使用自托管 Gemma 4 模型研究 Google Gemma 并构建主题化 HTML 报告
研究一个新的 AI 模型家族，意味着要同时处理多个来源、综合分析结果，并将所有内容整理成可展示的交付物。这个工作流展示了 Eigent 如何消除整个流程——由通过 vLLM 运行的本地托管 Gemma 4 31B 模型驱动，它协调多个代理，从单一提示出发完成研究、撰写、样式设计并交付一页精美的 HTML 页面。
这个演示的突出之处在于，整个工作流——多代理编排、实时网页研究、基于技能的文档生成以及主题化 HTML 输出——都由运行在你自己硬件上的开源权重 31B 参数模型驱动。
在 Eigent 中将 Gemma 4 配置为你的模型
前往 Settings → Agents → vLLM，将 Model Endpoint URL 设置为你本地托管实例的地址（例如 http://localhost:8000/v1），并将 Model Type 设置为 gemma4-31b。
这会告诉 Eigent 将所有代理任务路由到你自托管的 Gemma 4 实例，而不是云端 API，从而让数据保持在本地，并将推理成本降为零。
下载并导入代理技能
前往 Eigent Skills Hub：eigent.ai/skills，下载 doc-coauthoring 和 theme-factory 技能包的 zip 文件。
回到 Eigent，进入 Settings → Agents → Skills，使用 Add Skill 对话框拖放这两个 zip 文件。每个技能包都包含一个 SKILL.md 文件，说明 Eigent 何时以及如何激活该技能。theme-factory 技能还包含 10 个预置主题定义，提供精选配色方案和字体搭配。
提交研究提示词
在导入技能并配置好 Gemma 4 后，在 Eigent 的聊天输入框中输入你的任务提示词：
使用 Reuters、TechCrunch、公司网站和官方文档研究 Gemma 家族。然后使用 {{doc-coauthoring}} 和 {{theme-factory}} 创建一页精美的 HTML 页面，包含关键发现、对比和后续步骤。将 html 文件保存到工作区文件夹中。
{{doc-coauthoring}} 和 {{theme-factory}} 引用会告诉 Eigent 在这个工作流中激活这两个技能。Eigent 会立即开始规划执行。
观察 Eigent 如何拆解并规划任务
Gemma 4 会分析提示词，并将其拆分为两个顺序任务：
-
研究任务： 使用 Reuters、TechCrunch、Google 官方网站和官方文档研究 Gemma 模型家族。提取关键发现、模型对比和推荐的后续步骤。输出一份详细的 markdown 格式研究摘要，包含三个部分：“Key Findings”、“Comparisons”和“Next Steps”。
-
HTML 生成任务： 使用提供的研究摘要，结合
doc-coauthoring和theme-factory技能创建一页精美、专业的 HTML 页面。将最终 HTML 文件保存到工作目录。
这种任务拆解会自动发生——Gemma 4 能理解依赖关系，并按相应顺序安排工作。
多代理编排开始执行
Eigent 会同时启动多个专用代理来执行计划：
-
Browser Agent 会启动并发浏览器会话，在网页上进行研究。它会同时访问 Google 搜索、Reuters、TechCrunch、Gemma 的 Google DeepMind 官方页面以及 Google AI 博客，以最大化吞吐量。
-
Developer Agent 则带着待办任务待命，等待研究摘要完成后再继续进行 HTML 生成。
Browser Agent 会通过并发处理多个网页来充分发挥 Gemma 4 的大上下文窗口，提取关于 Gemma 模型家族架构、部署选项、生态系统和许可的信息。
Browser Agent 交付研究摘要
在访问完所有指定来源后，Browser Agent 会生成一份结构化的完成报告，汇总研究结果。报告涵盖：
-
Key Findings： Gemma 是由 Google DeepMind 开发的一系列轻量级、业界领先的开源权重模型，采用与 Gemini 模型相同的技术构建。其生态系统专为高效性而设计，使开发者能够构建可在各种硬件上本地运行的 AI 应用。
