原文強調，系統透過本地資料夾交換檔案，讓 Paul 保有資料控制權，也避免直接對外開放農場系統。

但「檔案放在本地」與「模型推論完全在本機」是兩件事。公開案例沒有交代 API 傳輸、帳號方案、資料保留設定、權限管理與備份方式，因此不能只看本地資料夾，就認定所有內容從未離開裝置。

企業若要採用同樣方法，至少應先確認哪些檔案會送進模型、服務條款如何處理輸入資料、誰能存取資料夾，以及報告保存多久。若內容包含員工、客戶、醫療或財務資料，還要先完成個資與法規檢查。

這個案例證明了什麼，又還沒有證明什麼？

Dream Winds Dairy 的案例證明，多 Agent 系統不只適合寫程式或搜尋網頁，也能把真實營運中的異質檔案，整理成管理者每天會看的報告。它最大的價值是減少資料搬運，讓人把時間留給現場判斷。

但這仍是 Google 公布的單一案例。官方沒有提供長期產乳量、疾病率、飼料成本、人工時數與完整財務數據，也沒有第三方驗證模型建議的準確率。

因此，我對這個導入方向偏正面，對成效數字則維持保守。若後續能公開三項資料——每天實際節省的工時、建議被採用後的改善幅度，以及錯誤或漏報率——才足以判斷它能否從示範案例變成可複製的農業產品。

常見問題

Gemini AI 農場管理能做什麼？

Gemini 3.6 Flash 能協助讀取檔案、整理資料、計算指標並產生每日報告，但不等於能獨立經營農場。動物健康、飼料調整與設備操作仍需要農場主人、獸醫及其他專業人員判斷。

Dream Winds Dairy 的 AI 系統使用哪些資料？

公開案例包含乳牛感測器、擠乳機器人、飼料紀錄、氣象站、乳品質、出貨資料、CSV、PDF、發票與紙本收據照片。系統先標準化資料，再進行分析與報告。

SVM 和農場淨利一樣嗎？

不一樣。SVM 固定乳品與飼料價格，並扣除部分每頭牛的變動成本，用來觀察生物與營運效率；它排除人工、水電與折舊等成本，不能取代完整損益表。

中小企業一定要先串 API 才能導入 AI Agent 嗎？

不一定。若既有軟體能匯出 CSV、PDF 或圖片，可以先用指定資料夾建立 MVP，驗證是否省時與改善決策。流程穩定後，再評估 API 與即時串接。

把檔案放在本地資料夾，就代表資料不會上傳嗎？

不代表。本地資料夾只說明檔案交換方式，是否傳送到雲端模型仍取決於實際部署、API、帳號方案與資料設定。企業應檢查完整資料流與服務條款。

結語：AI 的價值不是多一張儀表板，而是縮短決策距離

Dream Winds Dairy 已經有感測器、機器人與多套管理系統。Gemini 3.6 Flash 帶來的改變，不是再增加一個資料來源，而是把既有資料接成固定流程，最後交付一份能看懂、能追查、也能採取行動的每日簡報。

這也是中小企業最值得借鏡的地方。先從一項高頻、重複、可驗證的行政工作開始，保留人工核准，再用節省工時與錯誤率判斷是否擴大。若連核心指標與驗收方式都還沒定義，直接追求全自動 Agent，只會把原本的資料混亂放大。