由於 Antigravity CLI 已經脫離 Gemini CLI 時代的一問一答思維, 進化到 AI 代理人協同思維(Agentic System), 開發者使用 AI 的模式也要轉變, 我叫 M365 chat 擬了一個 Antigravity CLI 學習地圖 (似乎只能輸出文本), 交給 Gemini 畫成圖片, 如下所示 :
這張 Google Antigravity CLI 學習地圖的核心意旨, 是為了協助開發者從過去舊時代的 "AI 聊天工具思維" (舊版 Gemini CLI 的一問一答), 全面升級到新世代的 "AI 代理人協同思維 (Agentic System). 此學習地圖透過由淺入深的架構指引開發者如何將 AI 轉化為一個能夠自主思考與規劃, 並執行複雜任務的 "虛擬夥伴".
此學習地圖分成上下兩層, 上層是學習的起點, 用來奠定代理人的思維以掌握此新世代 AI 工具, 它由三個平行的支柱組成, 強調工具, 思維, 工程缺一不可 :
- 基礎操作 (工具熟練) :
開發者必須先熟悉 agy 的全新圖形終端介面 (TUI) 與設定. - Agent 思維 (核心大腦) :
此乃整張地圖最核心部分, 它告訴開發者不能再用以前 "給一個指令吐一個答案" 的線性思維來使用 agy, 必須學會如何給定一個大目標 (Prompt Engineering), 並理解 AI 是如何將大目標拆解成小任務 (Task Decomposition) 與如何自我規劃 (Planning). - 工程整合 (實務落地) :
AI 代理人不能脫離現實開發環境, 開發者需學習如何讓 AI 融入現有的 Git 版本控制, 撰寫並執行測試, 以及自動化整合 (CI/CD), 才能確保 AI 寫出的程式碼是安全, 可被驗證且符合工程規範.
下層為進階匯流部分, 是邁向高效率自動化生產力提升的關鍵. 開發者在融合了上半部的基礎能力後, 軟體開發能力將產生兩大質變 :
- 基礎操作 ＋ Agent 思維 => 輕鬆駕馭多代理人系統 (Multi-Agent) :
當開發者既懂操作又懂 Agent 的思考邏輯時, 就能開始扮演 "專案經理的角色, 可以同時調動多個子代理人 (Subagents), 指派不同的技能 (Skills) 與擴充元件 (Plugins), 讓多個 AI 代理在背景非同步地協同開發. - Agent 思維 ＋ 工程整合 => 建立生產工作流 (Production Workflow) :
當 AI 的規劃能力與實際工程環境結合時就能徹底解放雙手, 透過 MCP 與 Hooks, AI 代理能全自動地巡檢專案, 自動修復 Bug, 甚至優化工作流程, 實現真正的 coding 自動化.
總之, 此學習地圖昭示開發者 : 不要只把 AI 當成會寫程式的聊天機器人, 要把 AI 當成你的團隊同僚. 它指引了一條清晰的學習路徑, 帶領開發者從基礎的指令輸入者, 進化為能夠編排, 調度, 並與多個 AI 代理人共同協作的新世代 AI 開發總指揮.
接下來我想利用 AI 學習 AI, 透過簡單實用的範例實作來快速掌握此工具. 我去年底買的 Google AI Pro 已過去半年但使用率不高, 下半年要來好好榨乾其價值呵呵.
沒有留言 :
張貼留言