Czas poświęcony na ręczne śledzenie błędów lub aktualizowanie dokumentacji to czas, którego brakuje na wprowadzanie nowych funkcji. Najbardziej wydajne zespoły już wykorzystują AI, aby odzyskać ten czas, odnotowując 26-procentowy wzrost wydajności w losowo wybranych eksperymentach terenowych.
Ty również możesz dołączyć do tej rosnącej grupy, wdrażając przykłady zastosowań Google Antigravity, takie jak automatyczne naprawianie błędów, szybkie prototypowanie interfejsów użytkownika oraz audyt bezpieczeństwa. Niniejszy przewodnik pokazuje, jak korzystać z Antigravity firmy Google, oraz wyjaśnia, jak koordynować te cykle pracy w ramach istniejących narzędzi.
W skrócie: Antigravity to najlepsze dostępne rozwiązanie do zadań, które można zdefiniować, przekazać innym i o których można zapomnieć. Jest to natomiast najgorsze rozwiązanie w przypadku zadań, które wymagają osobistego zaangażowania.
Pięć zastosowań, które naprawdę się opłacają: automatyzacja zadań za pomocą agentów, tworzenie prototypów interfejsów użytkownika z informacją zwrotną w przeglądarce, analiza kodu źródłowego, audyt bezpieczeństwa oraz koordynacja między narzędziami. Wybór środowiska pracy wpływa na wynik. Antigravity 2.0 do równoległej koordynacji, CLI do pracy bez interfejsu graficznego, IDE do kodowania z agentem oraz SDK do tworzenia niestandardowych agentów.
Decyzja o wdrożeniu nie dotyczy tak naprawdę samego Antigravity. Chodzi o to, czy Twój zespół ma miejsce, gdzie mogą trafiać wyniki pracy agentów, czy jest ktoś odpowiedzialny za ich przeglądanie oraz czy istnieje sposób na wykrycie, kiedy proces zatwierdzania staje się niedbały. Zespoły, które najpierw to zapewnią, czerpią z tego rosnące korzyści. Zespoły, które to pomijają, szybciej zmierzają w kierunku kodu, którego nikt nie rozumie.
Czym jest Google Antigravity?
Google Antigravity to platforma programistyczna firmy Google oparta na agentach. Wykorzystuje ona autonomiczne agenty oparte na AI, które planują i wykonują wieloetapowe zadania w redaktorze, terminalu i przeglądarce. Wystarczy opisać, czego potrzebujesz, a agenci wykonają pracę za Ciebie, dzięki czemu nie musisz już przełączać się między redaktorem kodu, terminalem i dokumentami, aby wykonać pojedyncze zadanie.
Narzędzie zostało udostępnione w publicznej wersji zapoznawczej wraz z Gemini 3, torując drogę dla nowej aktualizacji – Antigravity 2.0. Ta aktualizacja przekształciła pojedyncze środowisko IDE w cztery interfejsy. Wybór konkretnego interfejsu wpływa na sposób realizacji poniższych przykładów zastosowań:
- Antigravity 2.0: Koordynuj działanie wielu autonomicznych agentów w różnych projektach za pomocą samodzielnej aplikacji komputerowej bez podłączonego redaktora
- Antigravity CLI: Uruchamiaj agenty bezpośrednio z terminala w ramach cykli pracy opartych na komendach i bezinterfejsowych
- Antigravity IDE: Pisz kod obok agenta w oryginalnym redaktorze
- Antigravity SDK: Twórz niestandardowe agenty w środowisku Antigravity przy użyciu biblioteki w języku Python
Sam agent działa na modelach Gemini 3.6 i 3.5 Flash, Gemini 3.1 Pro, Claude Sonnet 4.6 oraz Claude Opus 4.6, z możliwością wyboru modelu GPT-OSS-120b. (Dostępność modeli często się zmienia; aktualną listę można sprawdzić w oficjalnej dokumentacji Antigravity.)
5 najważniejszych przykładów zastosowań Google Antigravity dla zespołów programistycznych
Zespoły programistów czerpią największe korzyści z Antigravity w pięciu obszarach: automatyzacji zadań za pomocą agentów, tworzeniu prototypów interfejsów użytkownika, analizie kodu źródłowego, audycie bezpieczeństwa oraz automatyzacji cyklu pracy między narzędziami. Każdy z tych obszarów pozwala wyeliminować inny rodzaj powtarzalnych zadań — od szablonowych fragmentów kodu pojedynczego programisty po przekazywanie zadań w ramach całego zespołu.
1. Programowanie w stylu „Agentic” i automatyzacja zadań
Antigravity przejmuje zadania powtarzalne, które odciągają programistów od głębokiej pracy: pisanie kodu szablonowego, uruchamianie zestawów testów oraz wdrażanie na środowisko testowe. Zadania te same w sobie są czasochłonne i powodują zmianę kontekstu, co obniża wydajność za każdym razem, gdy uwaga zostaje przerwana.
Powierzenie tego wieloetapowego zadania agentowi pozwala programistom skupić się na architekturze i rozwiązywaniu problemów. Oto kilka przykładów:
- Automatyzacja naprawy błędów: Poproś agenta, aby zlokalizował błąd, napisał poprawkę, przeprowadził testy i przekazał Ci gotową poprawkę do weryfikacji
- Natychmiastowe generowanie szkieletu kodu: Opisz funkcję prostym językiem, a agent wygeneruje całą strukturę plików oraz wstępną implementację
- Obsługa zadań związanych z CI/CD: Skonfiguruj agenty jako wyzwalacze kompilacji i monitorujące logi, dzięki czemu będziesz musiał interweniować tylko w przypadku rzeczywistej awarii
Ciekawostka: Pierwszym błędem komputerowym była dosłownie ćma, znaleziona w 1947 roku uwięziona w przekaźniku komputera Harvard Mark II i przyklejona taśmą do dziennika jako dowód.
