SeedlingPlanted Tended 10 min read

Google Antigravity 的四种多代理模式各自怎么运作

讲清 Google Antigravity 四种多代理模式(普通 Subagents、/boost、/swarm 和 /teamwork)各自怎么分工、怎么防假装做完、怎么撑过长时间,以及开源代码里能找到哪些对应零件。

先说结论:Google Antigravity 里有四种让多个 AI 代理一起干活的方式。它们的区别,主要在「谁来管」「怎么互相说话」「怎么防止假装做完」「能连续跑多久」。

  • 普通 Subagents:主代理把一件小事甩给后台,干完回报。
  • /boost:一道难题,一轮轮「做 → 挑刺 → 修」,直到对照要求查不出毛病。
  • /swarm:一件能切开的大活,分给几个有名字的工人同时做,大家在一块共用留言板上说话。
  • /teamwork:先访谈定需求,再在专用目录里按里程碑跑几小时到几天,每个里程碑都要过几道独立检查。

这篇是我的调研笔记。说法都对照了官方文档和博客;开源代码部分是静态读源码,没有安装,也没有运行。

从轻到重的四种模式:派个跑腿的、一排机器人轮流挑错、装修队各管一间房加一块公告板、盖楼每层都有质检

先看总表

模式适合什么活谁来验收耗时
Subagents顺手的小活主代理看回复秒~分钟
/boost难而不广的一道题下一个工人挑错,总管抽查秒~小时
/swarm广而切得开的大活@verifier 跑测试分钟~小时
/teamwork跨天的大工程每个里程碑过几道独立检查小时~天

角色、工作区、怎么启动,放在下面各节里讲。

普通 Subagents:派个跑腿的

比方:你在写代码,顺手叫个助手去查份资料,查完回来告诉你。

主代理把一张任务卡交给助手,助手跑去书架查资料再带着结果回来

角色:主代理和子代理。内置的子代理有 research、browser、self,也可以自己定义。自定义子代理写一段 description,主代理就靠这段话决定什么时候派它。

一轮怎么转:主代理调用 invoke_subagent 工具 → 子代理在后台干活 → 把结果回报给主代理 → 主代理看回复决定下一步。

主代理正在写代码
invoke_subagent 派活
子代理干净上下文 · 在后台干
只交回结果
主代理看回复,决定下一步
子代理看不到主代理之前的对话;验收只有一道:主代理自己看回复。

工作区:三种可选:inherit(用主代理的工作区)、branch(开一个独立的 Git worktree,用完自动清掉)、share(共享目录)。

上下文:子代理从零开始,看不到主代理之前的对话。权限照抄主代理的,嵌套最多 10 层。

防假装做完:只有一道:主代理自己看回复。

一句话:最轻的一种,适合几秒到几分钟就能干完、又不想打断你的小活。

/boost:一道难题,轮流挑刺

比方:一个人先解题,下一个人专门挑他的错并改掉,再下一个人接着挑。最后老师对照题目要求一条条抽查,还有问题就再来一轮。

一排机器人围着同一组齿轮:第一个做,第二个拿放大镜挑错,第三个拿扳手修,最后一个对着清单打勾,外圈箭头表示一轮轮重复

角色:

  • Orchestrator(总管):判断这件事是要写代码,还是要查根因。
  • DeepCoder 或 DeepInvestigator(流水线协调者):前者管实现,后者管查根因。它们负责派工人。
  • 首轮工人:读代码,做出第一版改动或查出根因,跑测试和边界情况。
  • 改进工人:重新独立读一遍原始要求,试着攻破上一版、找缺口,修好后再跑测试。

一轮怎么转:

首轮工人做第一版 · 跑测试
交出改动
改进工人重读要求 · 攻破 · 修 · 再测
改动 + 测试记录
Orchestrator对照每条要求抽查
↺ 还有缺口:再派一个改进工人✓ 全部满足:交给你
人不多,靠的是「下一个人专门挑上一个人的错」,最后再对照要求查一遍。

工作区:就在当前工作区里改。隔离的是上下文:每个工人在自己的子代理上下文里干活,看不到别人的思路。

防假装做完:两道。改进工人的任务就是去攻破上一版;Orchestrator 最后还要拿改动和测试记录,对照你提的每一条要求抽查。

长时间不停靠什么:文档没讲交接或监督机制。它靠的是「一轮接一轮」,每轮带上新的进度。官方给的耗时是秒到小时。

它从哪来:Google Research 的文章说,/boost 是从 /teamwork 里的「迭代写代码」模式单独包装出来的,是一个顺序的「求解—验证」循环。一次很长的 /teamwork 跑分析了过去的运行记录,发现耦合很紧的代码,更适合一步步实现、修改,而不是拆成几块并行。

一句话:/boost 不靠人多,靠「下一个人专门挑上一个人的错」。

/swarm:一块留言板,一群有名字的工人

比方:装修队开工。工头把活按房间分好,每个师傅一间;墙上贴一块公告板,谁做什么、遇到什么问题、做完没有,都写在上面。还有一个验收员专门检查。

房子剖面图:每个房间一个机器人干不同的活,走廊里一块所有人都看得见的便签板,一个拿清单的验收员,长凳上打盹的机器人旁边放着铃铛

角色:

