Google Antigravity中文教程：从AI代理入门到实战上线的完整路线

1. Google Antigravity 是什么，为什么值得专门找一套中文教程

1.1 一句话理解 Antigravity：给 AI “打工”的平台

前阵子我想做一个能自动处理客户询盘、整理询价单、再顺手把结果同步到表格里的 AI 代理，结果搜索资料时被各种英文文档和零散视频折磨得够呛。后来机缘巧合刷到了一套 26 篇的 Google Antigravity 中文指南，才算是把这条学习曲线给真正理顺了。

先给还不熟悉的朋友快速扫个盲。Google Antigravity 是 Google 在 2025 年推出的 AI 代理开发平台，它的前身叫 World Agents，后来在开发者大会上正式更名为 Antigravity。你可以把它理解成一个“用大白话指挥 AI 干活”的生产平台：在控制台里用自然语言描述你要做的自动化任务，平台会自动帮你组装模型、编排流程、配置工具，最后直接把一个可以调用的 AI agent 部署上线。

这么说吧，传统开发 AI 应用，你需要写代码、调 API、拼 prompt、自己管上下文、自己处理工具调用；Antigravity 做的事情，就是把这一整套从“需求描述”到“可用代理”的过程高度产品化。你在界面上写清楚“我要一个客服机器人，能查订单、能退换货引导、回答不了就转人工”，剩下的代理构建、模型选择、部署环境，平台帮你安排得明明白白。

1.2 官方文档不“亲民”，中文教程的价值到底在哪

Antigravity 刚出来那阵子，我第一反应也是看不看官方文档就够了。结果打开官方文档才发现，信息密度虽然高，但对新手实在不友好：英文术语一长串，示例代码默认你会很多东西，而且平台更新速度极快，三月份看的截图，四月份界面就已经换了。

更要命的是，中文社区当时的系统性资料少得可怜。你搜到的内容要么是几篇赶工出来的新闻稿，要么是拿旧版本界面录的视频，很多功能路径对不上，一个按钮找不到就能卡半小时。这套 26 篇合集的亮点在于“精校”这两个字——它不是把英文文档机翻一遍，而是按照实际界面、实际版本逐步操作验证过的中文指南。

用一位群友的话说：看官方文档像在翻字典，看这套教程像有人手把手带你走了一遍工地。对于以中文为母语、又不甘心只看二手资讯的开发者、产品经理和自动化爱好者来说，这套东西确实把门槛打下来了。

1.3 这套 26 篇合集到底适合谁来学

先说结论，这套教程不是“零基础编程小白也能 3 天精通 AI”的鸡汤课，但也不是只有资深工程师才看得懂的天书。根据我自己的阅读体验，这三类人收益最大：

• 有 Python 或 JavaScript 基础、想快速上手 AI 代理开发的程序员。你能在最短时间内搞清楚 Antigravity 的设计理念和核心操作，避开自己啃英文文档的时间成本。
• 产品经理和业务负责人。你需要理解 AI 代理的能力边界，知道什么需求适合做成 agent、什么需求现阶段还不靠谱，这套教程里的实战案例刚好能帮你建立手感。
• 被碎片化内容折磨过的自学者。如果你之前囤了一堆教程，看完还是不会搭一个能跑的 agent，那这套按主线推进的 26 篇结构，就是一条清晰的“主线任务”列表。

2. 26 篇教程的架构拆解：从新手村到版本答案

2.1 全局视角：四阶段学习路线

拿到这套教程之后，我做的第一件事是先把目录过了一遍。26 篇不是零散拼凑的，而是一条明显的进阶线：

• 第 1 至 5 篇：平台认知与准备阶段。讲清楚 Antigravity 是什么、控制台怎么注册、界面怎么布局、基本概念术语，以及如何跑通第一个最简单的“Hello Agent”。
• 第 6 至 13 篇：核心功能实操阶段。逐个拆解代理构建器、模型选择、工具调用、知识库接入、多轮记忆、日志查看等核心能力。
• 第 14 至 21 篇：场景化实战阶段。用客服机器人、内容聚合器、数据处理工作流、企业内部问答机器人等真实案例，教你怎么把功能组合起来。
• 第 22 至 26 篇：进阶调优与发布阶段。覆盖成本控制、权限管理、版本迭代、性能监控，以及怎么把做好的 agent 部署到生产环境。

