Antigravity深拆:Gemini CLI退休后的Agent指挥中心

Gemini CLI停服转向Anti-Gravity,Google押注多Agent协同开发平台
Google将拥有十万七千星的Gemini CLI项目转向,免费和专业账号停止服务,用户被引导至Anti-Gravity,引发开发者社区不满。文章梳理了这款被定位为“指挥官”的开发平台:它覆盖桌面端、命令行和SDK三种形态,核心是Agent Manager支持多Agent并行、按项目分组和定时下发任务;浏览器协同与Artifacts机制让Agent交付自带任务清单、实施计划和截图录屏等证据链,解决AI编程的信任与验收问题。价格上免费档可用但额度制后缩水,重度并行需订阅。文章还给出两个迁移坑和三条实战秘诀,并指出技术负责人和前端开发者最匹配,只想安静写代码的个人开发者则未必需要。
Google把十万七千星的Gemini CLI转向、免费和专业账号停止服务、用户被引向Anti-Gravity——这个决定在开发者社区炸了锅。骂归骂,这款被官方定位为"指挥官"的开发平台,确实值得看清楚它到底在解决什么问题。
一、Gemini CLI的谢幕与Anti-Gravity的登场
据B站UP主"老金"在Agent图鉴系列中的梳理,Google今年五月发布公告,将拥有十万七千星的Gemini CLI项目转向,6月18号起免费和专业账号停止服务,用户全部被引导至Anti-Gravity。这一迁移动作在社区引发大量不满,但从产品演进的角度看,它标志着Google对AI编程工具的思路从"单点助手"转向"多Agent协同"。

Anti-Gravity并非临时起意。它去年11月就与Gemini 3一同亮相,今年五月发布2.0版本,覆盖桌面端、命令行和SDK三种形态。这种全形态布局说明Google想做的不是一个插件,而是一个完整的开发工作台。
二、Agent Manager:从写代码到管代码兵团
Anti-Gravity的核心定位可以用一句话概括:你当指挥官,一群Agent分头干活。招牌功能是Agent Manager,支持同时开启多个Agent、各领各的任务、按项目分组,还能定时下发任务。这与传统AI编程助手"一问一答"的模式有本质区别——它管理的是一个Agent团队,而不是一个对话窗口。
UP主的体验建议是Agent别开太多,三五个是舒适区,开多了容易撞上429限流。官方论坛有相关热帖,社区甚至做出了自动换号的工具来绕过限制。这从侧面说明多Agent并行的需求真实存在,但当前的配额机制还没跟上。
三、浏览器协同与Artifacts证据链
最狠的一张牌是浏览器协同:Agent改完页面后自己打开浏览器点一遍验证,截图和录屏全部算作交付物。官方把这套机制称为Artifacts——任务清单、实施计划、干活证据全流程留档,相当于每个Agent交活都自带证据链。

这个设计解决的是AI编程中长期存在的信任问题:你怎么知道Agent说"改好了"是真的改好了?现在验收有据可查,实施计划和录屏就是AI干活的证据。对前端开发者来说,浏览器自验尤其省心——页面改动的验证不再需要人工反复点击确认。

四、价格与配额:免费够用,重度并行要付费
开发者可以免费使用,更大用量则需挂Google AI订阅,最高档是基础量的5到20倍。需要注意今年3月改成额度制之后,免费量缩了不少,重度并行场景还是留给付费档。这个定价策略的意图很明显:用免费档吸引个人开发者试水,用额度制筛出真正有并行需求的重度用户。

五、两个坑与三条实战秘诀
老用户迁移有两个坑。第一是Agent别开太多,三五个是舒适区,超了容易触发429限流,官方论坛已有热帖讨论,社区还出了自动换号的工具。第二是命令习惯的迁移,15分钟能迁完,但依赖接口密钥的流水线是重灾区,建议先验证再重建。
综合官方文档和社区实测,三条秘诀值得记下:Projects分组用起来,避免上下文串位;Artifacts留档要验收,实施计划和录屏就是AI干活的证据链;免费档省着用,长任务挂定时消息夜里跑。
六、适合谁:指挥室不是给所有人的
管多个项目的技术负责人是最匹配的用户——指挥室就是为你造的。前端开发者会因为浏览器自验省心而受益。但只想安静写代码的个人开发者,这套东西有点重。
别的工具是一个助手,Anti-Gravity是一间指挥室。你从写代码的变成管代码兵团的——这个角色转换是否值得,取决于你手头同时推进的项目数量。
背景补充
429限流指HTTP状态码429(Too Many Requests),是服务端用来表示客户端在给定时间内请求次数超过配额的响应。在LLM应用中,它通常由API的速率限制(rate limit)触发,限制维度可能包括每分钟请求数(RPM)、每分钟Token数(TPM)或并发连接数。对多Agent并行的场景来说,每开一个Agent都会产生独立的模型调用,配额消耗远高于单助手模式,因此更容易撞上429。不同厂商的配额窗口和恢复策略不同,有的按分钟滑动窗口,有的按天重置,遇到429时通常需要退避重试或降低并发。
Artifacts一词在Anthropic的Claude产品中最早被大众熟知,指模型在对话中生成的可独立预览、迭代的产物(如代码、网页、图表)。Anti-Gravity沿用了这个术语,但语义有所扩展:这里不仅指生成物本身,还强调任务清单、实施计划、执行日志和截图录屏等过程性材料一起留档,形成可追溯的验收依据。与单纯的代码diff相比,Artifacts式交付把“做了什么、怎么做的、结果如何”打包在一起,便于人工复核和团队交接,也让Agent的行为在出问题时可以被审计。
多Agent协同(multi-agent orchestration) 指由调度层把任务拆分给多个具备独立上下文的Agent,再汇总各自结果的工作模式。它与单Agent的主要差异在于:上下文隔离(各Agent互不污染)、并行执行(缩短端到端时间)和职责分工(如规划、编码、验证分离)。代价是调度复杂度上升、配额消耗成倍增加,且需要额外的结果合并与冲突处理机制。文章所说的“指挥室”本质就是这种编排层,而“三五个Agent是舒适区”反映的正是编排开销与限流约束下的经验平衡点。
相关推荐

AI滥用警报:儿童性虐待材料报告两年飙升8400%
Hacker News 报道显示,AI 相关儿童性虐待材料报告两年内增长 8400%。本文分析生成式 AI 如何降低非法内容生产门槛,平台检测与法律监管面临的两难,以及技术对抗的可行方向。

4B小模型专精训练,能否替代大模型?
一位开发者通过训练 Qwen3.5-4B-3D-Coder 与 LFM2.5-350M 发现,专精小模型在 3D 场景生成等任务上表现超出预期。本文解析其关于 epoch 数量、SFT 与 RL 成本对比、以及消费级硬件全量微调的观察。

AI员工工具泛滥,35人创业公司如何选出真正能落地的?
35人创业公司面对众多AI员工工具无从下手?本文提炼社区真实经验,从无人值守能力、集成深度、结果可验证性三个硬标准出发,帮你筛选真正能落地的AI员工工具,避免吃灰。