-
Core Characteristics： 架构基础源自 Gemini 研究；针对设备端和本地运行高度优化；可通过 Hugging Face、Kaggle、Vertex AI、Ollama 和 LM Studio 获取；生态下载量超过 1.1 亿次；采用开源权重许可，并附带适用于商业用途的自定义许可条款。
-
Comparisons with GPT-4： GPT-4 是通常通过 API 或云端访问的大规模多模态模型，而 Gemma 提供了开源权重替代方案，支持本地部署、完整微调控制和离线运行。
-
Next Steps： 推荐的行动包括开发集成、设备端部署测试、专项用例以及扩展选项。
这份 markdown 研究摘要会自动传递给 Developer Agent，作为下一阶段的输入。
Developer Agent 读取技能并生成 HTML
Developer Agent 收到研究摘要后会激活这两个技能。它读取 doc-coauthoring 的 SKILL.md，了解结构化文档工作流；再读取 theme-factory 的 SKILL.md，以访问精选主题集合。
使用终端时，Developer Agent 会：
- 查找可用技能，找到 doc-coauthoring 和 theme-factory
- 查看主题展示，选择合适的视觉主题
- 在工作区创建项目目录
- 编写一个完整、自包含的 HTML 文件，将研究内容与所选主题的配色和排版结合起来
Developer Agent 将主题的十六进制颜色、字体搭配和视觉标识应用到所有部分——标题、正文、卡片组件和背景元素——最终产出看起来像专业设计师手工制作的交付物。
查看最终的主题化 HTML 报告
生成完成的 HTML 页面会直接保存到工作区文件夹中。打开后，你会看到一份精美的深色主题报告，标题为“Google Gemma Family of Models — Advanced Research Summary & Strategic Analysis”，其中包括：
- 一个 Key Findings 部分，使用样式化项目符号展示 Gemma 的架构、部署特性、可访问性、生态增长和许可条款
- 一个 Comparisons 矩阵，将 Gemma 与基于云的替代方案（如 GPT-4）进行对比
- 一个 Next Steps 部分，提供有关开发集成、设备端部署、专项用例和扩展的可执行建议
- 一个带有来源归属的专业页脚
整个页面支持响应式设计，封装在单个 HTML 文件中，可直接与利益相关者共享或在内部发布——全部由运行在本地硬件上的 31B 开源权重模型生成。
为什么这个工作流很重要
这个演示展示了三种能力协同工作的效果：
- 开源权重模型能力： 在 vLLM 上本地运行的 Gemma 4 31B 能处理复杂的多代理编排、实时网页研究和代码生成——这些任务通常与更大的云托管模型相关。
- 技能组合： doc-coauthoring 和 theme-factory 技能可以无缝组合。它们彼此并不了解；Eigent 将它们编排进一个统一的流水线。
- 多代理并行： Browser Agent 会同时跨多个来源进行研究，而 Developer Agent 则等待结构化交接，在不牺牲质量的前提下最大化吞吐量。
接下来可以尝试什么
生成第一份报告后，你可以通过以下后续提示继续扩展它：
将主题切换为 "Arctic Frost" 并重新生成相同报告。
将 Gemma 研究替换为对另一类 AI 模型家族的深入分析。
添加 pptx 技能，从相同研究内容生成幻灯片。
使用不同的 Gemma 变体运行相同工作流，比较不同模型规模下的输出质量。
获得更好结果的技巧
- 明确列出来源。 指定 Reuters、TechCrunch 和官方文档能为 Browser Agent 提供清晰的研究路径，而不是依赖开放式搜索。
- 使用双大括号技能引用。 在提示词中写入
{{doc-coauthoring}}和{{theme-factory}}，可以明确激活这些已导入的技能。 - 指定输出位置。 要求“将 HTML 文件保存到工作区文件夹”会告诉 Developer Agent 最终交付物的确切写入位置。
- 让模型自行规划。 当你描述期望结果，而不是逐步规定每个动作时，Gemma 4 的任务拆解效果最好。