2. Szybkie prototypowanie i iteracja interfejsu użytkownika
Praca nad frontendem przebiega tu szybciej, ponieważ agent widzi to, co stworzył. Środowisko Antigravity IDE wykorzystuje funkcję „przeglądarka-w-pętli”. Zamiast ręcznego dostosowywania pikseli, odświeżania strony i powtarzania tych czynności, agent odczytuje wyrenderowany interfejs użytkownika i dostosowuje kod na podstawie informacji wizualnych.
W ten sposób zamyka lukę między makietą a przeglądarką na trzy sposoby:
- Przekształcaj makiety w kod: Prześlij agentowi zrzut ekranu lub plik projektowy, aby natychmiast wygenerować działający kod frontendu
- Iteracja nad komponentami: Poproś agenta o dostosowanie odstępów lub grubości czcionek i obserwuj, jak zmiany są stosowane w widoku przeglądarki na żywo
- Przeprowadzaj testy wizualne: Wykorzystaj agenty do automatycznego skanowania w poszukiwaniu niespójności w renderowaniu w różnych przeglądarkach
3. Analiza i utrzymanie kodu źródłowego
Agent Antigravity to stały przewodnik po Twoim repozytorium. Ma to szczególne znaczenie w przypadku starszych wersji, w których nawet doświadczeni inżynierowie tracą wątek. Brak przejrzystości spowalnia wprowadzanie nowych funkcji i zwiększa dług techniczny.
- Przeprowadź analizę kodu źródłowego: Zapytaj agenta, jak działa konkretny przepływ uwierzytelniania, i uzyskaj jasne, szczegółowe wyjaśnienie logiki działania
- Generowanie dokumentacji: Poproś agenta o analizę skryptów w celu automatycznego wygenerowania technicznych plików README oraz pomocnych komentarzy w kodzie
- Wykrywanie „zapachów kodu”: Wykorzystaj agenta do znalezienia obszarów wymagających refaktoryzacji i pozwól mu zaproponować bardziej przejrzyste implementacje do zatwierdzenia
Zobacz, jak zespoły inżynierów prowadzą śledzenie, ustalają priorytety i spłacają dług techniczny, korzystając z refaktoryzacji wspomaganej AI oraz porządkowania backlogu:
4. Audyt bezpieczeństwa i wykrywanie luk w zabezpieczeniach
Kwestie bezpieczeństwa przestają stanowić przeszkodę w wydaniu, gdy agenci skanują kod przed jego commitowaniem. Antigravity sygnalizuje luki w zabezpieczeniach i proponuje poprawki już na etapie pisania kodu. Dzięki temu ręczna weryfikacja, która wcześniej opóźniała cykl rozwoju, staje się ciągłym procesem działającym w tle.
Agenci mogą:
- Wykrywanie luk w zabezpieczeniach: Identyfikuj typowe zagrożenia, takie jak wstrzyknięcie kodu SQL (SQL injection) czy skrypty międzywitrynowe (XSS)
- Audyt zależności: Sprawdź pakiety innych producentów pod kątem znanych zagrożeń, aby uniknąć przejęcia luk w zabezpieczeniach z zewnętrznych bibliotek
- Generowanie poprawek bezpieczeństwa: Przejrzyj proponowane zmiany w kodzie, które naprawiają wykryte luki
5. Integracja narzędzi międzyfunkcjonalnych
Antigravity pełni rolę pomostu między różnymi warstwami stosu technologicznego. Umożliwia agentom wykonywanie zadań, eliminując konieczność przełączania się między terminalami, przeglądarkami i narzędziami do zarządzania projektami. Przykładowe cykle pracy w zakresie koordynacji działań AI:
- Zautomatyzuj pętle między terminalem a przeglądarką: Pozwól agentowi uruchomić kompilację, przetestować ją w przeglądarce i opublikować wyniki na kanale zespołu
- Połączenie rozproszonych danych: Pobieraj informacje z zewnętrznego interfejsu API, aktualizuj bazę danych i generuj raport podsumowujący w ramach jednego przepływu
- Połącz swoje narzędzia AI: Połącz Antigravity ze specjalistycznymi narzędziami, aby stworzyć zautomatyzowane procesy od początku do końca
Z naszego badania wynika, że prawie 54% zespołów pracuje w rozproszonych systemach, a 49% rzadko udostępniają informacje między narzędziami. Oto, jak wygląda sytuacja, gdy odizolowane systemy faktycznie tworzą połączenia:
Kluczowe funkcje, które umożliwiają realizację tych zastosowań
Cztery funkcje działają na Twoją korzyść: menedżer agentów, wizualna informacja zwrotna, autonomiczne planowanie oraz generowanie artefaktów. Razem wyjaśniają one, w jaki sposób Antigravity samodzielnie wykonuje wieloetapowe zadania, podczas gdy Ty zachowujesz ostateczną kontrolę.
