Google Antigravity 使用体验 测评 功能介绍

7次阅读
没有评论

共计 3843 个字符,预计需要花费 10 分钟才能阅读完成。

伴随着 Gemini 3 Pro 的发布,Google 也发布了自己的 AI IDE —- Antigravity。Google Antigravity 是一款以“智能代理”为核心的开发平台,推动开发环境进入 Agent 优先的新纪元。它让开发者可以用更高层次、更任务导向的方式管理跨工作区的智能代理,同时保留熟悉的 AI IDE 使用体验。​

Antigravity 将 AI Agent 独立出来,赋予它们在编辑器、终端和浏览器间自主操作的能力,强调任务和产物(Artifacts)的验证以及高阶交互。开发者只需下达高层指令,智能代理便能自主计划、执行、验证复杂的软件开发流程,并生成可审查的“产物”作为证据。平台支持多智能体协作和切换,适合单人和团队并行开发,典型应用包括功能构建、UI 迭代、修复 bug、资料检索和报告生成等全流程任务。​​

Google 曾经在 2023 年发布过 Project IDX,是一款基于云端的 IDE 实验项目,后来更名为 Firebase Studio。基于浏览器的编辑器。在浏览器插件流行后,推出了 Gemini Code Assist 插件,为了和 Claude Code 竞争还推出了免费的 Gemini CLI,全面开花,但是全面溃败,几乎没有能用的。现在 Gemini 能力提升之后,Gemini CLI 也逐渐好用起来。直到 Antigravity 的出现才是集大成者。

Antigravity 的初体验也可以参考我的视频

功能

  • AI IDE
    • AI 支持的 IDE,拥有多个 AI 功能,包括 Agent,Tab,Command
    • 支持多个 Reasoning Model,Gemini 3 Pro,Gemini 3 Pro,Claude Sonnet 4.5,Claude Sonnet 4.5(thinking),GPT-OSS
  • Build with Browser
    • Antigravity 深度整合了 Chrome,可以在浏览器、编辑器、终端等各个工作环节中无缝协作,成为用户的智能工作伙伴。
  • 并行执行多个任务
    • 它支持同时管理多个智能代理(agent),通过统一的界面集中监控所有任务流,让用户保持掌控的同时更专注于重要事务。
  • 不分心
    • 开发者还可在不离开编辑器的状态下高效工作,借助智能补全、内置代理与强大工具,大幅提升专注度与生产力。

Agent Modes

Antigravity 提供了两种 Agent 模式。

  • Planning 计划模式,Agent 会在执行任务之前进行规划,适合于深度调研,复杂任务或协作的场景。在这个模式下,Agent 会将工作组织成任务列表(task groups),逐步生成成果,最终达到期望的效果
  • Fast 快速模式,代理直接执行任务,适用于可以快速完成的简单任务,比如变量重命名,其中简单的 Bash 命令或局部方法的调整等。

Antigravity 在 Agent 的设置中还有一个 Review Policy 设置,Antigravity 提供了

  • Always Proceed,始终继续,Agent 不会要求复查
  • Agent Decides,Agent 将决定何时要求用户进行审查
  • Request Review,Agent 总是会请求审核

对于终端中的命令是否自动执行,也有如下的设置

  • Off,关闭,不自动执行终端命令
  • Auto,Agent 决定是否自动执行
  • Turbo,始终自动执行终端命令

Agent Manager

我们随时随地都可以使用快捷键 Cmd + E 来开启 Agent Manager 窗口。这也是 Antigravity 提供的两种核心工作模式中的一种。

Antigravity 提供了两种页面模式:

  • 代码编辑器模式
  • Agent Manager 模式

代码编辑器模式,这个界面类似传统的 IDE,我们可以在这个视图中手动编写代码,调试代码,阅读源码,这个页面中包含了文件树,代码编辑器,右侧的 AI 对话窗口以及底部的终端

下面就是传统的代码编辑器视图。
Google Antigravity 使用体验 测评 功能介绍
Agent Manager 模式,这个模式中重点在于让 AI Agent 自主完成任务,我们可以在这个视图中给 AI 提出需求,监控任务的进度,批量并行管理多个任务。这个视图中包括了左侧的 Agent 管理,工作区管理,后台任务管理,中间则是任务规划窗口,在进入任务之后,如果 Antigravity 产生了新的「构建」Artifact,则会显示在右侧。

下面是 Agent Manager 视图

Google Antigravity 使用体验 测评 功能介绍

工作流程

如果要让 Gemini 给出设计良好,没有问题的代码,清晰的需求描述是关键。我们要将具体使用的技术栈,需要依赖的库,页面具体的描述都描述清晰,这样 Gemini 才会按照我们的需求给出代码。而不是仅仅用一两句话说,帮我完成什么什么。

在给 Antigravity 布置任务之后,Antigravity 会自主跨多个文件进行工作。

  • Gemini 会在代码编辑器当中创建修改删除文件,实现功能。
  • 在终端当中自主执行命令,执行脚本查看输出、安装依赖运行测试。
  • 如果是前端项目,在验证阶段的话,也会自主打开页面进行交互测试截图。

