知识卡片2026-11-07·阅读 9 分钟

把 AI Agent 用进真实工作流的 3 个技巧

从药物研发到视频理解再到安全防护，官方动态给出了 Agent 落地的三条可复用路径。

近期 OpenAI 与 Google DeepMind 的官方发布显示，AI Agent 正从聊天走向专业工作流：化学信息学 Agent 加速药物发现，Gemini Omni 1.2 Flash 让长视频理解更快更省，GPT-6 Cyber 面向安全防护。本文提炼 3 个可操作技巧。

背景

如果你还把 AI 当“问答机器”，最近这批官方动态值得换个角度看：Agent 已经在替人跑完整的专业流程了。Google DeepMind 发布了用 Google Antigravity 做化学信息学的实践——搜索化合物、提出新型刚性化大环方案，覆盖药物发现的关键环节；同时推出的 Gemini Omni 1.2 Flash 主打更快、更省、支持更长视频片段；OpenAI 方面则发布了 GPT-6 Cyber，以及 cult.fit 用 Codex 构建的案例。

这些动态的共同点：AI 不再只回答问题，而是执行流程。对普通开发者和知识工作者来说，可复用的技巧有三条。

Agentic cheminformatics with Google Antigravity

技巧一：把“查资料 + 出方案”打包成一个 Agent 任务

适用场景：任何需要“先检索大量结构化数据，再基于结果提出方案”的工作——化合物筛选、竞品调研、供应商比价、文献综述。
怎么做：参考 DeepMind 的做法：他们把 Cheminformatics Skills 接入 Google Antigravity，让 Agent 直接搜索化合物并提出新型刚性化大环（rigidified macrocycles）方案，而不是只返回搜索结果。你可以照搬这个结构：给 Agent 一个领域工具（数据库、API、内部文档），再给它一个“产出物”定义（方案、候选清单、结构化对比表）。Prompt 模板：

“你是 XX 领域的研究助理。第一步，在 [数据源] 中检索满足 [约束条件] 的候选；第二步，基于检索结果提出 3 个新方案，每个方案说明依据和风险；第三步，输出结构化对比表。”
注意事项：Agent 提出的方案是起点不是终点。DeepMind 的定位也是“加速药物发现工作流”，最终验证仍需专业实验。把 Agent 输出当作初稿，人工复核关键结论。

技巧二：用长视频理解替代“人工看片记要点”

适用场景：会议录像、培训视频、用户访谈、监控与质检 footage 的批量分析。
怎么做：Gemini Omni 1.2 Flash 的官方定位是“快、划算、支持更长片段”。传统做法是人工拖进度条记笔记，或先转文字再分析（丢失画面信息）。现在的做法是直接把长视频丢给模型，让它输出时间戳 + 要点。Prompt 模板：

“请分析这段视频：1) 按时间轴列出关键事件；2) 提取所有出现的 [产品名/数字/人名]；3) 总结 3 个可行动结论。”
注意事项：长视频处理对成本敏感，Flash 系列的定位就是“性价比”，批量处理前先用一小段验证输出质量，再决定是否全量跑。

技巧三：把安全检查前置到开发流程里

适用场景：开发团队在交付前做安全审查、漏洞排查、合规检查。
怎么做：OpenAI 发布了 GPT-6 Cyber，把安全能力做成了专门的产品线。传统流程是“写完代码 → 安全团队事后审计 → 返工”；更高效的做法是把安全检查嵌入开发循环：每次提交前让模型过一遍常见漏洞模式。同时可以参考 cult.fit 用 Codex 构建的思路——让编码 Agent 承担重复性构建工作，人专注于审查。
注意事项：官方发布页是了解能力边界的首选来源，具体功能可用性以官方文档为准；安全审查结果同样需要人工确认，AI 是第一道筛子而非最终裁决。

Speeding up planning decisions with AI

顺带一提，DeepMind 还与英国政府合作用 AI 加速规划决策，目标是缩短规划评估时间——同样的“AI 处理结构化材料 + 人工最终决策”模式，正在政务场景复制。

小结

三条技巧的共同骨架：把一个原本需要人工多轮“查—读—写—查”的流程，压缩成一次 Agent 任务，人只做定义和复核。传统方式下，化合物筛选、看片记要点、安全审计各自要花数小时到数天；Agent 化之后，人的时间花在“定义清楚要什么”和“验证输出”上。这是普通开发者现在就能上手的工作方式转变。