- Menedżer agentów: Monitoruj wielu aktywnych agentów z poziomu jednego interfejsu kontroli misji i prowadź śledzenie postępów w różnych projektach
- Wizualna informacja zwrotna: Obserwuj zmiany w interfejsie użytkownika i interakcje w przeglądarce w czasie rzeczywistym, podczas gdy agenci automatycznie dostosowują kod frontendu
- Samodzielne planowanie: Zatwierdź lub zmodyfikuj plan wdrożenia agenta, zanim ten napisze choćby jedną linię kodu
- Tworzenie artefaktów: Sprawdzaj konkretne wyniki pracy, takie jak poprawki kodu lub wideo instruktażowe, aby upewnić się, że każde działanie agenta spełnia Twoje standardy
Antigravity pozwala programistom przejść od pisania kodu do oceny planów
Agenci Antigravity zajmują się wdrażaniem. Zadaniem programisty jest przejrzenie planu agenta, zanim napisze on choćby jedną linię kodu. Jest to umiejętność inna niż przegląd kodu, pozwalająca kontrolować tempo dostarczania wyników pracy.
Te dwa procesy wydają się podobne, ale tak nie jest. Podczas przeglądu kodu zadaje się pytanie: „Czy ten kod działa tak, jak powinien?”. Cel został ustalony jeszcze zanim ktokolwiek otworzył redaktor.
Podczas przeglądu planu zadaje się pytanie: „Czy sam zamysł jest poprawny?”, a decyzję tę podejmujesz bez żadnego kodu, który pozwoliłby zweryfikować Twoje rozumowanie. Większość inżynierów nie ćwiczyła tego, ponieważ ścieżki kariery tego nie wynagradzają. Ponadto trudniej jest tego nauczyć niż naprawiania błędów.
Projekt Antigravity uwzględnia tę kwestię. Zatwierdzanie planów oraz mechanizm uprawnień oparty na trzech listach ( Odmowa > Zapytanie > Zezwolenie ) stanowią podstawowe elementy produktu, a nie opcjonalne ustawienia. Firma Google stworzyła tę platformę, wychodząc z założenia, że zadaniem człowieka jest udzielanie uprawnień.
Problem polega na tym, że nie można polegać na ocenie zespołu dotyczącej skuteczności autoryzacji. Badanie przyczynowo-skutkowe dotyczące wdrażania narzędzia Cursor w projektach open source wykazało, że tempo pracy wzrosło natychmiast po tym, jak programiści zaczęli korzystać ze sztucznej inteligencji. Jednak wraz z nim wzrosła również złożoność kodu i liczba ostrzeżeń wynikających z analizy statycznej.
Programiści mieli wrażenie, że pracują szybciej, ale jakość kodu się pogorszyła. Nikt tego nie zauważył, dopóki nie wykazały tego dane.
Właśnie dlatego szybkość nie jest właściwym wskaźnikiem do śledzenia. Agenci natychmiast ją zwiększają, ale to nie mówi nic o tym, czy zatwierdzona praca była dobra. Zasady przyznawania uprawnień, przeglądy artefaktów i ręczne punkty kontrolne opisane w dalszej części tego przewodnika mają na celu ochronę jakości zatwierdzanych zmian. To właśnie ta liczba decyduje o tym, czy programowanie z wykorzystaniem agentów się opłaca.
Antigravity a Cursor a Claude Code a GitHub Copilot
W dziedzinie programowania opartego na agentach wyróżniają się cztery poważne rozwiązania: Google Antigravity (dedykowany interfejs agenta), Cursor (w redaktorze), Claude Code (w terminalu) oraz GitHub Copilot (w pull requestach). Miejsce działania agenta decyduje o tym, do której kolejki trafiają jego wyniki, a to właśnie ta kwestia ma bezpośredni wpływ na codzienną pracę Twojego zespołu.
| Narzędzie | Zalety | Limity | Najlepiej sprawdza się w | Ceny* |
|---|---|---|---|---|
| Google Antigravity | Agenci sprawdzają własny, wyrenderowany interfejs użytkownika | Wynik pojawia się tam, gdzie nikt jeszcze nie szuka | Zespoły realizujące równoległe zadania w tle | Wersja indywidualna – Free; AI Pro ~20 USD/miesiąc, Ultra 100–250 USD/miesiąc |
| Kursor | Najkrótsza droga od pomysłu do edycji | Dwa identyczne stanowiska pracy mogą kosztować zupełnie różne kwoty | Programiści pracujący w redaktorze | 20 USD/miesiąc – wersja Pro |
| Claude Code | Zapewnia spójną logikę w dziesiątkach plików | Brak powierzchni roboczej do pracy nad frontendem | Starszy inżynierowie realizujący duże migracje | Plany oparte na wykorzystaniu oferowane przez Anthropic |
| GitHub Copilot | Zrealizuj zadania w ramach struktury, którą już stworzyłeś | Zalety znikają poza GitHubem | Organizacje, w których proces przeglądu odbywa się w całości na GitHubie | 10 USD/miesiąc dla użytkowników indywidualnych, od 19 USD dla Business |
Google Antigravity
Antigravity zapewnia każdemu agentowi jak najwięcej swobody działania. Zatwierdzasz plan, a agent przechodzi między plikami, terminalem i przeglądarką, podczas gdy Ty zajmujesz się czymś innym. Pozostałe trzy rozwiązania z założenia wymagają większego zaangażowania użytkownika, co sprawdza się dopóki nie zechcesz wykonywać dwunastu zadań jednocześnie.
