在 Google 提供的次世代 AI 开发平台 “AntiGravity” 中,备受期待的新功能 “Agent Skills(智能体技能)” 已于 2026 年 1 月 14 日正式发布。
此前,AI 智能体一直作为高级“编程助手”发挥作用,但随着 Skills 的引入,它们现在可以进化为精通公司编码规范或特定复杂工作流的 “自律型专业员工”。
1. 什么是 Agent Skills?:从提示词向“技能”的转变
“Agent Skills”是 一套旨在将“执行特定任务所需的知识和工具”打包并传授给智能体的开放标准 。
虽然此前也可以通过“指令(Prompt)”在一定程度上控制 AI 的行为,但每次都要输入复杂的步骤显然效率低下。随着 Skills 的引入,这些步骤现在可以作为 可重用资产 在项目内部进行管理和共享。
为什么是“技能”而不是“指令”?
| 维度 | 传统的指令 (Prompting) | Agent Skills |
|---|---|---|
| 重用性 | 低(每次都需要输入或复制粘贴) | 高(作为文件打包) |
| 工具联动 | 需要在指令中进行说明 | 通过 MCP 实现自动连接 |
| 模型兼容性 | 需要针对每个模型进行调整 | 跨模型共享的通用标准格式 |
| 管理方式 | 埋没在聊天记录中 | 可通过 Git 进行版本管理 |
2. 技术架构:技能的三个层级
AntiGravity 智能体习得并执行技能的机制由以下三个要素构成:
| 层级 | 作用 | 实现文件 |
|---|---|---|
| Brain (知识) | 定义“该如何行动”的流程(SOP) | SKILL.md (YAML + Markdown) |
| Hands (工具) | 外部操作或执行命令的权限 | MCP (Model Context Protocol) |
| Eyes (感知) | 确认执行结果或浏览器状态 | AntiGravity 浏览器 / 终端 |
3. 实战:Agent Skills 的引入与 SKILL.md 的编写
在项目内启用技能的步骤非常简单:
第一步:目录结构
在项目根目录创建 .antigravity/skills/ 文件夹,并按技能划分子目录。
.antigravity/
└── skills/
└── ui-accessibility-checker/
├── SKILL.md <-- 必填:技能定义
└── scripts/ <-- 可选:辅助脚本
第二步:编写 SKILL.md
在该文件中编写 YAML 格式的元数据和 Markdown 格式的步骤说明。
---
name: ui-checker
description: 检查页面的访问性与对比度,并修正以符合 WCAG 2.1 标准
---
# 步骤
1. 使用浏览器工具获取当前页面的 DOM
2. 找出文字与背景对比度低于 4.5:1 的地方
3. 提出修正方案,在获得开发者批准后更新样式表
4. YouTube 实播:Agent Skills 演示
在随发布一同公开的演示视频中,可以看到智能体如何自律地启动 MCP 服务,并与数据库联动修复 Bug。
▲ 来自 Cloud with Karl 的讲解。详细解析了智能体加载“技能”并自律完成任务的过程。
5. 全球反响:开发者的范式转移
在 X(原 Twitter)上,许多人评价这次发布“从根本上改变了开发者的角色”。
“Google AntiGravity 是一次相位转变。能够在简单的 Markdown 中定义‘Skills’并通过 MCP 工具执行,这意味着我们熟知的模板代码(Boilerplate)时代的终结。”
“Agent Skills 的本质在于编排。我们不仅是在做一个更好的助手,我们是在构建一个让自律的专业智能体能够共生并协作的‘栖息地(Habitat)’。”
“开发者正从写代码的人(泥瓦匠)转变为指挥智能体的设计者(建筑师)” —— 随着 AntiGravity 的兴起,我们不再拘泥于每一行代码,而是进入了设计工作流本身的时代。
Google AntiGravity 的标志——“漂浮的三角形”,象征着模型、工具和运行环境这三者从重力(传统的束缚)中解放出来。
6. 总结:AntiGravity 正在成为智能体的“栖息地”
随着 Agent Skills 的出现,Google AntiGravity 已经超越了单纯 IDE 的范畴,进化为 “AI 智能体居住的地方(Habitat)”。
今后,重点将不再是“选择哪个模型(Selecting Models)”,而是 “如何构建高效的技能并进行编排(Building Skills)”。
不妨先从简单的 UI 检查或日常作业的自动化开始,尝试构建您专属的“技能”吧。
相关书籍
若想学习作为智能体开发基础的提示词工程和 LLM 运用,以下书籍是最佳选择:
LLM 提示词工程:由 GitHub Copilot 开发者亲授的生成式 AI 应用开发






⚠️ コメントのルール
※違反コメントはAIおよび管理者により予告なく削除されます
まだコメントがありません。最初のコメントを投稿しましょう!