近期将许久未更新的 Antigravity 一口气升级到了最新的 v2.26.0 版本。跨越多个版本迭代后重新打开，最直观的感受是：Antigravity 已经从早期单纯的“AI 辅助代码编辑器（IDE）”，彻底蜕变为一套以 Agent（智能体）调度为核心的多端协同研发平台（Antigravity 2.0 / Hub）。

尤其是 Agent 架构、定制化体系（Customizations）以及后台自动化能力，几乎完成了一次代际重构。本文将这段时间跨版本演进中最核心的变化进行系统性梳理，作为个人知识库的升级备忘与实践指南。

一、产品形态演进：从单一 IDE 到 Antigravity 2.0 四端协同

在早期版本中，我们主要在基于 VS Code 内核的 Antigravity IDE 侧边栏里与 AI 对话。而在迈入 Antigravity 2.0 时代直至 v2.26.0 版本，官方将底层 Agent 引擎彻底解耦，形成了“四位一体”的产品矩阵：

1. Antigravity 2.0 (Hub) 独立桌面应用

新版本提供了与 IDE 并行的独立桌面端应用（Hub 模式），无需打开笨重的代码编辑器即可直接按项目（Projects）管理会话。其界面采用了全新的三栏式布局：

• 左侧导航栏（Sidebar）：集中管理会话（Conversations）、项目切换（Projects，支持一键在资源管理器中定位目录）、定时自动化（Automations）、定制中心（Skills & Customizations）以及全局/项目级权限设置；
• 中间主画布（Chat Canvas）：支持 / 斜杠命令触发专用工作流、@ 符号精准挂载上下文（文件、目录、历史会话、终端、规则、MCP 工具乃至特定的子智能体），以及剪贴板富文本与视频/图片直接粘贴；
• 右侧辅助面板（HTML Auxiliary Pane）：实时展示当前会话的 Subagents（子智能体状态）、Background Tasks（后台任务队列）、Artifacts（结构化产物文档/交互式 UI）、Files Changed（文件变更集） 与 Terminals（终端会话）。

2. 新一代模型底座与工程细节打磨

在 v2.26.0 及近期版本中，平台正式接入了 Gemini 4 Argon（支持 Low / Medium / High 等不同推理强度切换），并在工程体验上做了大量细节优化：

• 配置路径收敛：项目级配置文件统一迁移至 /.gemini/config.json，逐步替代早期零散的 .agents/settings.json；
• 快捷键与交互增强：命令面板新增一键切换深浅色主题（Toggle Between Light/Dark Themes），全面增强聊天与面板的键盘导航（PageUp / PageDown / Home / End / Esc），视频预览支持右键直接保存（Save Video）。

二、Agent 架构质变：Subagents 多智能体编排与响应式唤醒

如果说以前跟 AI 协作像是“和一个人在单线程聊天”，那么现在的 Agent 架构则变成了**“你作为 Tech Lead，指挥一个主 Agent 和一群各司其职的 Subagents（子智能体）并发干活”**。

1. 模块化与动态 Subagents（子智能体）

主 Agent 现在拥有了调用 invoke_subagent 和 define_subagent 的能力，可以将耗时、耗 Token 的子任务拆解并委派给独立的子智能体在后台并行执行：

• 内置专业子智能体：
  • research：运行在无网络的只读沙箱中，专门负责大规模代码库扫描与文档检索，避免将成百上千行中间搜索结果塞满主对话的上下文窗口（Context Window）；
  • self：继承主 Agent 全部工具与模型能力的完整分身，适合在独立上下文中并行处理子模块开发；
  • image-generator：专门负责根据设计描述生成或编辑图片资源并返回文件路径。
• 工作区隔离模式（Workspace Modes）：启动子智能体时可指定 inherit（共享当前工作区）、branch（克隆隔离分支工作区）或 share（类似 Git Worktree 的共享底层仓库但独立分支模式），彻底杜绝多个 Agent 同时改写同一批文件引发的冲突。
• 动态自定义与 @ 直连通信：除了在当前会话动态定义子智能体，你还可以在聊天框中使用 @ 语法直接向正在运行或已完成的特定 Subagent 发送指令，而在 v2.26.0 中，自定义 Agent 还支持单独关闭默认提示词与内置工具，且选定的 Agent 会在工作区重载后持久保持。

