最新新闻爆出，Google 准备在今年年内，于 Agent 工作流基础设施上投入高达 1700 亿美元。这是一个天文数字，也释放出一个明确的信号：AI 时代的基础设施正在从大模型本身，转向“如何让大模型更好地工作”。
在这波浪潮中，我们最近刚好关注到了 Antigravity 的 Workflow 功能。这看起来是一个与该愿景非常契合且实用的功能。今天我们就来深入讲解一下 Antigravity Workflow，并解答其与 Skill 的本质区别。
一、什么是 Antigravity Workflow？
你所提到的 Antigravity (AG) 指的是 Google 推出的 Agentic IDE（智能体集成开发环境）。
在 Antigravity 中，“Workflow（工作流）”并不是传统意义上的复杂数据流图或可视化拖拽界面，而是通过**自定义指令（Slash Commands）**实现的可重用自动化步骤。
简单来说，你可以把它理解为一个“高阶宏命令”。通过定义一个 Workflow，你可以将一系列复杂的、需要 AI 参与的代码分析、生成和验证步骤，封装成一个简单的 /命令。
二、如何在项目中创建你的第一个 Workflow？
如果你现在没有参考项目，可以按照以下规范直接在你的项目根目录下手动创建：
1. 存放位置
所有的工作流必须存放在项目根目录的以下路径：
你的项目/.agent/workflows/
2. 文件命名规范
文件必须是 .md（Markdown）格式。文件名就是你在 IDE 聊天框中输入的命令名。
例如：创建 review.md，你就可以在对话框通过输入 /review 来触发。
3. 编写格式（规范）
一个标准的工作流文件由 YAML Frontmatter（元数据）和 Markdown 正文（指令）组成：
---
description: "这是一个示例工作流，用于自动检查代码风格并生成单元测试"
---
# 目标
分析当前选中的代码，并确保其符合 Google 编程规范，同时为函数生成对应的单元测试。
# 步骤
1. **分析代码**：读取当前活动文件中的导出函数。
2. **规范检查**：检查变量命名是否符合 camelCase，是否有必要的 Docstring。
3. **生成测试**：使用 Vitest 框架，在同一目录下创建一个 `.test.ts` 文件。
4. **验证**：运行刚刚生成的测试，如果失败则尝试修复。
# 限制条件
- 不要修改原始代码，只提出修改建议。
- 测试代码必须包含对边界情况（如 null 或 undefined）的处理。
三、Workflow 与 Skill 的核心区别是什么？
在学习创建 Antigravity 扩展能力时，务必记住 AG 识别的三种自定义方式：
- Rules (
.agent/rules/): 全局规则（例如：项目必须使用 TypeScript）。这是一种“紧箍咒”，AI 在任何时候都会遵守。 - Skills (
.agent/skills/): 被动技能。AI 只有在“觉得需要时”才会加载，主要用于扩展知识库或提供特定的工具链。比如你定义了一个“微信公众号发布”的 Skill，平时它不会干扰对话，只有当你提到“发布文章”时，AI 才会去调用它。 - Workflows (
.agent/workflows/): 主动触发。它是你输入/命令时执行的固定 SOP（标准作业程序）。它的执行是确定性的、按部就班的。
总结来说：
- Skill 是“被动提供工具/知识”：你把工具放在工具箱里，AI 根据任务需要自己决定拿不拿、什么时候拿。
- Workflow 是“主动执行流程”：你写好了一份标准的工艺流程单，打上指令，AI 就会严格按照流程单一步步执行到底。
四、上手建议
你可以先从创建一个简单的 /readme 工作流开始（让它帮你根据现有代码写 README），这是最容易上手的。这不仅能帮你熟悉 Workflow 的结构，也能立刻在你的日常开发中产生收益。
Agent 工作流的基础设施建设才刚刚开始，掌握 Antigravity Workflow，也许就是你踏入这个 1700 亿赛道的第一步！
