你有没有过这种时刻？一个本该十分钟的活儿，硬是拖了三小时，在三个文件、两个API和一条2019年的Stack Overflow回答之间来回折腾。你不是在写代码，是在求生。
上周我就这样。然后打开了Google Antigravity 2.0。
说实话，我进去的时候满是怀疑。见过太多"AI编程工具"了，说白了就是换了个深色主题的加强版自动补全。但Antigravity 2.0让我停下了嘲讽——不是因为它完美，而是因为它真的不一样：这是第一次有产品认真尝试让AI在架构层面跟你协作，而不只是帮你敲每一行代码。
Google在I/O 2026开发者主题演讲里说得直接："过去需要多天的工程任务，现在压缩到几小时，甚至几分钟。"我想看看这话在现实里站不站得住脚。
从"你写它跟"到"你定目标它拆"
先搞清楚这玩意儿到底是什么。Google管Antigravity叫"agent-first开发平台"，翻译成人话就是：以前的工具——Copilot、早期Cursor、甚至Antigravity 1.x——本质都是被动的。你写，它建议；你问，它回答。
2.0版本把整个模型翻了过来。它引入了subagent（子代理）——能自主执行任务的单元。你给一个大目标，它自己拆成子任务、写代码、跑测试、抓错误、迭代优化，全程不用你盯着每一行。
安装比想象中顺。一条npm命令装CLI，Google账号登录，验证版本号就完事。5月21日起全球可用。注意需要Google AI Pro或Ultra订阅：Pro用Gemini 3.5 Flash驱动，Ultra解锁优先处理和Gemini Spark集成。
实际用起来什么样
初始化项目后，关键区别出现了。你不是让它"补全这个函数"或"修这个bug"，而是给一个目标：
"建一个REST API端点，接收用户位置坐标，从开放API获取当前天气，返回格式化JSON。包含输入验证和错误处理。"
Antigravity不只是写代码。它会推理任务、生成子任务计划、并行执行、自我修正——全程在桌面应用里可视化，你能看到每个子agent在干什么。
我给的天气API任务，它花了大概四分钟。输出包括：Express服务器框架、坐标验证中间件、带超时的天气API集成、结构化的错误响应、还有基础测试。不是生产级代码，但比我预期的好得多——尤其是错误处理，比我见过的一些初级开发者还周到。
哪里还糙
当然有问题。复杂异步逻辑它会过度工程化，生成不必要的抽象层；跟现有代码库集成时，有时会忽略项目既定模式；最烦的是网络延迟——每个子agent决策都要云端走一趟，复杂任务里等待时间能累积到让人分心。
还有成本。Ultra订阅不便宜，大规模用的话token消耗涨得很快。Google说企业级优化在路上，但目前对个人开发者是个考量。
为什么这事重要
我试过之后，意识到Antigravity 2.0代表的不只是一个更好的自动补全。它是在试探一种新关系：开发者定方向，AI处理执行细节。
最顺的场景是"已知问题，繁琐实现"——比如建CRUD端点、写样板测试、数据迁移脚本。这些活儿必要但耗神，交给agent后我能专注架构决策。
反过来，探索性任务、需要深度领域知识的系统、或调试复杂遗留代码时，人类主导还是更好。工具目前在这儿会挣扎。
Google I/O 2026上这发布被Gemini Spark和新一代AR眼镜抢了风头，但开发者该盯着这个。不是因为它已经革命了，而是因为它指明了方向：AI从辅助工具变成真正的协作伙伴。不完美，但足够认真，值得认真对待。
热门跟贴