2. 响应式唤醒机制（Reactive Wakeup）

早期的 Agent 在执行耗时命令或等待后台任务时，往往需要不断轮询（Polling）或阻塞对话。现在的执行引擎升级为事件驱动的响应式唤醒：

• 当主 Agent 发起后台命令（run_command 异步转后台）、设定定时器（schedule）或派出子智能体（invoke_subagent）后，无需写死循环等待；
• 一旦子智能体发回消息（send_message）、后台编译/测试任务结束、或定时器触发，系统会自动唤醒主 Agent 并注入高优先级通知。

三、定制体系重构：Skills、Plugins 与 Hooks 的全面进化

以前我们对 AI 的定制主要停留在写几条 Rules（规则）和 Workflows（工作流）。现在右侧的 Customizations（定制中心） 已经演化为一套完整的五维工程体系：

定制类型	配置文件 / 目录结构	作用域与触发机制	核心定位与适用场景
Rules（规则）	AGENTS.md / GEMINI.md / .agents/rules/*.md	层级继承 / 20,000 Token 独立预算	强制编码规范、API 限制、隐私脱敏与目录级契约
Skills（技能）	skills/<name>/SKILL.md (+ scripts/、references/)	渐进式披露（按需激活 + /name 命令）	替代旧版 Workflows，沉淀多步标准作业程序（SOP）与脚本
Plugins（插件）	plugins/<name>/plugin.json	命名空间打包 / 一键启停	将相关的 Skills、Agents、Rules、MCP 与 Hooks 封装为独立套件
Hooks（钩子）	hooks.json	Agent 生命周期事件同步拦截	在工具执行前后、模型调用前后或停止时自动运行安全审计与 Linter
MCP Servers	mcp_config.json	Stdio 本地进程 / Streamable HTTP	连接外部数据库、企业内部系统与第三方工具协议

1. Workflows 正式废弃，全面升级为 Skills（技能包）

这是一个非常重要的破坏性演进：旧版的 .agents/workflows/*.md 已被标记为废弃（Deprecated），全面由 .agents/skills/<name>/SKILL.md 接替（内置了 migrate-workflows 技能可一键自动迁移旧工作流）。

相比于以前单文件的 Workflow，全新的 Skills 带来了三大核心优势：

1. 渐进式披露（Progressive Disclosure，省 Token 神器）：如果把所有规范和长篇手册都塞进上下文，大模型很快就会“失忆”。现在，Antigravity 默认只向模型注入每个 Skill 的 name 和 description；只有当模型判断当前任务需要该技能（或用户主动输入 /<skill-name>）时，才会按需读取 SKILL.md 正文及 references/ 下的参考文档。
2. 多文件目录封装：一个标准的 Skill 是一个独立文件夹，除了核心指令文件 SKILL.md，还可以携带辅助脚本（scripts/）、代码示例（examples/）、模板资源（resources/）和深层参考手册（references/）：

   .agents/skills/deploy-service/
   ├── SKILL.md          # 必需：包含 YAML frontmatter (name, description) 与步骤说明
   ├── scripts/          # 可选：封装复杂的 Shell / Python 自动化脚本
   ├── examples/         # 可选：标准实现范例
   └── references/       # 可选：长篇 API 文档（仅在需要时由 Agent 按需读取）

3. 语义自发现 + 斜杠命令双驱动：你既可以在输入框敲 /deploy-service 显式调用，也可以直接用自然语言说“帮我部署服务”，Agent 会根据 description 自动匹配并挂载该技能。

2. Plugins（插件化打包）与 Agent Marketplace（插件市场）

当你为某个业务领域写了多个 Skills、配了专属的 MCP Server、还定了几条 Rules，散落在各处会非常难管理。新引入的 Plugins 机制允许你将它们打包成一个带命名空间的独立单元：

~/.gemini/config/plugins/my-team-kit/
├── plugin.json       # 插件清单（名称、描述、Logo、推荐提示词 suggestedPrompts）
├── mcp_config.json   # 随插件启停的专属 MCP 服务
├── hooks.json        # 随插件注册的生命周期钩子
├── assets/logo.svg   # 插件图标
├── skills/           # 插件内置技能包
├── agents/           # 插件内置自定义子智能体 (<agent>.md)
└── rules/AGENTS.md   # 插件激活时自动生效的规则

• 一处开关，整体联动：在定制面板或通过语言服务切换插件状态时，其内部的 Skills、MCP、Rules 和 Hooks 会作为一个整体同步激活或卸载，无需手动修改全局 mcp_config.json。
• 官方插件市场（Agent Marketplace）：现在可以直接在内置市场中检索并安装官方与社区插件（如 Google Workspace 全家桶、Chrome DevTools 自动化调试、Firebase、Gemini API 等），并且内置了多账号授权管理能力（支持为不同插件绑定 personal 或 work 账号并通过 AGY_ACCOUNT 切换）。

