利用Google Antigravity技能和工作流构建更优秀的AI智能体

› 论坛 › 数据科学与人工智能 › 人工智能

AIU人工智能学院

179

收藏 2026-04-09

引言

你很可能已经感受到，全新的“智能体优先”人工智能时代已经到来——开发者开始使用新工具，这些工具不仅能被动生成代码，还能真正理解代码生成背后的独特流程。

Google Antigravity在这一领域有着重要的话语权。这款工具是构建高度可定制智能体的关键。本文将通过揭秘三个核心概念——规则、技能和工作流，展现其部分潜力。

在本文中，你将学习如何将这些关键概念结合起来，构建更稳健的智能体和强大的自动化流水线。具体来说，我们将逐步演示如何基于指定的规则和技能，搭建一个代码质量保证（QA）智能体工作流。现在就开始吧！

理解三个核心概念

在动手操作之前，我们先拆解Google Antigravity生态系统中的以下三个核心元素：

规则（Rule）：作为指导智能体行为的基准约束，同时规定了智能体如何适配我们的技术栈并匹配我们的编码风格。规则以markdown文件形式存储。
技能（Skill）：可将技能视为一个可复用的包，包含指导智能体如何处理具体任务的知识。技能存放在一个专用文件夹中，该文件夹内必须包含一个名为SKILL.md的文件。
工作流（Workflow）：负责将所有元素整合在一起的协调器。工作流通过以斜杠开头的命令式指令调用，例如/deploy。简单来说，工作流引导智能体遵循一个结构清晰、包含多个步骤的行动计划或路径。这是在不损失精度的前提下自动化重复任务的关键。

动手实操

接下来我们进行实操演示。我们将展示如何配置Antigravity，使其能够审查Python代码、应用正确的格式并生成测试——全程无需额外的第三方工具。

在执行以下步骤之前，请确保你已在电脑上下载并安装了Google Antigravity。

安装完成后，打开桌面应用并打开你的Python项目文件夹——如果你是首次使用该工具，系统会要求你在电脑文件系统中指定一个文件夹作为项目文件夹。无论如何，将手动创建的文件夹添加到Antigravity的方法是：通过上方菜单栏的“文件 >> 将文件夹添加到工作区...”选项。

假设你有一个新的空工作区文件夹。在项目目录的根目录（左侧），创建一个新文件夹并命名为.agents。在这个文件夹内，我们将创建两个子文件夹：一个名为rules（规则），另一个名为skills（技能）。你可能已经猜到，这两个文件夹将分别用于定义智能体行为的两大支柱：规则和技能。

我们先定义一个规则，包含确保智能体遵循Python格式标准的基准约束。无需复杂的语法：在Antigravity中，我们可以用自然语言编写清晰的指令来定义规则。在rules子文件夹内，创建一个名为python-style.md的文件，并粘贴以下内容：

# Python 风格规则
始终遵循PEP 8标准。在提供或重构代码时，默认使用`black`工具进行格式化。严格限制依赖项为免费开源库，确保我们的项目保持开源友好。

如果想确保规则生效，可打开编辑器右侧激活的智能体自定义面板，找到并选择我们刚刚定义的规则：

自定义选项将出现在我们刚刚编辑的文件上方。将激活模式设置为“glob”，并指定glob模式：**/*.py，如下所示：

这样一来，我们就确保了后续启动的智能体在处理Python脚本时，始终会应用我们定义的规则。

接下来，是时候为智能体定义（或“教授”）一些技能了。我们将教授智能体对Python代码执行稳健测试的技能——这在当今要求严苛的软件开发环境中极为实用。在skills子文件夹内，创建一个名为pytest-generator的文件夹。在该文件夹内创建一个SKILL.md文件，内容如下：

现在，我们可以将所有元素整合起来并启动智能体，但在此之前，我们需要在项目工作区内准备一个包含“低质量”代码的示例Python文件，以便进行测试。如果没有现成的文件，可以创建一个新的.py文件，在根目录命名为flawed_division.py，并添加以下代码：

def divide_numbers( x,y ):
  return x/y

你可能已经注意到，这段Python代码是故意写得杂乱且有缺陷的。让我们看看我们的智能体能做些什么。打开右侧的自定义面板，这次重点关注“工作流”导航栏。点击“+工作区”创建一个新的工作流，命名为qa-check，内容如下：

# 标题：Python QA检查
# 描述：自动化Python文件的代码审查和测试生成。

步骤1：按照我们的Python风格规则，审查当前打开的Python文件，检查漏洞和风格问题。
步骤2：重构任何低效代码。
步骤3：调用`pytest-generator`技能，为重构后的代码编写全面的单元测试。
步骤4：输出最终的测试代码，并建议在终端中运行`pytest`。

当智能体将所有这些部分整合在一起时，整个开发流程将发生转变。保持工作区内的杂乱Python文件处于打开状态，我们点击右侧面板中的智能体图标，输入qa-check命令，按回车键运行智能体：

执行完成后，智能体将审查代码，并在Python文件中自动建议一个新版本，如下所示：

但这还不是全部：智能体还会生成一系列代码片段，用于通过pytest运行不同类型的测试，实现我们所需的全面质量检查。为了便于说明，以下是部分测试代码的示例：

import pytest
from flawed_division import divide_numbers

def test_divide_numbers_normal():
    assert divide_numbers(10, 2) == 5.0
    assert divide_numbers(9, 3) == 3.0

def test_divide_numbers_negative():
    assert divide_numbers(-10, 2) == -5.0
    assert divide_numbers(10, -2) == -5.0
    assert divide_numbers(-10, -2) == 5.0

def test_divide_numbers_float():
    assert divide_numbers(5.0, 2.0) == 2.5

def test_divide_numbers_zero_numerator():
    assert divide_numbers(0, 5) == 0.0

def test_divide_numbers_zero_denominator():
    with pytest.raises(ValueError, match="Cannot divide by zero"):
        divide_numbers(10, 0)