Co się sprawdza:
- Agenci, którzy widzą własne wyniki: Wystarczy skierować jednego z nich na wyrenderowaną stronę, a poprawi on własny kod CSS na podstawie tego, co wyświetla przeglądarka
- Widok wielu agentów jednocześnie: Obserwuj, jak kilka z nich realizuje oddzielne projekty jednocześnie, i wkraczaj do akcji tylko wtedy, gdy jeden z nich utknie
- Powtarzające się zadania, o których przestajesz pamiętać: Powierz nocne testy lub audyty zależności funkcji „Zadania zaplanowane”, a rano zapoznaj się z wynikami.
Ograniczenia:
- Wyniki trafiają tam, gdzie nikt jeszcze nie zagląda: Copilot umieszcza wyniki pracy w pull requestach, a Cursor pozostawia je w redaktorze. Artefakty Antigravity czekają w miejscu, które trzeba celowo otworzyć, a mechanizm uprawnień blokuje ich uruchomienie bez śledzenia procesu weryfikacji, dzięki czemu zaległości pozostają niewidoczne, dopóki coś nie zostanie wydane z błędami.
- Modele innych dostawców nie są dostępne w planie Enterprise: modele Claude Sonnet 4.6, Claude Opus 4.6 oraz GPT-OSS-120b są dostępne w planach bezpłatnych i konsumenckich, ale nie w ramach platformy Gemini Enterprise Agent Platform. Zatem zestaw modeli, na którym Twój zespół prowadzi testy pilotażowe, nie jest tym samym zestawem, który otrzymujesz po podpisaniu umowy przez dział zakupów.
Pomiń tę opcję, jeśli: chcesz czuć, jak agent reaguje na Twoje wpisywanie. Ten agent jest stworzony do przekazywania zadań w partiach i pozostawienia go bez nadzoru.
Najlepsze zastosowanie: zespoły wykonujące długotrwałe, równoległe zadania w tle, zwłaszcza iteracje frontendu, gdzie agent sprawdza własne renderowanie i skraca cykl przeglądania zmian.
Kursor
Cursor utrzymuje agenta najbliżej użytkownika. Odczytuje on pozycję kursora i otwiera bufory. Dzięki temu opóźnienie między zamiarem a wykonaniem jest najkrótsze spośród wszystkich czterech rozwiązań, a zespół korzystający z VS Code może przejść na to rozwiązanie w ciągu jednego popołudnia.
Aplikacja obsługuje również zadania poza lokalnym komputerem za pośrednictwem agentów w chmurze, więc dawna krytyka dotycząca „uzależnienia od redaktora” nie ma już racji bytu. Prawdą pozostaje jednak to, że produkt jest zaprojektowany z myślą o programiście pracującym w trybie sesji. Delegowanie zadań całej flocie agentów jest możliwe, ale interfejs nie został stworzony z myślą o tym.
Co się sprawdza:
- Edycja wielu plików bez ponownej podpowiedzi: Powierz programowi Hand Composer 2.5 długotrwałe zadanie, a on samodzielnie zajmie się edycją plików i operacjami w terminalu
- Pierwszy recenzent przed Twoim recenzentem: Bugbot dodaje komentarze do Twojej branch, dzięki czemu oczywiste błędy nigdy nie trafiają do kolejki recenzentów
- Zabezpieczenia dla wszystkich użytkowników: Wprowadź tryb prywatności w całej organizacji i monitoruj wykorzystanie tej funkcji przez poszczególnych programistów z widoku administratora
Ograniczenia:
- Dwa identyczne stanowiska mogą kosztować zupełnie różne kwoty: Wybór modelu decyduje o tym, jak szybko programista obciąża swoje możliwości
- Delegowanie kosztuje utratę kontekstu, który zapewnia szybkość działania: Przewaga kursora wynika z odczytu otwartych buforów i pozycji kursora. Agent w chmurze, działający na podstawie wpisanej podpowiedzi, nie ma dostępu do żadnej z tych informacji. Oznacza to, że wykonanie tego samego zadania wymaga znacznie bardziej szczegółowego opisu.
Pomiń ten artykuł, jeśli: Twoim wąskim gardłem jest uruchamianie wielu agentów w wielu repozytoriach, a nie przyspieszenie pracy pojedynczego programisty nad jednym plikiem.
Najlepsze rozwiązanie dla: programistów, którzy chcą mieć agenta zintegrowanego z cyklem edycji, zwłaszcza zespołów, które już stosują VS Code jako standardowe środowisko pracy.
Claude Code
Claude Code to narzędzie, które warto wykorzystać przy migracji, której nikt nie chce rozpocząć. Wystarczy zmienić nazwę funkcji używanej w sześćdziesięciu miejscach, a narzędzie przeprowadzi śledzenie łańcucha wywołań, zaktualizuje testy i wykryje dwa miejsca, w których zmieniła się sygnatura. Wszystko to dzieje się bez renderowania jakiegokolwiek widoku.
Rozpoczyna się w terminalu, a następnie rozciąga się na środowiska IDE, Slack, sieć WWW i GitHub. Oznacza to, że dopasowuje się do istniejących narzędzi Twojego zespołu, nie zastępując ich. Dlatego jest to najłatwiejsze z czterech rozwiązań do wdrożenia, a jednocześnie najtrudniejsze do przekazania komuś, kto nie jest zaznajomiony z pracą w powłoce.
