← 返回全部情报
Google DeepMind 用 Antigravity「子代理团队」自动化 90% 评测对比:一次提出 100 个假设并行排查,再生成可交互报告 的封面

·YouTube·员工分享收录 2026-09-29

Google DeepMind 用 Antigravity「子代理团队」自动化 90% 评测对比:一次提出 100 个假设并行排查,再生成可交互报告

Antigravity子代理生成式 UISidecar评测自动化

一句话结论

Kevin Hou 的原则是「把球给梅西,然后让开」:产品要随模型能力一起变强。Antigravity 2.0 把 agent 管理器从 IDE 拆出,用 /teamwork 让 Gemini 3.5 Flash 带领动态生成的子代理团队;DeepMind 研究员只需加载技能文件、用自然语言提问,就把并排评测分析自动化了约 90%——主 agent 算出差异后派生 100 个假设各由一个子代理并行深挖,最后生成可筛选的交互式报告。

打开原文 YouTube|AI Engineer:Get Out of the Model's Way — Kevin Hou, Google Antigravity

背景与理念

这是 AI Engineer 频道 2026-09-27(美国时间,上海时间 9 月 28 日)上线的 AI Engineer World's Fair 演讲视频。讲者 Kevin Hou 在 Google DeepMind 负责 Antigravity 部分工程团队;Antigravity 是 Google 面向技术和非技术用户的 agent 编程产品,2025 年 11 月发布。他自 2022 年起做开发者工具,这是他第五次在该大会演讲。演讲开头用足球作比:第 89 分钟你手里有梅西,战术就是「把球给梅西,然后让开」——大模型不再是角色球员,只要产品搭对,它就是你的核心球员。他最看重的经验是「随智能扩展」:模型变好,产品也应该变好,前沿模型的能力应直接体现在用户体验里。

他回顾了开发工具的几代原语:2022 年是自动补全和聊天侧栏,依赖 embeddings、规则文件、语法树,几乎全是确定性逻辑;2024 年 agent 出现,带来 MCP、自定义工具、权限系统;2025 年 agent 管理器让用户并行管理多个 agent,带来 skills、hooks、artifacts。2026 年他押注的是 agent 团队(也可以叫 swarm 或软件工厂),对应三个新原语:子代理、生成式 UI、sidecar。他也讲了「拿走用户喜欢的东西」的代价:早年给 AI 终端权限、在 Windsurf 移除聊天侧栏都曾挨骂,但随着模型变强,事后证明方向正确。

具体做法

一、拆分产品。Antigravity 2.0 把 IDE 和 agent 管理器拆成两个独立应用。他的比喻是:IDE 之于 agent 管理器,就像调试器之于 IDE——不总需要,但需要深入一层时很有用。2.0 的管理界面包含子代理、各类新模型、worktrees、定时任务和语音模式。

二、/teamwork 智能体团队。用户输入 /teamwork 进入新模式,描述任务(越具体越好;信息不够时 agent 会反问直到清楚)。你与一个主 agent 协作,它管理任意规模的团队,按需生成前端、后端、基础设施、QA、设计等专门角色。每个子代理动态生成、独立运行,可以由主 agent 为其选择与自己不同的模型,可以运行在沙箱或远程执行环境中。他说因为 Antigravity 产品本身,Gemini 学会了如何管理一支 agent 团队;4 月发布的 Gemini 3.5 Flash 不只擅长执行任务,也擅长带团队,而且更快更便宜。进度可以用生成式 UI 按需呈现,例如问「我的任务状态如何?给我看个看板」,或者要一个类似 Chrome 调试器的时间线。

三、DeepMind 内部:自动化并排评测。他们有一个供研究员、工程师和非技术人员使用的内部版 Antigravity。并排评测(对照组与实验组各做多次 rollout,比较结果差异并找原因)过去需要大量 Jupyter 手工劳动。现在研究员用自然语言询问 agent 某个评测,agent 预先装载了技能并理解 Google 的巨型单体仓库,先算出差异;随后派生一个研究专家 agent,对差异可能的成因提出一百个假设,再为每个假设各开一个子代理并行深挖,汇总成一份报告;最后生成一个带下拉框、可筛选、可切分的交互式界面供研究员查看。按他的说法,「用户要做的只是加载一个技能文件,然后发问」,过去的手工流程现在只要几分钟。

四、Sidecar。这是 Antigravity 新的插件协议:一个长期运行的实用进程,负责「监听」,让模型能为外部事件设置自己的触发器,例如短信、webhook、cron、GitHub PR。Antigravity 的定时任务就是基于 sidecar 实现的,他表示规范会在之后公开。

五、生成式 UI。他认为人手写的专门界面「差不多死了」:Antigravity 上的 Gemini Flash 接近每秒 900 个 token,他称比许多前沿模型体验快 10 倍,几秒内就能把想法变成嵌在对话里的界面,直接内联渲染,而不依赖模板或 HTML 文件,可用于柱状图、表格等需要交互查看的数据。

关键数据/例子

  1. 从零构建一个能运行 Doom 的操作系统内核:93 个子代理、12 小时、15,000 次请求、20 亿 token,花费不到 1,000 美元。
  2. 用同一系统做了可在浏览器里编辑 RAW 照片的编辑器和一个消息应用,各用了数百个子代理、接近半天。
  3. DeepMind 研究员将并排评测工作流自动化了约 90%,单次分析提出 100 个假设并行验证。

创新点

第一,「主 agent 动态造子 agent」取代固定角色编排,连模型选择都交给主 agent。第二,把研究分析从「给我差异」推进到「提出大量假设并行证伪」,再用生成式 UI 交付可交互结果。第三,sidecar 把定时任务、webhook 等统一为一个通用监听原语。第四,产品原则明确:只加能随下一代模型变强的原语。信息缺口:视频上线于 2026-09-27(YouTube 官方数据),但演讲中称 Antigravity 2.0「上个月在 Google I/O」发布、sidecar 规范「今年夏天晚些时候」公开,说明演讲录制时间早于上线日期;本条依据 YouTube 视频简介与字幕。

可否复用

  1. 把「一次提很多假设、并行验证」用到你的分析工作:遇到数据异常或效果差异时,先让 agent 列出 20–100 个可能原因,再给每个原因开一个子任务去找证据,最后只汇总有证据支持的。
  2. 为你最常做的一类分析写一个技能文件(数据在哪、怎么算差异、报告格式),以后只需「加载技能 + 一句自然语言提问」就能复跑。
  3. 让报告以可交互页面交付:要求 agent 生成带筛选和排序的单页 HTML(放在本地工作目录或在线文档里),而不是一大段 Markdown。
  4. 大任务试一次「主 agent + 动态子 agent」:给主 agent 总目标和预算上限(子 agent 数量、总 token 或金额),让它自行拆角色、为简单子任务选便宜模型,事后看账单和质量。
  5. 把定时和事件触发统一管理:像 sidecar 一样,为你的 agent 维护一个「触发器清单」(每日定时、某表格新增行、某群出现关键词),每个触发器对应一个固定技能。

笔记会在输入时自动保存。