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：

特性	Google Antigravity	Cursor	GitHub Copilot Workspace	Windsurf / Devonshire
核心模型	Gemini 3 Pro (默认)支持切换其他模型	GPT-4o / Claude 3.5	GPT-4o / Copilot 模型	Claude 3.5 / 本地模型
自主程度	高（完全控制编辑器/终端/浏览器）	中-高	中等（规划器 + 执行器）	高（但仅限本地）
结果验证	Artifacts + 录屏（可视化程度最高）	Diff 预览 + 聊天确认	计划 + 测试结果	实时预览
多智能体并行	原生的经理视图（Manager View）	有限支持（Composer 功能）	无	无
浏览器集成	内置 Chrome 扩展	通过 Playwright 脚本间接实现	有限	无
价格	免费预览版（额度大方）	$20+/月	包含在 Copilot 订阅中	免费/开源
适用场景	复杂的全栈任务需要高度验证和可视化反馈	快速原型开发追求单点代码速度	深度绑定 GitHub 工作流	离线开发，注重隐私

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：

python 复制代码

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。