Co się sprawdza:
- Cykle pracy, które można powtórzyć w następnym kwartale: Poproś agenta o napisanie skryptu, który będzie obsługiwał wiele podagentów równolegle
- Równoległe agenty, które się nie kolidują: Agent Teams przypisuje każdemu agentowi osobne drzewo robocze, dzięki czemu kilka agentów może pracować nad tym samym repozytorium bez nadpisywania się nawzajem
- Spójność w całym procesie migracji: Powierz mu zadanie obejmujące dziesiątki plików, a logika działania pozostanie spójna od początku do końca
Ograniczenia:
- Praca nad frontendem odbywa się „na ślepo”: Gdy nic nie jest renderowane, poprawka interfejsu użytkownika polega na opisaniu tego, co wygląda nieprawidłowo, zamiast na pokazaniu tego. To wydłuża czas realizacji każdej zmiany wizualnej
- Możliwości różnią się w zależności od dostawcy: Dostęp za pośrednictwem dostawcy usług w chmurze nie zapewnia takiego samego zestawu funkcji jak w przypadku rozwiązania własnego. Dlatego przed wdrożeniem w Enterprise należy najpierw sprawdzić zgodność funkcji.
Pomiń ten artykuł, jeśli: Twoja praca polega głównie na iteracjach wizualnych lub osoby, które najbardziej potrzebują agenta, wolą nie otwierać terminala.
Najlepsze zastosowanie: dla starszych inżynierów zajmujących się złożonymi refaktoryzacjami i migracjami, w których jakość rozumowania decyduje o wyniku.
GitHub Copilot
GitHub Copilot konkuruje raczej pod względem umiejscowienia niż samych możliwości. Jego agent działa w ramach twoich pull requestów, problemów i działań. Wyniki trafiają do kolejki, którą twój zespół otwiera już każdego ranka.
Takie rozmieszczenie rozwiązuje również problem zarządzania, który pozostałe trzy rozwiązania pozostawiają otwarty. Praca agentów przebiega zgodnie z zabezpieczeniami branch, wymaganymi przeglądami oraz zasadami CODEOWNERS. Oznacza to, że mechanizmy, których konfiguracja zajęła Ci lata, nadal działają bez konieczności wprowadzania ani jednej nowej polityki.
Co się sprawdza:
- Prawdziwe pull requesty, a nie luźne poprawki: Przypisz problem, a agent w chmurze otworzy pull request z zachowaniem tych samych zabezpieczeń, jakie obowiązywałyby w przypadku branchu utworzonego przez człowieka
- Agenci innych dostawców w tym samym przepływie: Przekaż zadanie do Claude Code lub Codex bezpośrednio z poziomu Copilota, bez opuszczania serwisu GitHub
- Wstępna analiza każdej zmiany: Pozwól, aby narzędzie zajęło się kwestiami stylistycznymi i oczywistymi błędami, dzięki czemu recenzenci będą mogli skupić się na decyzjach projektowych
Ograniczenia:
- Zalety zanikają poza GitHubem: Jeśli przeglądy odbywają się w GitLabie lub Twoja infrastruktura CI znajduje się gdzie indziej, pozostaje Ci jedynie porównywanie podstawowych możliwości agentów, tak jak w przypadku każdego innego narzędzia
- Zadanie musi najpierw przybrać formę problemu: Agent działa w oparciu o precyzyjnie zdefiniowany problem i generuje plik różnicowy. Dlatego przed rozpoczęciem prac eksploracyjnych konieczna jest interwencja człowieka w celu określenia oczekiwanych rezultatów.
Pomiń ten artykuł, jeśli: szukasz agenta zapewniającego szeroką lokalną kontrolę nad terminalem, przeglądarką i systemem plików.
Najlepsze rozwiązanie dla: zespołów, których przepływ przeglądu kodu odbywa się już w całości na GitHubie i które chcą zintegrować AI z tym przepływem, a nie stosować ją równolegle.
Jak rozpocząć pracę z Google Antigravity
Konfiguracja składa się z sześciu kroków: wybierz powierzchnię, zainstaluj i zsynchronizuj, podłącz swoje środowisko pracy, ustaw model agenta, włącz agenta przeglądarkowego oraz przypisz pierwsze zadanie o niskim ryzyku. Plan „Individual” jest bezpłatny i obejmuje wszystkie funkcje, dzięki czemu możesz uruchomić prawdziwych agentów, zanim ktokolwiek podpisze zamówienie. Oto kolejność czynności.
- Wybierz środowisko pracy: Wybierz Antigravity 2.0 do równoległej koordynacji agentów, interfejs CLI do cykli pracy w trybie bezinterfejsowym i terminalowym lub środowisko IDE, jeśli Twoi programiści chcą pozostać w redaktorze. Zestaw SDK służy do tworzenia niestandardowych agentów
- Instalacja i synchronizacja: Pobierz oprogramowanie ze strony antigravity.google na systemy macOS, Linux lub Windows. Przenieś swoje dotychczasowe ustawienia VS Code lub Cursor, aby zapewnić płynne przejście.
- Podłącz swój obszar roboczy: Otwórz lokalny folder projektu i poczekaj kilka minut, aż agent zindeksuje repozytorium, aby zrozumiał logikę i strukturę projektu
- Ustawienie modelu agenta: Zacznij od Gemini 3.5 Flash, aby przyspieszyć rutynowe zadania. Przejdź na Gemini 3.1 Pro w przypadku bardziej wymagających zadań analitycznych, takich jak refaktoryzacja wielu plików.