这个路线最大的好处是，每篇之间都有明确的递进关系。你不需要自己纠结下一步该学什么，跟着顺序走就行，这种“傻瓜式主线”对新手极其友好。

2.2 前 5 篇：别急着写代码，先把平台逻辑吃透

很多人学新平台有个坏习惯，上来就想搞个大项目，结果基础概念没搞懂，后面每一步都在踩坑。这套教程的前 5 篇，我建议哪怕你自认为经验丰富，也不要完全跳过，尤其是第 3 篇关于“代理与工作流”概念的讲解。

Antigravity 和传统编程最大的区别在于，你的“代码”很大程度是自然语言描述。这意味着平台内置的代理构建器、模型路由、工具注册表这些底层设计逻辑，决定了你能做出什么东西、做出来的东西有多稳定。教程第 2 篇用一张控制台界面截图逐步拆解了左侧导航各模块的作用，说实话，比我当时对着英文界面瞎猜高效了不知道多少倍。

这个阶段每篇阅读加操作时长大概控制在 40 分钟左右。看完之后你要达到的效果是：能说清楚 Agent、Model、Tool、Memory 这几个核心概念的关系，并能默写出一段最简单的中文 agent 描述。

2.3 第 6 至 13 篇：核心功能逐个击破，建立“武器库”

这个阶段是整套教程的精华所在。第 6 篇教你用代理构建器创建第一个真正意义上的自定义 agent，第 7 篇讲的是怎么在 agent 里接上 Google 搜索、代码解释器等内置工具，第 8 篇专门讲知识库：把你的 PDF、网页文档喂给 agent，让它回答私有领域的问题。

我当时最头疼的其实是第 10 篇讲的多轮对话记忆机制。因为 Antigravity 里的 agent 默认是有上下文窗口限制的，你要清楚哪些信息会被带进下一轮、哪些会被遗忘，否则做出来的客服机器人聊到第三句话就“失忆”。教程里用了一个很通俗的类比：给 agent 设置记忆就像给人配了个速记员，记什么不记什么得提前约定好。

从第 11 篇开始，视野转向更工程化的东西：如何查看 agent 执行日志、如何调试 prompt、如何用小样本学习的方式调教 agent。多花点时间在这里，后面做复杂项目时会非常省心。

2.4 第 14 至 26 篇：实战和上线，才是真正的试金石

到了第三、四阶段，教程开始告诉你“组合拳”怎么打。比如第 15 篇做一个客服工单自动分类 agent，需要同时用到知识库、工具调用和结构化输出；第 18 篇做一个定时抓取行业资讯的 agent，需要用到触发器、外部 API 和通知集成；第 21 篇做企业内部 HR 问答机器人，涉及权限控制和私有数据隔离。

最后 5 篇更偏“运维视角”。第 23 篇讲如何评估 agent 的 token 消耗并控制成本，第 24 篇讲发布到生产环境前要检查哪些配置，第 25 篇讲版本迭代时如何避免旧版行为漂移。这些内容在绝大多数碎片化的网络教程里都是看不到的，真正的项目经验和“能跑就行”就差在这层细节上。

3. 我在实操中反复回看的核心细节

3.1 自然语言描述 agent 时，模板比文采重要

Antigravity 的核心交互方式，就是你用中文（或其他自然语言）描述你想要一个什么样的代理。但很多新手第一次写出来的描述像发朋友圈，信息太散，生成的 agent 行为也飘忽不定。

我对照着教程第 6 篇的建议，整理出了一个我一直在用的描述公式：角色定义 + 任务目标 + 使用工具 + 输出格式 + 限制条件。拿我做的询盘处理 agent举例，我是这么写的：

你是一个外贸业务助理。你的任务是阅读客户发来的询盘邮件，提取产品型号、数量、目标港口和期望交期。你可以调用搜索工具验证公司名是否存在。输出格式为 JSON，包含 product、quantity、port、lead_time、company_valid 五个字段。如果信息缺失，输出时将该字段置为空字符串，不要编造。

这段描述换成大白话之后，生成的 agent 行为明显比“帮我处理询盘邮件”这种写法稳定得多。教程里管这叫“结构化自然语言”，本质上就是把你脑子里的业务逻辑，完整地翻译给平台听。

