把 AI 从问答变成干活：三个官方实战案例

背景

最近两周的官方动态里，最有价值的不是某个模型参数，而是三个“AI 真正干活”的案例：Google DeepMind 发布了 Gemini Omni 1.2 Flash，主打长视频、快且省钱；同时展示了用 Google Antigravity 和化学信息学技能加速药物发现；还公布了与英国政府合作缩短规划审批时间的实践。OpenAI 侧也有多个企业落地案例（如 cult.fit 使用 Codex、Merge 接入 OpenAI）。

如果你只把它们当新闻看，就浪费了。这篇文章把其中可复用的方法拆成三个技巧，每个都对应一个真实发布的能力。

技巧一：用 Gemini Omni 1.2 Flash 处理长视频，先算成本再选模型

适用场景：需要批量分析视频素材的团队——内容审核、课程录像摘要、会议/活动回放整理。

怎么做：

1. 明确任务类型：是“看懂画面+听懂音频”的多模态任务，还是纯文本任务。Gemini Omni 1.2 Flash 的定位是快速、低成本且支持更长视频片段（见官方发布）。
2. 先用一小段代表性视频做基准测试：记录处理时长、输出质量、单次调用成本。
3. 批量处理时按片段切分，输出结构化结果（时间戳+摘要+标签），方便后续检索。

注意事项：官方公告只说明了“更长片段、更快、更省”的定位，具体上下文窗口和价格请以官方定价页为准，不要凭旧版本经验估算成本；长视频任务建议保留人工抽检环节，避免摘要漏掉关键画面。

技巧二：用 Agent 技能组合做专业领域工作流（以化学为例）

适用场景：有明确领域工具链的专业团队。DeepMind 的案例是药物发现：用 Google Antigravity 加上 Cheminformatics Skills，可以搜索化合物、并提出新型刚性化大环（rigidified macrocycles）设计方案（见官方博客）。

怎么做：

1. 把领域任务拆成“检索—分析—生成”三段。案例中对应：搜化合物库 → 分析结构 → 提出大环设计。
2. 为每段配置对应技能/工具，让 Agent 串联调用，而不是让一个通用模型硬扛全流程。
3. 输出必须可验证：化学结构要能过模拟工具，代码要能跑测试。

注意事项：这套方法的关键是“技能组合”而非单一模型。你的领域如果没有现成技能，先从最耗时的检索环节开始自动化，收益最直接。AI 提出的候选方案（如大环设计）属于假设，仍需实验验证。

技巧三：把 AI 嵌入审批/评估流程，而不是替代决策

适用场景：政企、大型组织的流程优化负责人。DeepMind 与英国政府合作的目标是缩短规划（planning）评估时间（见官方博客）。

怎么做：

1. 找到流程中最耗时的“材料审阅”环节，让 AI 做初筛和摘要，人做最终判断。
2. 设定可量化的指标：评估耗时缩短多少、初筛准确率多少，先小范围试点再推广。
3. 明确责任边界：AI 输出标注为“辅助评估”，决策记录保留人工签字。

注意事项：公共部门落地对合规要求高，OpenAI 也同期发布了负责任 AI 基础设施标准，可作为评估供应商时的参考框架。不要一开始就追求全自动。

小结

三个案例的共同点：AI 不是替代人，而是接管“读材料、跑检索、做初筛”这类高耗时环节。选型时先算成本（技巧一），落地时拆流程配技能（技巧二），推广时留人工决策点（技巧三）。

来源与延伸阅读

• Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips
• Agentic cheminformatics with Google Antigravity
• Speeding up planning decisions with AI
• Setting a new standard for responsible AI infrastructure (OpenAI)

接下来值得继续跟踪

• Gemini Omni 1.2 Flash 的具体定价与上下文上限尚未在本次公告中确认，需等官方定价页更新后再做成本测算。
• Antigravity 化学技能是否开放给外部研究团队使用、以何种形式开放，尚无公开时间表。
• 英国规划审批项目的实际耗时缩短数据，可关注 DeepMind 后续是否公布量化结果。