- Włącz agenta przeglądarkowego: Uruchom proste zadanie, aby wyświetlić podpowiedź o jednorazową instalację rozszerzenia do przeglądarki Chrome, które odblokowuje wizualne informacje zwrotne
- Przydziel zadanie o niskim ryzyku: Zacznij od pliku README dla pojedynczego modułu lub testów jednostkowych dla jednej funkcji, a nie od usługi rozliczeniowej.
Jak uzyskać wiarygodne wyniki dzięki Google Antigravity?
Wiarygodne wyniki zależą od pięciu praktyk zapewniających powodzenie wdrożenia sztucznej inteligencji: jasnych podpowiedzi, wstępnie skonfigurowanych uprawnień, przeglądu artefaktów przed scaleniem, zadań początkowych o niskim ryzyku oraz śledzenia iteracji. Pominięcie któregokolwiek z tych elementów spowoduje pogorszenie jakości wyników agenta bez żadnego powiadomienia. Oto przewodnik.
- Tworzenie jasnych i zakończonych podpowiedzi: Podaj agentowi kontekst kodu źródłowego, format wyników oraz wszelkie ograniczenia. Niejasne instrukcje prowadzą do niejasnych wyników
- Skonfiguruj uprawnienia przed przyznaniem autonomii: Przyporządkuj wszystkie wrażliwe działania do jednej z trzech list uprawnień Antigravity. Komendy niszczące należy umieścić w kategorii „Odmowa”, dostęp do danych uwierzytelniających i środowiska produkcyjnego w kategorii „Zapytaj”, a kategoria „Zezwól” obejmuje wyłącznie rutynowe operacje, takie jak odczyt plików repozytorium lub uruchamianie testów.
- Sprawdzaj artefakty przed scaleniem: Traktuj kod wygenerowany przez agenta jak pull request od młodszego programisty. Porównaj go z listą kontrolną do przeglądu kodu, aby człowiek zweryfikował logikę, a nie tylko różnice w kodzie.
- Zacznij od zadań o niskim ryzyku: Najpierw powierz im dokumentację, testy jednostkowe istniejącego kodu oraz analizę bazy kodu. Zadania te pozwalają zbudować zaufanie bez narażania firmy, a usługa rozliczeniowa nie jest zadaniem, które należy powierzyć od pierwszego dnia.
- Monitoruj i wprowadzaj zmiany: Śledź, które podpowiedzi są akceptowane, które zadania agenci ciągle wykonują nieprawidłowo oraz w których miejscach użytkownicy najczęściej muszą interweniować. Te punkty interwencji wskazują, co należy poprawić w następnej kolejności – czy to podpowiedź, regułę uprawnień, czy samo zadanie.
Wskazówka dla profesjonalistów: Ustal listy uprawnień przed uruchomieniem, a nie w trakcie działania. Uprawnienia zatwierdzane w trakcie zadania są akceptowane odruchowo, ponieważ gdy agent zatrzyma się przy czwartym monicie, klikniesz „Zezwól” tylko po to, by kontynuować działanie. Ta sama logika dotyczy planów: przeglądaj je pod kątem błędnych założeń, a nie błędów, ponieważ błędna przesłanka generuje kod, który działa idealnie, ale rozwiązuje niewłaściwy problem, a różnice w kodzie będą wyglądały na wewnętrznie spójne.
Jak planować działania z uwzględnieniem limitów Google Antigravity
Antigravity ma pięć ograniczeń, które warto uwzględnić podczas planowania: wyniki „pewne, ale błędne”, tygodniowe limity, opóźnienia wyłącznie w trybie asynchronicznym, nierównomierną dostępność funkcji na różnych platformach oraz nierozstrzygnięte kwestie zgodności dotyczące wrażliwego kodu. Znajomość tych ograniczeń z góry pozwala zachować realistyczne oczekiwania i zapobiega niespodziankom w trakcie realizacji projektu.
- Sprawdzaj każdą zmianę wprowadzoną przez agenta: Spodziewaj się nieprawidłowego kodu, błędnie zinterpretowanych wymagań i błędów, które brzmią przekonująco. W tle nadal działa agent oparty na modelu LLM. Traktuj wynik jako wersję roboczą, dopóki nie zostanie przetestowany.
- Planuj budżet z uwzględnieniem ograniczeń szybkości: Weź pod uwagę tygodniowe ograniczenia szybkości, które blokują dostęp do usługi do momentu zresetowania ograniczenia szybkości. Pamiętaj też, że dodatkową przepustowość zapewniają kredyty AI sprzedawane osobno abonentom planów Pro i Ultra. Google nie podaje, ile pracy agenta można wykupić za jeden kredyt, więc prognoza kosztów na jednego programistę nadal opiera się na domysłach
- Projektuj z myślą o pracy asynchronicznej, a nie o programowaniu w parach: Umieszczaj agentów w kolejce w tle i przetwarzaj zadania partiami, zamiast oczekiwać reakcji w czasie rzeczywistym, gdy piszesz kod równolegle z nimi
- Sprawdź zgodność funkcji na różnych platformach: Porównaj aplikację komputerową, interfejs CLI, środowisko IDE i zestaw SDK przed ustaleniem jednego standardu dla całego zespołu. Jest to ważne, ponieważ nie wszystkie z nich oferują te same możliwości.
