Antigravity 动态工作流上手:让 Agent 写脚本派活

让一个 Agent 挨个审 40 个改动文件,上下文很快就被文件内容和测试日志塞满,后面几个文件越审越敷衍。Google Antigravity 新上的 Dynamic Workflows(命令 /run-workflow)换了个做法:主 Agent 先写一段 Python 脚本,由脚本去开一批子 Agent,并行或按顺序跑,每个子 Agent 按 JSON Schema 交回一份结构化结果。这篇按官方文档讲清它怎么用、脚本里有哪些积木、权限怎么批,以及什么时候该换 /swarm。
前置条件
- Antigravity App 或 Antigravity CLI,账号是 Google AI Pro 或 Google AI Ultra 订阅(官方文档写明这两档可用)。
- 一个 Git 仓库。要让多个子 Agent 同时改代码,最好用 Git 管理,后面会用到 worktree 隔离。
- 不需要自己装 Python:Antigravity 自带一份给工作流用的 Python,第一次运行时解压,会多等一会儿。
它解决的是「一条长对话审不完」的问题
普通对话里,Agent 每读一个文件、每跑一次测试,输出都留在上下文里。任务一拆成几十份,前面的噪音会拖累后面的判断。动态工作流把这些活分给独立的子 Agent,每个子 Agent 有自己的对话,读文件、搜索、看测试日志都发生在它自己那里,最后只交回一个符合 Schema 的结果。主对话只收到日志和汇总,保持干净。
控制流写在脚本里,和「让 Agent 自己决定下一步」很不一样:先发现、再审查、再修复、再复核,顺序是固定的,不会因为某一步聊偏了就漏掉后面的环节。官方给的适用场景是两类:一类是能拆成很多独立小块的任务(每个改动文件一次审查、每个包一次审计);另一类是分阶段的任务(先写一个失败的测试,再改代码让它通过)。
子 Agent 看不到脚本,也看不到彼此,所以每个子 Agent 需要的信息都要写进它自己的提示词里。
第一步:发起一个工作流
在任意对话里输入 /run-work 按 Tab 补全命令,再写任务。官方示例:
/run-workflow List the Python files changed since main, then review each file in parallel for unhandled exceptions using the flash model, and log a one-line verdict per file.
也可以直接用自然语言说「跑一个工作流,并行审计每个包」。接下来会发生四件事:
- Agent 读取内置的
run-workflowSkill,为你的任务写一段 Python 脚本; - Antigravity 把脚本弹出来问你是否允许运行(权限预设已放行的除外,比如 Turbo)。想改方案就选 No,告诉 Agent 哪里要调;
- 工作流在后台跑,你可以继续在同一个对话里干别的,界面会显示当前阶段、日志和每个子 Agent 的卡片;
- 脚本跑完,主 Agent 拿到日志和输出,给你写总结。
在 CLI 里,状态行会显示 1 task(s) · /tasks,按 Ctrl+O 展开阶段树;某个子 Agent 在等批准时,Alt+J 跳过去,或者 Ctrl+K 在主对话里直接批。想中途停掉,停止父对话即可,所有子 Agent 会一起停。
第二步:看懂脚本,再决定批不批
你不用会写 Python,但审脚本时得看懂它要干什么。官方示例脚本是这样的:
phase("Discover")
files = await agent(
"List the Python files changed since main. Paths only.",
schema={"type": "array", "items": {"type": "string"}},
)
phase("Review")
reviews = await parallel(
files,
lambda f: agent(
f"Review {f} for unhandled exceptions. Reply with a one-line verdict.",
schema={"type": "string"},
role=f"Review {f}",
model="flash",
),
)
for r in reviews:
log(r)
脚本里能用的积木不多,一张表就能记住:
| 积木 | 作用 | 审脚本时看什么 |
|---|---|---|
phase(name) | 开一个命名阶段,之后的日志和子 Agent 卡片都归到这一段 | 阶段顺序是否符合你的预期 |
agent(prompt, schema, role, type_name, workspace, model) | 定义一个子 Agent;await agent(...) 跑一次,先赋值再多次 await a(...) 就是多轮对话 | 提示词是否给足信息、Schema 是否够窄 |
parallel(items, fn) | 每个元素同时跑一个,结果按原顺序返回;有一个失败,其余会被取消 | 任务之间是否真的互不干扰 |
pipeline(items, fn) | 一次只跑一个,按顺序返回 | 会碰同一批文件或同一套测试时用它 |
log(*args) | 写一行日志,也会进入主 Agent 收到的结果 | 汇总信息够不够你判断 |
args / WORKSPACES | 传给脚本的参数、工作区目录(脚本在主工作区运行) | 路径是否指向对的仓库 |
Schema 是子 Agent 交结果的格式约束:子 Agent 通过一个 finish 工具提交,工具会按 Schema 校验,脚本拿到的是解析好的值。只要一句话结论就用 {"type": "string"},要列表就用 array,后面的代码才好写 if/else。
第三步:按任务挑模型档位和工作区
写提示词时可以直接要求 Agent 调整这三个参数:
- model:默认继承当前对话的模型。量大、判断简单的检查(几十个文件逐个扫一遍)可以要
flash_lite或flash;需要深推理的用pro。档位不可用时子 Agent 会报错并列出可选值。 - type_name:默认
self,沿用当前 Agent 的配置和工具;只读调研可以用内置的research;也可以填你自定义的子 Agent 名字。 - workspace:默认
inherit,和你共用当前工作区;branch给每个子 Agent 一个独立的 Git worktree,并行改代码时用它;share给每个子 Agent 一份新的工作副本,底层共用仓库存储。
官方的几个示例提示词可以直接改了用:
# 审查 → 并行修复 → 原审查员复核
/run-workflow Have a persistent Reviewer agent list the bugs in src/billing, fan out one Fixer agent per bug in parallel, and then ask the same Reviewer to confirm that every bug it found is fixed.
