Google Antigravity 评测：让 Agent 自己点一遍，验收才省下来

代码 Agent 普及之后，瓶颈换了位置。以前是「能不能写出来」，现在是「我怎么知道它真的跑通了」——多数工具给你一段 diff 和一句已完成，起服务、点页面、看请求、判断对错，全是你的活。

Antigravity 把最后这一段也收进了 Agent 的职责范围：它操作的不只是编辑器，还有终端和内置浏览器，跑完自己起服务、自己点一遍，把截图和录屏留在产物里。这篇评测就从这个差别切入。

它改的不是写代码环节，是验收环节

所有 Agent 式工具都宣称能「完成任务」，区别在于交给你的时候，这个「完成」由谁证明。

终端派活的工具，证明方式是测试输出——测试怎么写、覆盖到哪，还是你的事。编辑器派的工具，证明方式是 diff——语法对不对你一眼能看，跑起来对不对只有跑过才知道。

Antigravity 的证明方式多了一层：浏览器里的实际操作记录。前端改动、表单提交、登录跳转这类「必须看一眼才知道对不对」的活，它自己走完并录下来。你不用再重复一遍验证动作，只需要看它做的和你想的是不是一回事。

这个差别在纯后端任务上不显眼，在全栈和前端任务上非常明显。因为它省掉的恰恰是那种「改完了，但要手动点五分钟确认」的收尾工作。

我让它干的三类活

• 一句话的前端功能（最出彩）。比如「给这个设置页加一个深色模式开关，刷新后保留」。它会改组件、改样式、起本地服务、在浏览器里点开菜单、切换开关、刷新页面验证是否记住，最后交出录屏。整个过程不需要你介入，验收成本被压到几乎为零。
• 接口改完自己调通。新增一个接口并补上前端调用，它会用终端起服务、在浏览器里触发请求、看返回是否符合预期。遇到 400 会自己回头改参数再试，这部分比纯 diff 式的交付可靠。
• 纯逻辑的 bug 修复。表现正常但不惊艳。没有界面可点，它的优势发挥不出来，和终端派的工具差别不大——这时候选谁主要看你习惯哪个界面。

结论是它的强项有明确边界：有界面可以验证的活，它明显强；纯逻辑、纯后端的活，它只是合格。这不是缺点，是定位。

Manager 视图：卖的是并行，考的是你的审阅带宽

界面被拆成两半：Manager 像任务收件箱，多个 Agent 各自领活、并行推进，你像看板一样看每条到哪一步；Editor 是传统写码界面，抠细节回这里。

并行听起来是最爽的部分，实际用起来会发现瓶颈立刻转移到人这边。铺开五个 Agent，回来是五份产出加五段录屏，还是你一个人看。看不完就堆在收件箱里，第二天再打开已经忘了当时想让它干什么。

舒服的并行数是两到三个：正好是你能在等一个跑完的时间里，把另一个的产出审完。超过这个数，需要的是流程（谁审、什么标准、卡在哪一步停），而不是更多的 Agent。

Artifacts 的真价值在一周后，不在当场

每个任务都会落下一串可回看的产物：任务清单、实现计划、diff、测试输出、浏览器截图、操作录屏、验证结论。

当场看，这些只是「让我相信它做对了」。真正值钱的是事后：一周后线上出了问题，你或者同事回来查这段代码是什么时候、因为什么改的，能翻到当时的计划和录屏，而不是靠提交信息里那句「fix bug」猜。

对要交接的项目、要过审的团队，这一层的价值比「它写得多快」高一个量级。但也要会用——如果录屏里它「点了一下就说通过」，说明验证是形式主义，这一层就白留了。第一次用就该抽一条认真看，判断它的验证是真跑还是走过场。

免费是它最硬的牌，也是要留神的地方

个人版 0 美元，能直接用：Gemini 系列之外还能切 Claude 和 gpt-oss 的模型，Tab 补全和命令请求不限次，只有基础的每周速率限制。在同类工具普遍 20 美元起步的价位上，这个定价很难被忽略——它让「试一个新范式」的成本降到零。

但要留神的是额度机制的透明度。「基础每周速率限制」具体是多少没有固定数字，会随负载调整。想重度依赖之前，最好自己按真实用法测一周，看会不会在关键时候卡住，而不是等上线前才发现。

组织采购走的是另一条路（Google Cloud 席位或按用量），条款、支出上限、集中管理都在那边，个人版的免费不代表团队也免费。

它还很新，把不稳定算进成本

这是评测里最不该省的一段。界面交互、Agent 行为的一致性都不如成熟工具，偶尔会出现「计划写得很好、执行跑偏了」的情况，你需要中途打断纠正。

这不致命——它的定位本来就是让愿意尝新的人先跑一遍新范式。但如果你的场景是「生产环境、时间卡死、工具本身不能出岔子」，这份不稳定就应该被算进选型成本，而不是等踩到再说。

和 Cursor、Claude Code 的分工

Cursor 是成熟度最高的 AI 编辑器，交互打磨和扩展兼容更稳；Antigravity 的差异在「Agent 自己去浏览器验证」和「多 Agent 看板」。要稳选 Cursor，要试新范式选 Antigravity，两个都装也不冲突。

Claude Code（以及 Codex）强在跨文件改造和批量清理，没有图形界面、没有浏览器；Antigravity 强在能跑起来看效果、能留证据。做后端重构选前者更顺，做需要眼见为实的全栈活选后者更省事。

结论

Antigravity 的贡献不是「又一个能写代码的 AI」，而是把验收这一段也自动化了。它值得装的理由很具体：你的活里有相当比例是需要跑起来看效果的界面与全栈任务。

反过来，如果你的日常是后端逻辑、脚本、数据处理，它的独门优势用不上，那就按成熟度选，Cursor 或终端派的工具更稳。免费这一点不该成为唯一理由——零成本的试错机会很值钱，但长期用什么，还是看你的活长什么样。