Antigravity 会通过 Artifacts 提供透明的工作流程,包括任务列表,分解所有的子任务和预期的结果,实现计划包含了详细的技术方案和文件修改列表。代码变更记录,运行时的截图测试结果以及浏览器录制的完整视频。

中间 Artifacts

Antigravity 为了解决 AI Agent 和开发者之间的信任和透明度机制,在 AI 工作过程中设计了中间的构建(Artifacts),我将其中比较重要的文件列举一下

  • Task,任务列表
  • Implementation Plan,实施计划
  • Walkthrough,完成报告

所有这些重要的文件都会保存在 ~/.gemini/antigravity/brain/ 目录下。

整个 AI Agent 执行的流程

  • 用户提交任务描述
  • Agent 初步分析和研究
  • 生成 Implementation Plan
  • 用户审核并给出修改意见
  • Agent 生成 Task
  • Agent 执行任务,跨编辑器,终端,浏览器
  • Agent 完成各个子任务,并标记完成
  • 最后生成 Walkthrough 报告
  • 任务完成,持续迭代

Google Antigravity 使用体验 测评 功能介绍

Task 任务列表:定义子工作

Task 列表,Task 是 AI 代理执行的最小工作单元,每一个 Task 代表一个独立的工作会话。Antigravity 在自主执行的过程中也会实时更新这一份文件。

当 AI 收到任务之后,首先会生成一份任务分解清单,将大任务拆分为更细粒度的子任务。这使得开发者可以在最初的时候看到 AI 的思路,及时发现偏差并纠正,必要时可以调整任务的方向。

Google Antigravity 使用体验 测评 功能介绍

Implementation Plan

Implementation Plan,实施计划,其中包含了具体的代码编写技术栈,实时变更的内容。Implementation Plan 是 Agent 在编码之前生成的详细事前合意文件。目的是在代码前获得开发者同意,而不是事后解释。

Implementation Plan 会包含

  • Agent 计划修改或创建的文件列表
  • 依赖库和 API,使用的 NPM 包,第三方的 API,数据库等
  • 具体的变更概要,高层次的修改方案
  • 验证计划,实现后如何对功能进行测试,比如运行单元测试,进行浏览器测试

Google Antigravity 使用体验 测评 功能介绍

Walkthrough

Walkthrough,完成报告, Walkthrough 是 AI 完成任务之后的事后验证报告,通过完整的证据列来证明工作确实按计划完成。

Walkthrough 包含的内容

  • Files Changed, 详细的文件变更记录和代码差异。
  • Screenshots,功能实现后的截图
  • Browser Recordings,自动交互测试的视频录制
  • Test Results,自动化测试和手动验证的结果,测试通过率,覆盖率,错误日志等
  • Agent Comments,自我评估和发现,标注性能注意事项,潜在风险,优化建议等

Google Antigravity 使用体验 测评 功能介绍

开发者不再需要运行代码进行验证,可以直接通过看 Walkthrough 了解 AI agent 完成之后的效果。

通过这三份文件,开发者可以很好的理解 Agent 做了什么事情,Task 是工作的具体内容,Implementation Plan 是事前承诺,Workthrough 是事后的证明。这三个文件构成了 Antigravity 的「信任」「自主」「反馈」三个原则。

自我进化的知识库

自我进化的知识库是 Antigraity 越用越聪明的核心机制。Antigravity 中的 Agent 每次运行都会从知识库中检索相关信息,也会给知识库贡献新知识,形成一个双向反馈循环。

知识库的三个维度

  • 显式知识 Explicit Knowledge,直接可以看到和编辑的知识
    • 代码片段,包括常用的函数,AP 调用模板
    • 项目架构,项目组织形式,如何分层 API
    • 配置规范,比如 Webpack/Vite 的最佳配置方式
  • 隐式知识 Implicit Knowledge,完成任务过程中的高层知识
    • 成功的步骤序列,完成子任务需要的具体步骤
    • 问题解决方法,遇到错误解决的过程
    • 工具调用模式,特定工具的使用顺序
    • 例如 AI 已经成功实现了创建数据库模型,生成迁移文件,编写 API Endpoint,编写测试,那么下次处理类似任务会自动按照这个顺序执行
  • 风格和偏好
    • 命名规范,包括变量名,方法名,类名
    • 代码风格,使用特定的组件 Tailwind ,避免方法过于复杂等
    • 测试标准,要求为新功能编写单元测试,边界值测试
    • UI 规范,设计中的圆角,边距,登录注册按钮的样式等

这个知识库的概念和 CLAUDE.md 等文件有些相似的感觉却又完全不一样,在 Antigravity 中我们不需要一个核心的指导文件。在看官网对 Knowledge Base 的介绍来看未来 Knowledge Base 发展成为一个团队可共享的知识库也大有可能。

正文完
 0
评论(没有评论)