# 每个包一个隔离分支,替换旧接口并跑测试
/run-workflow For each package under packages/, start one agent in an isolated branch workspace to replace the deprecated request() helper with fetchJson(), run npm test in that package, and log a diff summary and the test result.
# 一个 bug 一个 bug 来:先写失败测试,再修
/run-workflow Process BUG-1.md and BUG-2.md one at a time: for each bug, have one agent write a failing pytest test and a second agent fix the code until the new test passes.
第一个例子用到了多轮子 Agent:找出 bug 的那个审查员,最后再被叫回来确认 bug 是否真修好了,它手里有自己当初的笔记,比换一个新 Agent 复核更靠谱。
第四步:把好用的脚本存下来重跑
同一类检查要反复跑(比如每次提 PR 前审一遍改动文件),就别让 Agent 每次重写脚本。让它把跑通的脚本存成仓库里的 .py 文件,下次这样调用:
/run-workflow Run scripts/review-changes.py
存下来的脚本可以进代码审查,团队里每个人跑的是同一套流程。每次运行仍然会弹审批,除非你选了总是允许。如果脚本要用到你自己装的 Python 包,设置环境变量 ANTIGRAVITY_PYTHON 指向那个解释器(需要 Python 3.8 及以上)。
常见坑
- 以为批了脚本就全放行了。审批只覆盖那一份脚本,命令前缀白名单管不到 Python 脚本。脚本启动的每个子 Agent 还会按你的权限预设,在它自己的对话里单独请求批准,没人点就一直等着。跑长任务前先想好哪些操作会卡住。
- parallel 里混进了互相依赖的任务。
parallel里一个失败,其他的会被取消;几个子 Agent 同时改同一个文件或同一套测试,结果也会互相覆盖。碰共享文件的用pipeline,要并行改代码就加workspace="branch"。 - 子 Agent 提示词写得太省。子 Agent 看不到主对话,也看不到脚本里其他子 Agent 的结果。脚本里要把路径、检查标准、输出格式都写进它的提示词,Schema 越窄,汇总越好做。
- macOS 上环境变量不生效。从程序坞打开的 Antigravity App 读不到你 shell 里设置的变量,靠
ANTIGRAVITY_PYTHON指定解释器时要留意这一点。
什么时候不用工作流
Antigravity 里拆分任务的方式有好几种,官方文档给了一张选择表,整理如下:
| 方式 | 适合 |
|---|---|
| Orchestrator | 一个对话里,前沿模型(Gemini 4 Carbon 或 Argon)负责规划和审查,常规工具调用交给 Gemini 4 Hydrogen |
| 子 Agent | 委派单个任务(查个问题、跑个构建),你继续干活 |
/run-workflow | 同一检查跑一批文件、分阶段步骤、审查加修复循环,子 Agent 只向脚本交结果 |
/swarm | 几个 Agent 在共享留言板上直接协作,商量接口、互审 diff |
/boost | 难缠的 bug、竞态、算法,需要深度推理和独立验证 |
/teamwork | 多里程碑的大项目,从需求访谈开始 |
判断标准很简单:子 Agent 之间需要边干边沟通,就用 /swarm;各干各的、只向上交结果,就用工作流。站内的 子 Agent 用新上下文还是 fork 讲过另一个维度的取舍,可以一起看。
完成标准
- 能用
/run-workflow发起一个「发现 → 并行审查」的两阶段工作流,并在批准前读懂脚本; - 知道什么时候加
model="flash"、什么时候加workspace="branch"; - 仓库里存了至少一个可复用的工作流脚本,能用一句话重跑;
- 遇到子 Agent 要互相协调的任务,会换成
/swarm。
最后
先挑一个你每周都要做的重复检查,比如「审一遍这周改过的文件有没有漏掉错误处理」,用 /run-workflow 跑一次,跑通了就存成脚本放进仓库。