- Sprawdź zgodność przed wdrożeniem wrażliwego kodu: Zanim zaczniesz korzystać z Antigravity w repozytoriach zawierających poufne dane, oceń, czy narzędzie to spełnia wymagania Twojej organizacji w zakresie bezpieczeństwa i prywatności danych.
Jak koordynować działanie agentów Antigravity w ClickUp
Silnik uprawnień Antigravity określa, jakie czynności agent może wykonywać podczas działania. Nie zarządza on jednak tym, co dzieje się z wynikami po zakończeniu działania: kto je weryfikuje, ile czasu zajmuje zatwierdzenie ani czy ktoś wychwyci błędne założenie przed wdrożeniem. Jest to problem koordynacji zespołowej, a platformy agentowe nie rozwiązują kwestii koordynacji zespołowej.
ClickUp sprawdza się na obu końcach procesu. Codegen pobiera pełny kontekst zadania (opis, kryteria akceptacji, powiązane specyfikacje, historię komentarzy) i przekazuje go agentowi przed rozpoczęciem wykonywania. Jest to inne źródło danych niż podpowiedź wpisana w terminalu. Wynik zwracany jest w postaci połączonego PR-u, w którym status, osoba przypisana i termin są już ustalone.
W przypadku planów opracowanych poza ClickUp wystarczy wkleić jeden z nich do opisu zadania, a ClickUp Brain przeanalizuje go w oparciu o aktualne dane dotyczące sprintów: z czym koliduje w tym tygodniu, które poprawki agentów zostały cofnięte w tym miesiącu i co mają one wspólnego, a także gdzie powinny znaleźć się podzadania związane z przeglądem.
Brain umożliwia również korzystanie z modeli Claude, GPT i Gemini w ramach jednej subskrypcji. Użytkownik sam wybiera model najlepiej dostosowany do danego zadania.
Najtrudniejszą przeszkodą jest czas nocny. Funkcja „Zadania zaplanowane” w Antigravity dostarcza poprawki niezależnie od tego, czy kolejka jest pusta, czy nie. Superagenci w ClickUp analizują każdy napływający plan pod kątem zakresu sprintu, klasyfikują go według ryzyka i przypisują elementy wysokiego ryzyka do najbardziej doświadczonego recenzenta. Wszystko, co nie zostanie zrecenzowane w ciągu 24 godzin, jest eskalowane. Rano otwierasz kolejkę z ustalonymi priorytetami wraz z załącznikiem zawierającym uzasadnienie.
Mariah Wilcox, szefowa sztabu dyrektora ds. budżetu (CBO) i dyrektora ds. marketingu (CMO) w firmie Seismic, opowiada o agentach w ClickUp:
Wcześniej proces przyjmowania zleceń marketingowych polegał na niekończącej się wymianie wiadomości między zleceniodawcą a wykonawcą, która utknęła w martwym punkcie, gdy tylko ktoś był nieobecny w biurze. Teraz agent w ClickUp sprawdza każde zgłoszenie, zbiera wymagania i potwierdza obciążenie zasobów przed przekazaniem zlecenia. Nasz zespół kreatywny od razu zabiera się do pracy, skupiając się na tworzeniu, a nie na ściganiu formularzy zgłoszeniowych. Agenci nie biorą urlopu!
Wcześniej proces przyjmowania zleceń marketingowych polegał na niekończącej się wymianie wiadomości między zleceniodawcą a wykonawcą, która utknęła w martwym punkcie, gdy tylko ktoś był nieobecny w biurze. Teraz agent w ClickUp sprawdza każde zgłoszenie, zbiera wymagania i potwierdza obciążenie zasobów przed przekazaniem zlecenia. Nasz zespół kreatywny od razu zabiera się do pracy, skupiając się na tworzeniu, a nie na ściganiu formularzy zgłoszeniowych. Agenci nie biorą urlopu!
Co sprawdza się szczególnie dobrze w zarządzaniu wynikami pracy agentów:
- Każda poprawka agenta trafia automatycznie do procesu weryfikacji: Gdy agent otwiera pull request, automatyzacje ClickUp wyzwalają się dzięki integracji z GitHubem. Tworzą one zadanie na liście zadań agenta z połączonym pull requestem, statusem ustawionym na „Zaplanuj weryfikację” oraz wyznaczonym terminem. Te same automatyzacje blokują zmianę statusu na „Zatwierdzone”, dopóki pole „Recenzent” nie zostanie wypełnione.
- Możesz dokładnie odtworzyć, kto co zatwierdził i dlaczego: przechowuj plany wdrożenia w Docs, połącz je z zadaniem i oznacz jako wiki. Historia wersji rejestruje każdą zmianę; komentarze recenzentów i znaczniki czasu statusu są widoczne bezpośrednio w zadaniu
- Problemy z obciążeniem i jakością ujawniają się, zanim ktokolwiek je zgłosi: Śledź średni czas przebywania w danym statusie dla etapów „Plan Review” i „Code Review” na karcie „ClickUp Dashboards ”. Karta pokazująca zadania cofnięte do poprzedniego etapu wskazuje na problem z terminowością. Gdy pierwsza liczba rośnie, a przepustowość pozostaje na stałym poziomie, masz problem z obciążeniem. Gdy rośnie druga liczba, masz problem z terminowością.