3.2 工具调用：搜索和代码执行器不是摆设

Antigravity 内置的工具集，我最常用的是 Google 搜索工具和代码执行器。前者让 agent 能实时联网验证信息，后者让 agent 能跑一段 Python 做数据处理。教程第 7 篇对工具调用的配置讲得很细，尤其是“何时触发工具”这个关键配置。

一开始我做的 agent 不管用户问什么都会先去搜索，浪费了不少请求，响应也慢。后来按教程里教的，在描述里给工具调用加了“前置条件”：只有需要实时信息时，才调用搜索工具；只有需要进行数学计算或数据清洗时，才调用代码执行器。

实际测试下来，加了条件定义之后，agent 的返回速度和准确率都有明显提升。这块经验属于文档里不一定写得透、但实操里特别关键的那种。

3.3 知识库接入：不是把文档丢进去就完事了

做企业问答机器人，知识库是绕不开的一环。Antigravity 支持上传文档、网页内容作为 agent 的知识来源，但教程第 8 篇特别强调了一个容易忽略的点：文档的质量直接影响检索质量。

如果你把一份排版混乱、章节缺失的 PDF 直接丢进去，agent 检索出来的上下文大概率也是乱的。我的做法是：上传前先把文档转成干净的 Markdown 格式，按业务模块拆分，每个模块控制在 2000 字以内，文件名用有业务含义的命名方式。这样做之后，检索准确率肉眼可见地提高了。

还有一个细节是定期更新。很多企业内部资料变动频繁，如果知识库里的信息过期了，agent 就会一本正经地给出过时答案。教程里建议给知识库设置更新提醒，或者干脆做成定时自动重新导入，这一点我在实际维护中深有体会。

3.4 日志和调试：别靠猜，看执行轨迹最直接

Agent 不听话的时候，绝大多数问题都能靠看执行日志定位。Antigravity 的调试面板里能看到 agent 每一步的思考过程、模型调用记录、工具返回结果和耗时。教程第 11 篇专门教了怎么看懂这些日志。

我说一个自己踩过的坑。有次我做的 agent 在回答客户问题时，突然多出两句莫名其妙的内容，一开始我以为模型抽风，后来翻日志才发现，是因为我上传的知识库文档里本身就带了一段营销话术模板，agent 检索到之后当成回答素材给用了。这种问题如果不去看执行轨迹，光靠反复调 prompt 是解决不了的。

所以我的经验是：当你觉得“agent 怎么这么蠢”的时候，先别急着骂，打开执行日志，看看它每一步做了什么，很多时候一眼就能锁定问题环节。

4. 新手最容易踩的坑，我帮你提前踩过了

4.1 环境准备阶段的坑：账号权限和配额要提前确认

入门阶段最常见的卡点不是操作，而是权限。Antigravity 的某些功能，比如创建自定义工具、接入外部 API，对账号的权限层级有要求。教程第 1 篇特意提醒了这一点，但还是有群友不看，非等做到第 15 篇实战项目时才发现功能入口是灰的。

另外要留意平台的数据处理配额。免费层级的请求次数有限，如果你照着教程把每一个示例 agent 都跑了一遍，很可能会在某一篇的中间突然遇到调用额度超限的错误。建议在阅读第 14 篇之前，提前检查一下自己的配额余量，该升级就升级，别让额度问题打断学习节奏。

4.2 效果翻车的坑：工具没生效和记忆丢失

我统计了一下，在实操过程中大家反馈最多的问题集中在两类。

一类是工具调用没生效。你明明在描述里写了可以搜索，但 agent 就是不搜。出现这种问题，先看两处：第一，初学者容易把“搜索”写在限制条件里而不写在允许使用的工具里，导致 agent 不敢用；第二，有些内置工具需要你在代理构建器里显式添加，不是写了自然语言描述就自动挂载的。教程第 7 篇针对这个有详细的检查清单。

另一类是记忆丢失。你发现 agent 聊着聊着就忘了用户早前提供的信息。这在 Antigravity 里通常不是 bug，而是上下文管理策略的问题。你要么在描述里明确让 agent 记录关键信息，要么开启平台提供的持久化记忆功能。教程第 10 篇给出了两种方案的具体配置路径，建议把这篇文章单独收藏。

