2026 跨界必读！谷歌多模态 '组合拳' 实战，4 大场景带你转型“跨学科复合体”！

大家好！我是瓜哥，前互联网技术总监，现专注于 AI 编程领域的探索和分享。

想成为一名优秀的独立开发者和自媒体博主，需要成为一名 “通才”。技术我懂，但这远远不够，还要会设计，写文案，录音和拍视频。

在没有AI之前，这样的综合能力放在一个人身上，基本是妄想。

直到我真正推开了 “多模态” 的大门：AI再也不只是个聊天框，而是拥有视觉、听觉、跨文件类型的超级工具。

接下来，我将分享 4 个我日常使用的真实场景，希望能给你带去一些AI价值落地的参考。

看完你能学到什么

你将学会如何利用 AI 抹平跨学科鸿沟，一个人完成复杂任务的交付闭环。

4 个价值场景，向你详解如何进行大模型多模态能力组合，每个都能直接复用：

设计稿 → 代码 ，0 基础，一条龙从设计到代码生成。

视频 → 多平台内容 ，一次创造，AI工作流完成多平台适配和分发。

数据 → 分析报告 ，不懂数据也能进行数据洞察，图文并茂一眼看懂。

想法 → 产品原型 ，25 年最热的AI编程，快速上手实战案例。

这是 Antigravity 系列的第 05 期，介绍 谷歌全家桶 多模态能力。

关注我，持续更新 AI 编程实战。

场景一：一条龙从设计稿到代码生成

对于一个完全不懂设计的人来说，打开 Figma，量尺寸，扒颜色，写代码，调样式，直接从入门到放弃。

虽然AI编程工具也可以生成 html 代码的 UI 设计稿，但纯靠文字提示词去盲抽 UI 代码，真到了改细节的时候，直接让人抓狂。

经过我近期的摸索，现推荐一套组合给你：

Stitch（设计稿） + Antigravity（代码）

其中Stitch负责UI设计，你只需要描述你的想法；而Antigravity负责写代码，基于 UI1:1 帮你实现功能。

全程AI辅助，跳过设计和写代码门槛，唯一考察你的只剩审美。

Demo - 骑行APP

01 我的需求

1. 帮我生成一个骑行爱好者的应用设计 2. 有欢迎页，介绍应用并突出主要功能 3. 有用户注册页面，骑行线路选择页面，允许用户从各种骑行线路中进行选择 4. 有徒步详情页，还有一个设置页 5. 希望是UI设计里选择图片精美，整体设计简洁，字体美观

02 概览 UI 设计

就这么简单的提示词，并没有指定色系和其他细节，它就能交付出这么精美的设计。

03 功能实现

有了这个UI 设计稿，粘贴丢给 Antigravity ，只需要说：请按 UI 设计稿，实现App首页。就这么简单！

Demo - 提示词集合网站

01 我的需求

1. 生成一个个人的“提示词聚合网站” 2. 网站风格冷静、简洁、图片精美、文字美观 3. 包含前端的展示页面和后端的管理页面 4. 前端页面包含卡片式的提示词，点击提示词可进入详情页面 5. 每个提示词卡片都有一个复制按钮，另外页面上支持卡片以最新\最热进行排名