  • 协调者:就是你当前这个对话。它负责拆活、派活、看结果、向你汇报,自己不做技术活。
  • 有名字的工人:如 @parser、@api-tests、@docs;同类工人可以编号,如 @fix-1 到 @fix-4。
  • @verifier:通常每 2 到 4 个工人配一个。它看 diff、跑测试,把问题报给写代码的工人。
  • @monitor:平时睡着;如果活没干完、所有人却都不说话了,它才出来点名叫人。

一轮怎么转:

协调者(你的对话)拆活 · 派活 · 不写代码
公开贴出每人的任务说明
共用留言板所有人看得见 · 按顺序追加 · 不私聊
@名字 / @组 / @all 读写
@parser工人 · 管一块
@api-tests工人 · 管一块
@docs工人 · 管一块
@verifier看 diff · 跑测试
@monitor都停了才出声
没有私聊:派活、提问、diff 摘要、测试结果都在同一块板上;没事干的成员睡着,不耗 token。
  1. 协调者把活切成互不冲突的几块(比如一个文件或一个包一块),给每块配一个有名字的工人。
  2. 每个工人从干净的上下文开始。它的任务说明公开贴在板上:负责什么、不许碰什么、做到什么算完。
  3. 大家用 @名字、@组名、@all 在板上说话。工人之间不私聊,整个团队的对话按顺序留在一处。
  4. 没事干的成员在板上睡觉,不耗 token;有人 @ 它时自动醒来。

工作区:默认大家共用你的工作区。几个工人同时改或同时构建时,协调者可以给每人一份仓库的工作副本;删掉工人前,会先让它把改动合回来。

防假装做完:靠 @verifier:它自己看 diff、自己跑测试,不是听工人说「测过了」。

长时间不停靠什么:留言板本身就是外部状态;@monitor 负责发现「大家都停了」。额度用完的成员会暂停,等板上有新消息、换了模型或你发话才继续。官方给的耗时是分钟到小时;目前是预览版,耗额度比单个对话快得多。

一句话:/swarm 靠「切得开 + 一块所有人都看得见的板 + 专职验收员」。

/teamwork:先访谈,再按里程碑跑几天

比方:盖一栋楼。先和业主把需求、验收标准谈清楚,签字;然后项目经理按里程碑排工期,每一层盖完都有独立的质检、压力测试和审计,最后还有一次竣工验收。项目经理干到一半累了,就写好交接单换一个新的接着干。

几层高的楼在施工:底层人和机器人一起签图纸,每层有拿放大镜、压测横梁、拿夹板的检查员,顶层一个经理把一摞交接文件交给新经理

角色:

  • Sentinel:你批准后接手的总协调。记录你的需求、分派任务、定期报进度,最后叫来 Success Auditor。
  • Project Orchestrator:项目经理。把需求拆成里程碑,安排并行的工作线,所有活都派出去做。每个里程碑之间,它会交给一个全新的接班者,免得上下文越来越乱。
  • Explorers:只读的调研员,读代码、追调用链、评估方案,不改任何源文件。
  • Workers:有终端和文件工具的实现者,各做各的、互不重叠。
  • Critic:独立代码审查,看正确性、完整性、健壮性、接口和代码风格。
  • Challenger:写对抗测试、边界情况、失败路径、最坏输入,专门压测。
  • Auditor:拿真实命令输出核对测试证据,确认测试是真跑过的,不是被 mock 掉或跳过的。
  • Success Auditor:Sentinel 在收尾前叫来的最后一道,做一遍端到端验证。

一轮怎么转:

需求访谈范围 · 需求 · 验收标准
产出提示文档
你确认一次
Sentinel 接手
每个里程碑重复一遍
Project Orchestrator拆里程碑 · 只派活
派活
Explorers / Workers只读调研 / 各管一块文件
交出改动
检查关Critic · Challenger · Auditor
里程碑之间:Orchestrator 把状态写进文件,交给全新的接班者
全部里程碑通过
Success Auditor端到端验收
Sentinel 交付
你
状态写在 Request、Project plan、Progress 几份文件里,不靠某个对话的记忆,所以能连续跑几天。
  1. 第一阶段:访谈。原则是「说清做什么,不说怎么做」:范围和目的、需求、每条需求用什么客观方式检查、验收标准、项目目录。最后产出一份提示文档,你确认一次。
  2. 第二阶段:自己跑。Sentinel 把项目交给 Project Orchestrator,之后不用你一步步指挥。大家通过工作区里的几份文档协调:Request(需求)、Project plan(里程碑和依赖)、Progress(实时进度)。

工作区:专用项目目录,默认 ~/teamwork_projects/{PROJECT_NAME}。多个工人从不同时改同一个文件;每个子代理还有自己的草稿目录。

防假装做完:这是四种里最重的。除了 Critic、Challenger、Auditor、Success Auditor 几道关,访谈时还会问你哪些捷径不许走,据此定一个严格度:

