Google Antigravity 测评：免费的智能体 IDE 有多强

在发布 Gemini 3.0 的同时，还上线了一个名为 Google Antigravity 的全新开发平台。谷歌的说法是这是 VS Code的分支。

但这不是一个简单的 VS Code 插件，也不是在侧边栏加个对话框那么简单。Antigravity 是一个完全基于“智能体优先”（Agent-First）理念构建的 IDE，由 Gemini 3 Pro 提供算力支持。目前的预览版是免费的。

今天我们就来聊聊 Antigravity 到底有哪些实质性的新特性，它与 Cursor、GitHub Copilot Workspace 等竞品相比有何不同。

Antigravity 的核心特性：不只是写代码，更是管代码

Antigravity 的核心优点在于，程序员不再是那个逐行敲代码的工具人了，而是指挥多个 AI 智能体干活的项目经理。

原生经理视图与多智能体并行

这是 Antigravity 最显著的特点。它引入了一个 Manager View（经理视图）。用户可以在这里同时从宏观层面指挥多个智能体。

• 并行工作：用户可以让一个智能体去重构后端的 API 接口，同时让另一个智能体去更新前端的 React 组件，再派第三个智能体去写单元测试。它们互不干扰，并行推进。
• 上下文隔离：每个智能体都有自己的工作区，不会像单线程对话那样因为上下文过长而幻觉频发。

真实的浏览器控制权

大多数 AI 编程工具只能处理文本（代码）。但 Antigravity 通过内置的 Chrome 扩展，赋予了智能体操作浏览器的能力。

• 智能体写完代码后，会自动打开浏览器。
• 它能像真人测试员一样点击按钮、填写表单、检查页面跳转。
• 它能看：如果页面样式崩了，它能通过视觉识别发现问题并自动修复。

交付物与异步反馈

为了解决 AI 编程黑盒不可信的问题，Antigravity 引入了 交付物 （Artifacts） 机制。智能体不会直接把代码甩给程序员，而是生成可视化的交付物：

• 详细的实施计划书。
• 待办事项清单。
• UI 渲染截图。
• 操作录屏：这是最杀手级的功能。用户可以回放智能体在浏览器里的测试过程，亲眼看到它是如何验证功能的。

用户可以像在 Google Docs 里批注一样，直接在这些交付物上留言，智能体会根据反馈继续调整。

双模式切换：规划 vs 急速

• Planning Mode (规划模式)：适合复杂任务。智能体会先写文档，列计划，确认后再动手。
• Fast Mode (急速模式)：适合原型开发。智能体直接上手写代码，主打一个快。

竞品横向对比：Antigravity vs 市场主流

根据官方公布的信息及实际体验，我们将 Antigravity 与 Cursor、GitHub Copilot Workspace 以及 Windsurf 进行了对比：

• Antigravity 的优势在于全栈控制力和验证机制。它不只是生成代码，还能替用户运行和测试，并提供录屏证据，这对于复杂的全栈任务非常有效。
• Cursor 依然是快速写代码的利器，但在多任务并行处理和浏览器自动化测试上，Antigravity 目前更胜一筹。
• Windsurf 主打本地和隐私，适合对数据安全极度敏感的场景。

程序员的新选择：Vibe Coding 与本地化部署

Antigravity 的出现进一步推动了 Vibe Coding的趋势。开发者不再纠结于语法细节，而是通过自然语言把控逻辑和功能，剩下的交给 AI。

但完全依赖云端（如 Antigravity 依赖 Google 服务）也带来了隐私顾虑和网络依赖问题。这时候，本地化 AI + 快速环境部署成为了完美的互补方案，而 ServBay 正是为此而生。

ServBay：本地 Vibe Coding 的最佳拍档

如果你想在享受 AI 便利的同时，保持代码的私密性，或者只是想快速验证一个想法，ServBay 是一个极其友好的选择。

一键部署本地 AI 模型：

• Antigravity 强在云端算力，而 ServBay 强在本地隐私。ServBay 支持一键在本地部署 Gemma、Qwen 3 等开源模型。用户不需要配置复杂的 Python 环境或显卡驱动，点一下就能在本地跑起一个 AI 编程助手。这对于处理公司敏感代码或无网环境开发至关重要。

全栈环境秒级准备：

• Vibe Coding 的核心是快。当 AI 写好了代码，需要一个环境立刻运行它。ServBay 集成了 Web 服务器、数据库（Redis/MariaDB）、语言环境（PythonPHP/Node.js），开箱即用。
  • 场景：可以用 Antigravity 生成架构，然后拉到本地，用 ServBay 提供的环境运行，并结合本地的 Qwen 3 模型进行私密的业务逻辑填充。

零门槛上手：

• 对于不想折腾 Docker 或虚拟机的前端/后端开发者，ServBay 这种原生、轻量化的管理工具，能把精力集中在指挥 AI而不是修环境上。
• 如果是Gemini CLI感兴趣，想要体验一下。ServBay也支持一键安装的Node.js环境，无需任何门槛。

代码演示：智能体的工作逻辑

为了展示 Antigravity 是如何通过指令生成代码的，我们看一个简单的 Python 任务：创建一个带日志记录的简单的 HTTP 服务。

在 Antigravity 中，只需要输入：“写一个基于 Flask 的服务，包含一个 /status 接口，并把每次访问记录到 SQLite 数据库中。”

AI 生成的代码逻辑如下：

import sqlite3
import datetime
from flask import Flask, jsonify, request

app = Flask(__name__)
DB_FILE = 'access_logs.db'

def init_db():
    """初始化数据库表结构"""
    with sqlite3.connect(DB_FILE) as conn:
        cursor = conn.cursor()
        cursor.execute('''
            CREATE TABLE IF NOT EXISTS logs (
                id INTEGER PRIMARY KEY AUTOINCREMENT,
                ip_address TEXT,
                timestamp TEXT,
                user_agent TEXT
            )
        ''')
        conn.commit()

def log_request(req):
    """记录请求信息"""
    with sqlite3.connect(DB_FILE) as conn:
        cursor = conn.cursor()
        now = datetime.datetime.now().isoformat()
        cursor.execute(
            'INSERT INTO logs (ip_address, timestamp, user_agent) VALUES (?, ?, ?)',
            (req.remote_addr, now, req.headers.get('User-Agent'))
        )
        conn.commit()

@app.route('/status', methods=['GET'])
def status_check():
    # 记录访问
    log_request(request)
    return jsonify({
        "status": "running", 
        "service": "Antigravity_Demo",
        "checked_at": datetime.datetime.now().isoformat()
    })

if __name__ == '__main__':
    init_db()
    # 智能体通常会选择调试模式以便于反馈
    app.run(debug=True, port=5000)

在 Antigravity 中，智能体会自动运行这段代码，打开浏览器访问 localhost:5000/status，并录制下返回的 JSON 数据作为验证通过的证据。

结语

Google Antigravity 的发布，标志着 AI 辅助开发从代码补全向任务托管的转变。它提供的多智能体协作和可视化验证机制，确实解决了不少痛点。

而对于开发者来说，工具的选择变得更加灵活。可以使用 Antigravity 处理庞大的全栈架构，同时利用 ServBay 配合本地的 Qwen 3 或 Gemma 模型，在本地安全、快速地进行业务逻辑的精细打磨。这种云端规划 + 本地执行的混合模式，或许正是未来高效开发的标准答案。