开发者用Google ADK与Gemini搭建AI代理团队，自动化全流程ML工作

我用 AI 智能体自动化了一整个机器学习团队，基于 Google ADK 和 Gemini，运行在 @googlecloud 上。

我设计了一套执行框架，负责数据分析、特征工程、模型训练、评估、通过 FastAPI 接口提供服务，甚至版本管理。

团队成员：
> 分析师：探索数据，找出影响结果的关键因素
> 工程师：构建特征并训练模型
> 怀疑者：查找数据泄漏、不公平特征和薄弱模型
> 你：审批特征，决定什么可以上线

智能体不会从 CSV 文件中猜测。它们编写并运行真实的 Python 代码，根据输出做决策。执行框架会自己给每个模型打分，所以没有智能体能给自己的工作打分。怀疑者负责审查、提出修复建议，并作为与人类之间的反馈回路。

定义你的问题陈述，附上数据，再添加一组指令。团队会相应地调整流水线。人在回路实际上能让智能体在自动化中做出正确决策，覆盖近 90% 的工作。

除了执行框架，我还在每个阶段都建立了版本管理：特征仓库、模型注册表和整个流水线。在我的实验中，一次运行大约需要 16 分钟，包含 50 次工具调用和 32.8 万 Gemini 3.5 token，其中 54% 是缓存的。

Gemini Enterprise、Agents CLI、ADK 和 GCP 将整个项目整合在一个生态系统中：
> 定义项目结构、脚手架和运行时
> 通过提示词、工具和模型调用构建每个智能体
> 使用任意编码智能体编写代码并运行命令
> 通过 Docker、Terraform 和 CI/CD 在 GCP 上部署系统

在这篇文章中，你将全面了解如何自动化任务，并仅在必要时才调用人类，同时附带建议。

数据 + 智能体执行框架 + 人在回路 + 反馈 = 现代软件。

这是与 @googlecloud 的官方合作。GitHub 仓库在评论区。

项目的 GitHub 仓库：

使用 Gemini Cloud 设计、构建和部署你的企业级 AI 智能体
Gemini 平台：