Google Antigravity:构建持久智能体系统

Alex Astrum 在这篇文章里提出一个判断:prompt engineering 的重心已经从单个任务转向系统设计,模型之外的那套 harness 才是软件工程里的主要约束。他的目标是教读者如何把一次性的指令变成可持续运行的 agentic loop,并用 Google Antigravity 作为落地工具。

他把交给 agent 的工作分成五个层级:简单问题不需要 agent;任务或想法可以用单个 prompt 零样本解决;应用或大型功能需要循环和完整 agent,执行前先锁定规格、计划和可执行测试;项目或 epic 需要超越简单轮次提示;系统级则要写 AGENTS.md、建 skills、配 sidecars、设置验证门和仪表盘。循环在层级越高时收益越大,风险也越高。

为什么需要循环?因为注意力成为新的瓶颈。文章引用开源项目研究:到 2026 年初,GitHub 上超过 128,000 个活跃仓库中,coding agent 采用率已达 22% 到 29%。学术源头是 ReAct 论文(2022 年 10 月),它把推理轨迹和工具调用交错,在 ALFWorld 上比强化学习基线高 34%,在 WebShop 上高 10%。早期 ReAct 常陷入无限循环;AutoGPT 在 2023 年初获得大量融资,但同样说明需要结构护栏。

核心数学很直接:如果一步成功率是 p,N 步串联的成功率是 p^N。假设 p=0.95,20 步连续修改后成功率只剩 36%。作者强调 0.95 是说明性数字,不是基准结果。要改变局面,需要验证循环:验证门不应当让 agent 无限重试,而应定位错误并允许一次针对性重试。若基础准确率 95%,检查并修复错误也有 95% 概率,这一步的有效成功率变成 0.95 + 0.05 × 0.95 = 99.75%。关键是检查必须独立于 worker,编译器、测试套件和 linter 天然满足;对语义判断,可以配对不同模型家族的评审,避免盲区。作者给出的表格显示,3 步时原始链成功率 86%、修正循环 99%;20 步时从 36% 提到 95%;50 步时原始链只有 8%,修正循环仍有 88%。

上下文膨胀也是约束。如果每步增加约 1% 的 token 上下文,50 步左右就需要压缩。所以要把问题分解成小任务,每层 agent 的轨迹控制在 20步 以内,再设监督层合并成果,并为每一层建立独立评估和最终验收标准。先在小规模验证指标,再上高层自动化。实际数字会不同,但扩展规律类似。

构建持久系统需要几个支柱:Git-backed 检查点提供持久状态;自动化测试套件和编译器作为验证门,准确率可超过 95%,且规则要写明:agent 不能通过删除或削弱测试来过关;不能确定性验证的重要事项要有 eval,尽量写成简单是/否,准确率目标 95% 以上;停止条件包括轮次上限(20 步是甜蜜点)和 token/金额成本上限;可复用技能用 SKILL.md 记录,AGENTS.md 保存每次运行都加载的项目不变量。技能留在磁盘上,直到描述匹配任务才加载,以节省上下文。

作者强调,这些支柱不绑定具体模型版本,而绑定模型家族。模型版本几周就换,真正保值的资产是 harness:AGENTS.md、SKILL.md、隔离的 Cloud Run 沙箱、确定性检查、跨模型评审。每次运行失败,除了修代码还要修补 harness,下轮运行会自动继承教训。

平台方面,Google Antigravity 把这些模式内建为 /grill-me 和 /goal 等原语。作者用 /grill-me 做交互式访谈,锁定设计约束、不变量和测试,再用 /goal 跑多轮任务。DIY 方面,无状态循环的例子是 Geoffrey Huntley 的 Ralph 五行使,但它对多文件协调很脆弱,会丢失思考日志。更完整的自定义循环可以用 Antigravity SDK 写 Python:初始化 supervisor session、执行任务、用真实测试套件验证、把失败信息喂回去做一次针对性重试、严格执行调用和 token 预算。其中 supervisor 和实现者用 Gemini 4 Carbon,代码库搜索用 Gemini 4 Hydrogen,验证用零 token 的确定性脚本。示例预算为 max_model_calls=20(软限制)、max_total_tokens=200,000 成本上限、max_retries=1,超限就停并交给人类。如果不想自建,可以用托管版 Antigravity Agent 在隔离的 Google Cloud sandbox 里跑。

最后,没有人机签字权的循环没有价值。作者建议从内部观察每个循环,逐步建立信心,再往上一层推进。这是学习 agent 弱点和改进流程的唯一方式。

How to Build Durable Agentic Systems with Google Antigravity: From Instructions to Loops

查看原文