3. Lifecycle Hooks（生命周期钩子：hooks.json）

如果你以前苦恼于“AI 总是忘记在改完代码后跑 ESLint”，或者担心“AI 执行危险的终端命令”，全新的 Lifecycle Hooks 提供了工程级的确定性控制。

通过在 .agents/hooks.json（或插件根目录、甚至在自定义 Markdown Agent 的 frontmatter 中声明 hooks:）配置脚本，你可以在 Agent 运行循环的 6 个关键生命周期节点进行拦截与注入：

事件名称	触发时机	典型应用场景与返回契约
SessionStart	新会话启动时执行一次	注入欢迎语、初始化环境变量或向对话轨迹注入初始 systemMessage
PreToolUse	工具（如 run_command）执行前	安全门禁与参数重写：可返回 "allow"、"deny"、"ask"，甚至通过 "overwrite" 改写工具参数
PostToolUse	工具执行完成后	自动后处理：在 edit_file 或 run_command 后自动触发代码格式化与 Lint 检查
PreInvocation	每次调用大模型推理前	动态注入当前轮次的临时提醒（ephemeralMessage）或上下文状态
PostInvocation	大模型返回结果且工具执行完毕后	检查输出质量，必要时返回 "terminationBehavior": "force_continue" 强制继续循环
Stop	Agent 准备结束当前任务循环时	防提前交卷：若检测到后台测试尚未通过，可返回 "decision": "continue" 阻止停止并要求继续修复

4. Rules 规则体系的升级：层级自动发现与 20,000 Token 专属预算

在我之前写的 《Antigravity IDE 的 AI 规则体系 (Rules)》 中曾介绍过 Global 与 Workspace 规则。在最新版本中，Rules 体系得到了两项关键加固：

• AGENTS.md / GEMINI.md 目录级向上寻址：当 Agent 操作某个子目录下的文件时，会自动从当前目录向上遍历至仓库根目录，合并沿途所有的 AGENTS.md、GEMINI.md 与 .agents/rules/*.md，并通过绝对路径自动去重；
• 独立的 20,000 Token 规则预算（Context Budgeting）：以前如果规则文件写得太长，会挤占宝贵的上下文空间，导致 Skills 和 MCP 工具被挤出窗口。现在系统为常驻规则划拨了独立的 20,000 Token 预算（单文件上限 24KB），超出预算的低优先级规则会自动降级为“文件路径指针”，由 Agent 按需读取，保障核心工具链永不掉线。

5. MCP 协议升级：拥抱 Streamable HTTP

在 mcp_config.json 中，除了经典的本地进程标准输入输出（Stdio）模式外，远程 MCP 服务现已全面升级为 Streamable HTTP 传输协议（直接配置 "url": "https://mcp.example.com/mcp"），正式淘汰了早期不稳定的旧版 HTTP+SSE（/sse）模式。

四、交互体验与工作流升级：Slash 斜杠命令、Generative UI 与 Automations

除了底层架构，日常与 Agent 交互的武器库也丰富了许多。

1. 高阶 Slash Commands（斜杠指令集）

现在的 / 菜单不再只是简单的快捷短语，而是直接切换 Agent 的思考与协作模式：

• /plan：针对复杂需求，强制 Agent 先进行多步拆解并生成可审阅的执行计划（Plan Artifact），确认后再动手改代码；
• /grill-me：灵魂拷问模式。当你只有一个模糊的想法时，让 Agent 化身架构师，通过交互式多轮提问（配合 ask_question 选择题组件）帮你厘清设计边界与技术选型；
• /goal：长线死磕模式。适合夜间或后台长任务，Agent 会极度详尽地推进目标，在未完全达成目标前不会轻易停下；
• /teamwork：多智能体军团模式。针对大型工程任务，自动拉起多个自治子智能体协同分工；
• /boost：深度思考增强模式。结合多视角推理、策略规划与严格验证，攻克疑难杂症；
• /compact：当长对话上下文即将耗尽时，一键对历史轨迹进行智能摘要压缩，释放 Token 空间；
• /learn：当你纠正了 Agent 的某个错误或配通了一套复杂环境后，使用 /learn 让它将经验持久化沉淀下来，避免下次再犯；
• /browser：调起内置浏览器自动化能力，进行网页检索、DOM 交互与端到端测试验证。

