使用自架 Gemma 4 模型研究 Google Gemma 並建立主題式 HTML 報告
研究一個新的 AI 模型家族，意味著要同時處理多個來源、整合發現，接著把所有內容整理成可展示的成果。這個工作流程展示了 Eigent 如何消除整段流程的負擔——透過在 vLLM 上執行的本地端 Gemma 4 31B 模型，它能協調多個代理，從單一提示詞出發完成研究、撰寫、排版與交付一個精緻的 HTML 頁面。
這個展示最令人驚豔之處，在於整個工作流程——多代理協調、即時網路研究、基於技能的文件生成，以及主題式 HTML 輸出——都是由一個在你自己的硬體上執行的 31B 參數開放權重模型所驅動。
在 Eigent 中將 Gemma 4 設定為你的模型
前往 Settings → Agents → vLLM，將 Model Endpoint URL 設為你本地端託管的執行個體（例如 http://localhost:8000/v1），並將 Model Type 設為 gemma4-31b。
這會讓 Eigent 將所有代理任務透過你自架的 Gemma 4 執行個體來處理，而不是使用雲端 API，讓資料保留在本地，推論成本也降為零。
下載並匯入代理技能
前往 Eigent Skills Hub：eigent.ai/skills，並將 doc-coauthoring 與 theme-factory 技能套件下載為 zip 檔。
回到 Eigent，前往 Settings → Agents → Skills，使用 Add Skill 對話框拖放這兩個 zip 檔。每個技能套件都包含一個 SKILL.md 檔案，說明 Eigent 何時以及如何啟動該技能。theme-factory 技能也包含 10 種預先建立的主題定義，內含精選配色與字型搭配。
提交研究提示詞
在匯入技能並設定好 Gemma 4 後，將你的任務提示詞輸入 Eigent 的聊天欄位：
使用 Reuters、TechCrunch、公司網站與官方文件研究 Gemma 家族。接著使用 {{doc-coauthoring}} 與 {{theme-factory}} 建立一個精美的 HTML 頁面，包含重點發現、比較與後續步驟。將 html 檔案儲存到 workspace 資料夾。
{{doc-coauthoring}} 和 {{theme-factory}} 這些引用會告訴 Eigent 在這個工作流程中啟用這兩個技能。Eigent 會立即開始規劃執行。
觀察 Eigent 拆解並規劃任務
Gemma 4 會分析提示詞，並將其拆成兩個連續任務：
-
研究任務： 使用 Reuters、TechCrunch、Google 官方網站與官方文件研究 Gemma 模型家族。萃取重點發現、模型比較與建議的後續步驟。輸出一份以 markdown 格式撰寫的詳細研究摘要，包含三個章節：「Key Findings」、「Comparisons」與「Next Steps」。
-
HTML 生成任務： 使用提供的研究摘要，搭配
doc-coauthoring與theme-factory技能建立一個精美、專業的 HTML 頁面。將最終 HTML 檔案儲存到工作目錄。
這個任務拆解會自動發生——Gemma 4 能理解相依關係，並依序安排工作。
多代理協調開始運作
Eigent 會同時啟動多個專門代理來執行計畫：
-
Browser Agent 會啟動並行瀏覽器工作階段，跨網路進行研究。它同時造訪 Google 搜尋、Reuters、TechCrunch、Gemma 的 Google DeepMind 官方頁面，以及 Google AI 部落格，以最大化吞吐量。
-
Developer Agent 則待命，等待研究摘要完成後再進行 HTML 生成。
Browser Agent 充分發揮 Gemma 4 的大上下文視窗優勢，並行處理多個網頁，萃取與 Gemma 模型家族的架構、部署選項、生態系與授權相關的資訊。
Browser Agent 交付研究摘要
在造訪所有指定來源後，Browser Agent 會產出一份結構化的完成報告，整合研究結果。報告涵蓋：
-
Key Findings： Gemma 是由 Google DeepMind 開發的一系列輕量級、具前沿水準的開放權重模型，採用與 Gemini 模型相同的技術打造。這個生態系專為效率而設計，讓開發者能建立可在各種硬體上本地執行的 AI 應用程式。
-
