谷歌Antigravity入门与省钱实战：内建指令+徒弟问师傅

谷歌的AI编程工具Antigravity长期低调，但凭借不封号、模型丰富、闲鱼账号便宜等优势，正被越来越多开发者当作Codex和Claude Code的替代品。B站UP主用近一年实战经验，拆解了从入门到省钱的完整路径：用内建指令让低端模型"超频"，用"徒弟问师傅"法榨干网页版高端额度，再通过自研浏览器插件把桌面端和网页端串成一条流水线。

Antigravity是什么，为什么现在值得关注

Antigravity是谷歌的AI智能代理编程工具，定位与Codex、Claude Code同类。UP主在视频中强调，从资历上看它其实是这类AI Agent产品中最早出现的，只是谷歌风格不张扬，导致产品一直不太出彩。

近期它重新进入视野有两个现实原因：Claude Code封号较多，Codex额度下降明显。而Antigravity在闲鱼上十几块钱就能买到账号，模型列表里既有Gemini最新模型，也有Gemini 3.8 Flash这类中低端模型，甚至还能用到Claude Code 5.5、Opus和Sonic。UP主本人使用20美金账户，额度结构与闲鱼学生套餐、手机免费套餐类似。

额度面板分三块：Gemini 3.8单独一块，Claude Code与Opus等模型共用一块并按周和每五小时限额，Gemini 4又是单独一块。UP主提醒，Gemini 4和Opus这些高级模型额度掉得非常快，20美金账户大概只够用一天；而Gemini 3.8 Flash额度大到不可思议，非重度使用能撑一周。

核心技能：用BOST指令让低端模型"超频"

这是整期课程最重要的知识点。UP主直言，Gemini 3.8 Flash被戏称为"美国版豆包"，直接提问正确率可能只有30%到60%，一分钟就草草结束。但输入斜杠调出内建指令BOST后，同一个模型的表现会截然不同：准确率能到90%左右，接近一线模型水平，回答时长会拉长到规划非常复杂的任务，甚至一个小时都跑不完。

BOST的本质是调用多智能体编排，把问题拆得很细一步步回答。UP主用真实项目验证过：让Flash模型重构软件、开发游戏，开启BOST后几乎无错误。他的建议很直接——用低端模型时毫不犹豫开启BOST，这是把低级模型拉到顶级模型品质的关键。

除BOST外，还有几个值得记住的内建指令：learn让系统反思并总结最近的成功经验，grab me让AI像面试官一样反问对齐需求，plan用于项目启动阶段的规划。指令可以组合使用，比如先BOST再plan，先提升能力再展开计划。UP主特别指出，Antigravity与Codex、Claude Code的一个差异在于，后两者会自动寻找并调用这些策略，而Antigravity需要用户明确输入指令。

**多智能体编排（Multi-Agent Orchestration）**指的是由多个具备不同角色或分工的 AI 智能体协同完成一项任务的架构：通常包含规划者、执行者、审查者等角色，彼此通过消息传递拆解目标、分派子任务、交叉验证结果。相比单轮问答，它能显著降低复杂任务的出错率，代价是调用次数和耗时成倍增加。这也解释了为什么开启 BOST 后同一个低端模型准确率大幅上升、运行时间却可能拉长到一个小时——本质上是把一次粗放回答换成了多轮分解、执行与复核的流水线。

徒弟问师傅：让网页版高端模型替桌面端干活

海外AI公司普遍有两套计费：网页版聊天不能控制电脑，能编程的桌面端可以看本地文件，两者额度分开。这带来一个套利空间——桌面端高级模型用完时，网页版Gemini 4的额度往往还有富余。

UP主的方案叫"徒弟问师傅"：桌面端的低端模型当徒弟，负责调查本地文件、整理需求、形成好问题；网页版Gemini 4当师傅，负责规划、解释、给方案，但看不到本地情况，全靠徒弟把上下文喂过去。徒弟拿到回答后只负责执行，不做决策。他打了个比方：总工负责计划，工人负责干活，总工看不见现场，所以工人必须把现场情况问清楚。

网页版Gemini的能力被UP主认为是最慷慨的一环：能生图、每天有免费额度的生视频、能创作音乐，还有Deep Research。他做的三国杀卡牌游戏，背景图、卡牌素材、背景音乐全部由网页版Gemini生成，桌面端低端模型负责切图、落盘、接入游戏。整个项目花三四天，用的就是20美金账户。

**上下文（Context）**指模型在生成回答时能"看到"的全部信息，包括对话历史、上传的文件内容、检索到的资料以及系统提示。模型本身无法访问用户本地磁盘或运行环境，它对这些情况的判断完全依赖被放进上下文的内容。因此"徒弟问师傅"能否奏效，关键在于徒弟是否把本地文件结构、报错信息、需求约束等整理成清晰、完整且不冗长的上下文传给师傅：信息缺失会导致方案脱离实际，信息冗余则会挤占上下文窗口、抬高成本并稀释重点。

AgentLimb插件：打通桌面端与浏览器的桥梁

桌面端和网页端要联动，需要一座桥。UP主半年前自研了Chrome内核浏览器插件AgentLimb，已打磨半年并开源，支持Windows和macOS。安装最简单的办法是把GitHub链接丢给AI，让AI自动完成；手动安装则需注意Windows下插件目录必须全英文路径，并在扩展管理页打开开发者模式后加载解压包。

插件的能力不止于连接Gemini：它能多Agent、多页面、多账号同时操作浏览器，通过不同的profile避免重复登录，UP主用它管理多个B站账号并自动上传视频。他提到一个现实痛点——每家AI公司都做自己的Chrome插件且互不通用，AgentLimb的定位就是用一个提示词统一指挥所有Agent对浏览器的操作。

**浏览器 Profile（用户配置）**是 Chrome 及同内核浏览器中彼此隔离的一套环境，包含独立的 Cookie、登录状态、本地存储和扩展配置。用不同 profile 启动多个浏览器实例，就能在同一台机器上同时保持多个账号的登录态而互不干扰，这也是多账号自动化操作的基础。需要注意，多数平台的服务条款对自动化多账号操作有明确限制，实际使用时应自行评估合规与封禁风险。

实战演示与省钱逻辑

视频中UP主完整演示了流程：指定桌面文件夹，让Flash模型带着"测试游戏"需求去问网页版师傅，师傅返回贪吃蛇或三国杀的MVP规划，徒弟自动落盘并开始开发。中间模型会自动确认连接、截图判断页面、整理提问，全程无需手动复制粘贴。他刻意没开BOST以加快演示节奏，并说明认真做项目时应开启。

省钱逻辑可以归结为两点：一是用BOST把Flash拉到接近顶级模型的水准，减少对高价模型的依赖；二是用徒弟问师傅把网页版额度也榨干，等于一个账号吃两份额度。UP主的态度很务实——不差钱可以直接上Claude Code商业版，预算有限就用这套方法达到接近的效果。他也提醒，做任何AI项目先让高级模型写计划、做MVP最小可行性验证，再让低端模型执行，不要一上来就盖高楼。