4.3 成本失控的坑：模型选型不是越贵越好

Antigravity 底层接入的是 Gemini 系列模型，不同档位的模型能力差异大，价格差异更大。教程第 23 篇给了非常实用的选型建议，核心思想是“按任务复杂度匹配模型”。

我做了一个小测试表：

很多人习惯一上来就用最强模型，觉得效果肯定更好。但在高并发场景下，这不仅烧钱，响应速度还可能拖后腿。按教程建议，我给每个 agent 都设置了两套模型方案：日常流量走均衡档，复杂问题再降级或升级策略处理，成本能省下一大截。

4.4 信息时效性的坑：教程也有版本，注意对照日期

最后提醒一点，AI 工具的迭代速度快到吓人。这套 26 篇教程在编写时已经做了精校，但你在学习时，页面布局或功能名称仍然可能和我写这篇文章时有出入。

我个人的习惯是，遇到功能入口对不上的情况，先看教程页面上标注的版本日期，然后去官方更新日志里确认最新的改动。不要因为一个按钮位置变了就怀疑整篇教程的价值，核心逻辑和设计思想通常是不会三天两头变来变去的。

5. 怎么把 26 篇教程真正“榨干”，我的学习建议

5.1 边看边搭，27 天完成一个小闭环

我给自己的工作流是每天只推进一篇，学完当天立刻把示例操作完整跑一遍，哪怕只是把示例复制过去运行也没有关系。这一步看起来笨，但实际收益极大：你是在用肌肉记忆对抗遗忘曲线。

完整跑完 26 篇大概花了我四周多一点的时间。第四周结束时，我已经独立做出了一个能自动抓取行业新闻、生成摘要并推送到群里的小 agent。虽然它还很粗糙，但从 0 到 1 的完整链路通了，后面做任何复杂项目都有底了。

5.2 建立自己的速查笔记和最小模板

学习过程中，别光收藏文章，一定要做自己的速查笔记。比如我记录了“创建 agent 的标准流程”“工具启用的检查清单”“知识库上传前的清理三步”“部署前的 8 项检查”等等。甚至把它压缩成了一张 A4 纸的“最短操作路径”。

这张纸后来作用远超预期。每次新建一个 agent，我都照着这个模板快速搞定。遇到异常，直接回到对应的教程章节定位问题。如果你不想做笔记，至少把每篇教程末尾的“常见问题”部分摘出来，存在一个文件里，这就是你自己的知识库基础版。

5.3 这套教程的在线学习地址在哪

关于在线学习入口，其实不需要我贴一个具体的网址，原因很简单：这类平台的入口和官方文档地址会随产品版本而变化，直接分享出来的链接没过多久可能就会失效。

我更推荐的做法是：搜索“Google Antigravity 官方控制台”进入平台首页，然后到官方文档站点的 Guides 板块阅读最新版英文文档；而这套 26 篇中文指南，你可以重点关注发布页里的资料包，一般会配套提供 Markdown 版合集和视频索引。哪怕链接有更新，按“26篇 + Antigravity + 中文合集”这几个关键词也能重新找到。

5.4 要不要报了培训班才敢开始？完全不需要

看到这里你可能还有一个疑问：AI 代理开发这么新，要不要先报个班学学？我的看法是，完全可以不报。平台本身就是用自然语言交互，英文文档没有你想象中那么难啃，而这套中文指南已经把最坎坷的路铺平了。

报班最大的问题不是花钱，而是节奏被拖慢。你有 26 篇按主线推进的精校教程，遇到问题随时翻对应章节，这套“自选动作”比任何直播课都灵活。真正决定你能不能学会的，还是你愿不愿意静下心来，一篇一篇地看完、跑通、再复盘。

我个人的体会是，Antigravity 这类平台的爆发，意味着 AI 应用开发正在从“编程专家专属”走向“业务人员顺手就能搞定的工具”。这套中文指南最让我惊喜的，不是它给了多少独家黑科技，而是它用一个非常务实的主线，帮我把平台上散落的知识点串成了体系。如果你也在碎片化学习里沉浮了很久，不妨按这套教程的顺序，花四周时间重新走一遍，你会回来谢我的。