Core Characteristics： 架構基礎建立於 Gemini 研究；高度最佳化，適合裝置端與本地端運作；可透過 Hugging Face、Kaggle、Vertex AI、Ollama 與 LM Studio 取得；生態系下載量已突破 1.1 億次；開放權重授權並附有商業用途的客製化授權條款。
-
Comparisons with GPT-4： GPT-4 是一個通常透過 API 或雲端存取的大型多模態模型；相較之下，Gemma 提供開放權重替代方案，支援本地部署、完整微調控制，以及離線運作。
-
Next Steps： 建議採取的行動包括開發整合、裝置端部署測試、專門化使用案例，以及擴充規模的選項。
這份 markdown 研究摘要會自動傳遞給 Developer Agent，作為下一階段的輸入。
Developer Agent 匯入技能並生成 HTML
Developer Agent 收到研究摘要後，會啟用這兩個技能。它會讀取 doc-coauthoring 的 SKILL.md 以了解結構化文件工作流程，並讀取 theme-factory 的 SKILL.md 以存取精選主題集合。
Developer Agent 會使用終端機：
- 查詢可用技能，找到 doc-coauthoring 與 theme-factory
- 閱讀主題展示，選擇合適的視覺主題
- 在 workspace 中建立專案目錄
- 撰寫一個完整、獨立的 HTML 檔案，將研究內容與所選主題的配色與排版結合
Developer Agent 會將主題的十六進位色碼、字型搭配與視覺識別套用到所有區塊——標題、內文、卡片元件與背景元素——產出一份看起來如同由專業設計師手工打造的成果。
檢視最終的主題式 HTML 報告
完成的 HTML 頁面會直接儲存到 workspace 資料夾。打開後，你會看到一份精美的深色主題報告，標題為 "Google Gemma Family of Models — Advanced Research Summary & Strategic Analysis"，內容包含：
- 一個 Key Findings 區塊，使用樣式化項目符號說明 Gemma 的架構、部署特性、可近用性、生態系成長與授權條款
- 一個 Comparisons 表格，對照 Gemma 與 GPT-4 等雲端式替代方案
- 一個 Next Steps 區塊，提供可執行的開發整合、裝置端部署、專門化使用案例與擴充建議
- 一個附有來源註記的專業頁尾
整個頁面具備響應式設計，並以單一 HTML 檔自成一體，方便與利害關係人分享或在內部發布——全部都由一個在本地硬體上執行的 31B 開放權重模型生成。
為什麼這個工作流程很重要
這個展示呈現了三項能力協同運作：
- 開放權重模型的強大能力： 在 vLLM 上本地執行的 Gemma 4 31B，能處理複雜的多代理協調、即時網路研究與程式碼生成——這些通常只會出現在更大型的雲端託管模型上。
- 技能組合： doc-coauthoring 與 theme-factory 技能能無縫組合。兩者彼此並不知道對方的存在；由 Eigent 將它們編排成單一流程。
- 多代理平行化： Browser Agent 會跨多個來源並行研究，而 Developer Agent 則等待結構化交接，在不犧牲品質的前提下最大化吞吐量。
接下來可以嘗試什麼
當第一份報告生成後，你可以用以下後續提示詞繼續延伸：
將主題切換為 "Arctic Frost" 並重新生成同一份報告。
將 Gemma 研究替換為對另一個 AI 模型家族的深入分析。
新增 pptx 技能，根據同一份研究生成簡報。
使用不同的 Gemma 變體執行相同工作流程，比較不同模型大小下的輸出品質。
取得更好結果的技巧
- 明確指定來源名稱。 指定 Reuters、TechCrunch 與官方文件，可以讓 Browser Agent 擁有清楚的研究路徑，而不是依賴開放式搜尋。
- 使用雙大括號技能引用。 在提示詞中寫入
{{doc-coauthoring}}與{{theme-factory}}，可明確啟用已匯入的技能。 - 指定輸出位置。 要求「將 HTML 檔案儲存到 workspace 資料夾」可讓 Developer Agent 明確知道最終成果要寫到哪裡。
- 讓模型自行規劃。 當你描述想要的結果，而不是逐步規定每個步驟時，Gemma 4 的任務拆解效果最佳。