02 概览 UI 设计

几分钟一个提示词Web网站的设计稿就出来了。

接下来就直接丢到Antigravity里让它实现就好了。

场景二：一次创作多平台适配/分发

所有做自媒体的，肯定都希望能一次投入，快速多平台适配和分发。

我的做法是：把一个录制好的视频丢给谷歌AIStudio，选择Gemini 3 Pro，让它帮：

提取视频里的语音

将语音转为文字，提炼出标题和概要

通过本地自己搭的AI工作流，变成小红书图卡和公众号图文，快速分发

让我们一起来看看，具体怎么操作的。

Demo - 教程视频一键转小红书图卡

我前段时间，做了个介绍Gemini 3 Flash的教程视频，大概 14 分钟。有了这个素材基础，直接提取视频语音和文字，再生成小红书 3:4 比例尺寸的图卡。

01 主要步骤

视频丢给 AI Studio

AI 提取音频，转成文字

我用本地工具生成配图

适配小红书格式

02 给 AI 的提示词

分析这个教程视频： 1. 提取音频，转成文字 2. 生成 5 个核心知识点 3. 每个知识点一句话说明

03 AI 提取音频/提炼要点

仅29秒，视频内容就全部解析完成，并完成了5个核心知识点的提取，包括标题和说明。

## 核心知识点 1. 核心定位与新功能 Gemini 3 Flash 被定位为拥有“Pro 级智能、Flash 级速度”的模型，不仅保留了核心推理能力，还新增了可控制思考层级（Thinking）的功能。 2. 基准测试表现在 MMMU-Pro（多模态理解）和 SWE-bench（代码生成与修复）等权威测试中，3 Flash 的得分持平甚至略高于 Gemini 3 Pro，表现优异。 3. 价格与性价比其使用成本仅为 Gemini 3 Pro 的四分之一，虽然相比 2.5 Flash 价格有小幅上涨（输入涨67%，输出涨20%），但性能提升显著，性价比极高。 4. 实战开发对比在“复古打字机”应用开发实测中，3 Flash 的代码生成速度比 3 Pro 快了近一倍，且在 UI 设计上对“复古”风格的理解比 Pro 更具悟性。 5. 多渠道上线该模型已全面覆盖 Google 生态，用户可通过 Google AI Studio、Gemini App、Gemini CLI 命令行工具以及 Antigravity IDE 等多种渠道直接使用。

04 小红书图卡生成工作流

我本地用AI编程手搓了一个小红书图卡生成应用，输入文本，调用AI大模型，自动生成适配小红书3:4尺寸的图卡，支持9种图卡风格可选。

6 张图卡，1 分钟搞定。

了解生图详情：这套 0 成本 AI 工作流，让我实现了日更 100 篇！

Demo - 公众号文章 + 配图工作流

接着刚才的视频素材，我用Gemini CLI跑文章工作流，调谷歌 Nano BananaMCP搞定配图生成，最后复制粘贴发布。

Tips：如果你没有自己录制的视频，也可以从Youtube/B站下载一些素材使用，但要注意授权使用。

01 我的需求

基于提取的内容，生成公众号文章： 1. 标题（吸引眼球） 2. 开篇（引入话题） 3. 正文（详细笔记，带代码） 4. 总结（3 个要点）

02 任务执行

03 生成文章

运行本地AI写作工作流，2000 字文章搞定。

04 配图发布

在 Gemini CLI 里调用 Nano Banana，图片也快速搞定，最后复制粘贴发布，美滋滋。

了解公众号图文创建工作流：15 分钟搞定全套公众号配图？Gemini CLI + Nano Banana 构建你的生图流水线！

场景三：不懂数据也能洞察

以前数据分析是个技术活儿，我是一个连Excel都玩不转的人，更别说更复杂的数据分析工具了。

现在有了AI，数据分析只是我日常基操。

Demo - 汽车销售分析

这是一份来自开源数据集的汽车销售数据，大概有 1500 条数据，涉及年份、品牌、型号、配置、车身类型、变速箱、VIN、车况、里程、颜色、内饰、卖家、MMR（市场参考价）、销售价格、销售日期等维度。

01 我的需求

综合分析这些材料，生成销售分析报告： 1. 销售趋势（哪些车型卖得好） 2. 价格分析（价格和销量的关系） 3. 客户反馈（从录音提取） 4. 改进建议（3 条，含数据支撑）

02 数据洞察

## 核心发现 1. SUV 销量增长 35%，轿车下滑 15% 2. 20-30 万价格区间最畅销 3. 客户最关心：油耗（提及 18 次）、空间（提及 15 次） ## 改进建议 1. 增加 SUV 车型配置（数据：SUV 增长 35%） 2. 优化 20-30 万价格段产品（数据：占总销量 45%） 3. 强化油耗宣传（数据：客户提及 18 次）