Szczere ograniczenie: ClickUp obsługuje warstwę koordynacyjną wokół wyników działania agentów. W przypadku konkretnych uruchomień Antigravity punktem połączenia jest integracja z GitHubem, więc zespoły, których agenci otwierają zgłoszenia PR, otrzymują to automatycznie; wszyscy inni muszą utworzyć zadanie lub skonfigurować webhook.
Dla kogo to rozwiązanie: Dla zespołów uruchamiających równolegle kilka agentów, w których pytanie nie brzmi już „czy agenci mogą wykonać tę pracę”, ale „czy nadążymy z jej weryfikacją”. Programista uruchamiający dwóch agentów w ramach pobocznych projektów nie potrzebuje tego rozwiązania. Wystarczy menedżer agentów Antigravity.
Zobacz, jak przebiega cykl pracy agenta od momentu wyzwalacza do sprawdzenia wyników w ClickUp:
Usprawnij cykle pracy związane z tworzeniem oprogramowania opartego na AI dzięki ClickUp
Przykłady zastosowań Google Antigravity wskazują jasną ścieżkę do zmniejszenia nakładu pracy ręcznej dzięki automatyzacji naprawiania błędów i szybkiemu prototypowaniu. Jednak powodzenie zależy nie tylko od technologii. Aby zapewnić stabilność kodu, potrzebne są jasne podpowiedzi, solidne zabezpieczenia oraz konsekwentny nadzór ze strony ludzi.
Prawdopodobnie tracisz zbyt dużo czasu na przełączanie się między zadaniami. Chociaż platformy oparte na agentach oferują rozwiązanie tego problemu, działają one skutecznie tylko w połączeniu z solidnym zarządzaniem cyklem pracy. Ważne jest, aby nauczyć się, jak przyspieszyć działanie agentów AI i wreszcie uwolnić się, by poświęcić się pracy twórczej.
Jeśli chcesz zebrać w jednym miejscu prace nad sztuczną inteligencją i zarządzanie projektami, zacznij korzystać z ClickUp za darmo. Przekonaj się sam, jak zintegrowany obszar roboczy eliminuje rozproszenie narzędzi i pozwala realizować plan działania.
Często zadawane pytania dotyczące przykładów zastosowań Google Antigravity
Co zmieniło się w Antigravity 2.0?
W wersji Antigravity 2.0 dodano przeprojektowaną aplikację komputerową, interfejs wiersza poleceń oraz zestaw SDK do tworzenia niestandardowych cykli pracy agentów. Aplikacja komputerowa pozwala koordynować działanie wielu agentów jednocześnie, projektować niestandardowe cykle pracy podagentów oraz planować zadania do wykonywania w tle, z integracją z Google AI Studio, systemem Android i Firebase. Oznacza to przejście od pojedynczego środowiska IDE w kierunku szerszej platformy do koordynacji agentów.
Do czego można wykorzystać Google Antigravity oprócz pisania kodu?
Google wyraźnie opisuje cykle pracy dla osób niebędących programistami, w tym badania konkurencji i sieci, tworzenie dokumentacji oraz prace naukowe. Agenci tej firmy biegle posługują się ponad 20 głównymi bazami danych naukowymi, w tym AlphaFold Database, UniProt, PubChem i ChEMBL, a także najnowocześniejszymi modelami, takimi jak AlphaGenome. Własny kodelab CLI firmy Google dzieli ćwiczenia na zadania dla programistów i dla osób niebędących programistami.
Dlaczego Antigravity informuje, że osiągnąłem limit, i jak mogę uzyskać więcej?
Antigravity stosuje zarówno limit bazowy, jak i tygodniowe ograniczenia szybkości. Limit bazowy odświeża się co pięć godzin w planach Google AI Pro i Ultra; osiągnięcie tygodniowego limitu powoduje zablokowanie modelu do momentu zresetowania okna czasowego. Subskrybenci planów Pro i Ultra mogą dokupić kredyty AI na przekroczenie limitu w cenie 25 USD za 2500 kredytów. Google nie podaje, ile pracy agenta można wykupić za jeden kredyt, więc prognoza na jednego programistę pozostaje w sferze szacunków.
Czy zespoły i przedsiębiorstwa mogą korzystać z Google Antigravity?
Tak, zespoły i przedsiębiorstwa mogą korzystać z Google Antigravity. Usługa jest dostępna dla klientów Google Cloud za pośrednictwem platformy Gemini Enterprise Agent Platform, niezależnie od indywidualnych poziomów subskrypcji Google AI. Konta indywidualne działają zgodnie z Warunkami korzystania Google dla klientów indywidualnych, natomiast wdrożenia zespołowe – zgodnie z Warunkami chmury Google. Przed skierowaniem agentów do własnych repozytoriów należy ocenić, czy rozwiązanie spełnia Twoje wymagania dotyczące bezpieczeństwa i prywatności danych.
Czym Antigravity różni się od Gemini CLI?
Antigravity CLI zastąpiło Gemini CLI. Firma Google wprowadziła Antigravity CLI – interfejs terminalowy oparty na języku Go, udostępniany za pośrednictwem infrastruktury agentów Antigravity – i wycofała Gemini CLI z użytku dla użytkowników indywidualnych. Praktyczna różnica polega na tym, że Gemini CLI było lżejszym, zorientowanym na sesje agentem terminalowym, podczas gdy Antigravity CLI uruchamia autonomiczne agenty, wykonuje komendy powłoki oraz zarządza podagentami działającymi w tle w ramach tego samego mechanizmu uprawnień, co aplikacja komputerowa.