随着“智能体优先”的AI新时代到来，开发者们正在寻求能够真正理解代码生成背后独特过程的新工具，而非仅仅被动地生成代码。谷歌Antigravity正是在此背景下应运而生，它为构建高度可定制化的AI智能体提供了关键能力。本文将深入解析其核心的三大概念：规则、技能和工作流，并演示如何将它们协同起来，构建更强大的智能体和高效的自动化流水线。具体而言，我们将逐步配置一个基于Antigravity的Python代码质量保证（QA）智能体工作流，实现代码的审查、格式化和测试生成。
在开始实践之前，我们首先需要理解Google Antigravity生态系统中的三个核心要素：
- 规则（Rule）: 这些是定义智能体行为的基线约束，以及如何使其适应我们的技术栈并匹配我们的风格。它们以Markdown文件的形式存储。
- 技能（Skill）: 技能可被视为一个可重用的知识包，指导智能体如何处理一个具体的任务。它们被分配在一个专门的文件夹中，其中包含一个名为
SKILL.md的文件。 - 工作流（Workflow）: 工作流是整合所有元素的编排器。它们通过以斜杠开头的命令式指令（例如
/deploy）来调用。简而言之，工作流引导智能体通过一个结构良好、包含多个步骤的行动计划或轨迹，这是实现重复任务精确自动化的关键。
现在，让我们进入实际操作示例。我们将演示如何配置Antigravity来审查Python代码、应用正确的格式化并生成测试——所有这些都无需依赖额外的第三方工具。在执行这些步骤之前，请确保您已在计算机上下载并安装了Google Antigravity。
安装完成后，打开桌面应用程序并加载您的Python项目文件夹。如果您是首次使用该工具，系统会提示您定义一个计算机文件系统中的文件夹作为项目文件夹。无论如何，手动将现有文件夹添加到Antigravity的方法是通过顶部菜单栏中的“File >> Add Folder to Workspace...”选项。
假设您有一个新的、空的Workspace文件夹。在项目目录的根目录（左侧面板），创建一个新文件夹并将其命名为.agents。在这个文件夹内部，我们将创建两个子文件夹：一个名为rules，一个名为skills。您可能会猜到，这两个文件夹正是我们将定义智能体行为的两个支柱：规则和技能。接下来，我们将首先定义一个规则，其中包含确保智能体遵循Python格式标准的基线约束。