2. Generative UI（生成式交互界面）与 Artifacts 产物系统

现在的 Agent 不再局限于输出枯燥的纯文本 Markdown：

• Artifacts（结构化文档产物）：对于长篇架构报告、重构方案、任务清单，Agent 会在右侧独立的 Artifact 面板中创建并维护文档（支持 GitHub Alerts 警告框、Mermaid 流程图、多图轮播 Carousel、LaTeX 公式以及精确到代码行号的文件跳转链接），并提供 Proceed 按钮供你一键批准执行；
• Generative UI（富交互组件）：当需要展示复杂的数据可视化、架构演进推演、交互式参数调节器或交互式教学演示时，Agent 可以直接在对话流中实时渲染出可交互的 HTML/JS 微前端组件。

3. Automations（定时自动化 Sidecar）

左侧边栏原来的“计划任务”正式升级为 Automations（自动化中心）（可通过 /automation 交互式创建）：

• 底层机制：每个定时自动化本质上是一个后台常驻的 Cron Sidecar（保存在 ~/.gemini/config/sidecars/<id>/sidecar.json），支持带 IANA 时区的精准调度（例如 CRON_TZ=Asia/Shanghai 0 9 * * 1-5 每个工作日早 9 点）；
• 独立无人值守会话：每次触发时，它会通过 agentapi new-conversation 拉起一个全新的无人值守 Agent 会话，执行你预设的自包含提示词（例如：“每天早上 9 点检查仓库中是否有 CI 失败的 PR 并生成汇总报告”）；
• 预验证最小权限模型（access_grants）：由于定时任务在后台无人值守运行，所有未提前授权的命令都会被自动拒绝。为此，Antigravity 引入了**“创建时先跑一次测试运行（Test Run）”**的机制——由 Agent 先在当前会话跑通一次流程，自动提取出精确的最小权限集（如 command(gh pr list)、read_file(...)、mcp(...)，严禁使用 command(*) 通配符），写入 sidecar.json 后再到面板中一键开启。

五、安全边界与细粒度权限控制（Sandbox & Permissions）

随着 Agent 自主执行命令和读写文件的能力越来越强，Antigravity 在安全护栏上也做了极其细致的颗粒度拆分，支持**全局（Global）与项目级（Project-Level Override）**双层配置：

1. 终端沙箱（Terminal Sandbox）：支持将 Agent 执行的终端命令限制在操作系统级安全沙箱内运行，防止误操作破坏宿主环境；
2. 工具执行审批策略（Tool Execution Policy）：可在 always-proceed（全自动执行）、proceed-in-sandbox（沙箱内自动执行）、request-review（请求人工确认）与 strict（严格受限）之间按项目灵活切换；
3. 非工作区文件访问控制（Non-Workspace File Access）：严格管控 Agent 是否可以读写当前 Workspace 目录之外的文件（allow / ask / deny）；
4. 命令与域名黑白名单（Command & Browser Allowlist/Denylist）：精确指定哪些终端命令前缀永远放行或永远拦截，以及限制 /browser 工具允许访问的外部域名列表。

六、升级后的个人最佳实践建议

结合本次升级到 v2.26.0 后的深度体验，如果你也准备重构自己的 AI 辅助开发流，推荐按以下步骤演进：

1. 运行 /migrate-workflows 清理旧包袱：将以前写在 .agents/workflows/ 下的旧工作流全部迁移为标准的 .agents/skills/<name>/SKILL.md，利用渐进式披露机制减轻上下文负担；
2. 善用 AGENTS.md 与 .agents/rules/ 分层治理：在项目根目录和核心子模块放置精简的 AGENTS.md，将通用底线放在 ~/.gemini/config/rules/，充分利用 20,000 Token 专属规则预算；
3. 用 Plugins 聚合团队资产：如果团队内部有多套通用的开发技能、代码规范和内部 MCP 接口，不要再让每个成员手动复制粘贴配置文件，直接打包成一个 plugin.json 插件目录进行共享；
4. 把重复性检查交给 Hooks 与 Automations：将代码格式化、安全命令拦截配置到 hooks.json 的 PreToolUse / PostToolUse 中；将每日构建巡检、周报素材汇总交给 /automation 定时任务去自动完成；
5. 复杂任务先 /grill-me 或 /plan，大工程交由 Subagents 并行：遇到跨模块大需求时，不再一上来就让 AI 盲目写代码，先用斜杠命令对齐设计方案，再让主 Agent 派生 research 与 self 子智能体多路并进。