严格度用在哪查什么
development(默认)快速迭代只抓伪造的输出和空壳实现;可以用现成库和框架
demo可复现的演示再加:不许抄开源的核心逻辑、不许把核心活交给外部工具、不许读测试源码反推答案
benchmark严格评测完全从零实现,只能用语言标准库

长时间不停靠什么:三样东西。

  • 外部持久状态:Request、Project plan、Progress 几份文档,所有状态变化、命令、审查意见、验证日志都记在里面,不靠某个对话的记忆。
  • 实例替换:Orchestrator 在里程碑之间交给全新的接班者(现行文档)。早期版本的做法更具体:Orchestrator 记着自己派过多少子代理,到上限就把全部状态写进交接文件,再起一个同目标、同权限的接班者,自己退出(来自 OS 那篇博客)。
  • 监督:现行文档只说 Sentinel 定期报进度。早期版本有一个后台定时任务查子代理写的进度文件,时间戳太久没更新,Sentinel 就杀掉并重启那个子代理(同样来自 OS 那篇博客,阈值和文件格式没公开)。

官方博客里的例子:早期团队用 Gemini 3.5 Flash,从一句提示做出了一个能跑 Doom 的操作系统,用了 93 个子代理、15,314 次模型调用。他们第一次端到端跑得「快得可疑」,原因是代理翻到了之前没清掉的历史对话,后来加了防作弊措施重跑才算数。这正是 Auditor 这类角色存在的原因。

一句话:/teamwork 靠「事先谈好怎么验收 + 状态写在文件里 + 定期换新的项目经理 + 层层独立检查」撑过几天。

为什么要拆成这么多角色

Google Research 的文章给了两个理由:

  • 单次尝试不稳定。所以要并行探索,再配上专门挑错的东西:Lean 证明检查器、没改过的测试套件、模拟器、硬件计数器等。
  • 任务一长,模型会丢细节。所以按设计切分上下文:每个代理只拿到这一步需要的文件和工具。

还有一条贯穿四种模式的原则:审查者从干净的上下文出发,只看产出,不看写代码那一方的思路。

另外,/teamwork 里的「模式」(pattern)是一份规格,不是程序:它描述有哪些角色、各自干什么、什么条件下才能往下走;由框架读这份规格去启动代理。所以同一种机制(比如对抗式挑错)可以搬到不同领域。

开源代码里能看到哪些零件

我没找到这三个命令的官方源码,也没找到完整的开源复刻。下面三个项目各自实现了其中一部分机制。以下都是静态读源码,链接固定在具体 commit,没有安装或运行。

oh-my-openagent 的 team-core:最像 /swarm 的通信和任务底座

链接:packages/team-core @ 5e628bc

  • 收件箱(team-mailbox/send.ts):写入前对收件箱加锁;单条消息超过 message_payload_max_bytes 就拒收;对方未读积压超过 recipient_unread_max_bytes 也拒收(报错信息是 backpressure,即反压);只有 lead 能发给 *(广播)。
  • 任务认领(team-tasklist/claim.ts):用文件锁认领任务,锁里再检查一遍状态;blockedBy 里还有没完成的任务就拒绝;锁太久没动会被当成死锁回收。
  • 工作副本(team-worktree/manager.ts):真的调用 git worktree add --detach 给成员建独立 worktree。

缺什么:它是每人一个收件箱,不是所有人共用、按顺序追加的一块板;也没有里程碑审计和项目经理接班。

Gas Town:最像 /teamwork 的持久任务、多工作区和监督

链接:docs/design/architecture.md @ 94cc822

  • 持久任务状态:任务和代理状态都存在 Beads 里(底下是一个 Dolt SQL 服务),不靠对话记忆。
  • 每个工人一个 worktree:工人叫 Polecat,各自是从同一个主仓库开出来的 git worktree。
  • 监督:Witness 盯着工人的健康,负责催促和清理;Deacon 收心跳;Deacon 挂了还有 Boot 来接手判断。
  • 合并队列(internal/refinery/batch.go):Refinery 把几个待合并的改动攒成一批一起测;失败先整批重试一次(防偶发失败),还失败就二分查出是哪个改动的问题。

缺什么:没有独立的 Critic、Challenger、Auditor 这类挑错角色,也没有一样的交接协议。

OpenHands 的 critic refinement:单代理版的 /boost 循环

链接:critic_mixin.py @ 1414239

  • 代理想结束(发出 FinishAction)时,先让 critic 打分。
  • 分数没过 success_threshold,就把 critic 的反馈作为新消息塞回去,让它接着改。
  • 有 max_iterations 上限,到了就停。

缺什么:只有一个代理加一个打分器,没有「下一个工人独立读要求、专门攻破上一版」这种多代理分工,也没有总管对照要求抽查。

资料来源

一句话:四种模式从轻到重,差别在「谁管、怎么说话、怎么防假装做完、怎么撑过长时间」;开源里能找到它们的零件,但没有一个完整复刻。