Google 推出的 Antigravity 正式支持 Agent Skill，让 AI 不仅能对话，还能直接操作基础设施和执行命令。这一功能通过定义技能，实现了工作流的自动化和标准化，极大提升了开发与运维效率。
智能速览
Antigravity 集成 MCP，可直接读取日志、执行 CLI 命令。
Agent Skill 分为工作区技能和全局技能，适配不同场景。
创建 Skill 需编写包含 YAML 前置元数据的 SKILL.md 文件。
最佳实践建议保持技能专注、将脚本视为黑盒并包含决策树。
使用 Skill 可告别手动复制提示词，AI 能自动根据上下文判断。
精华内容
Antigravity 的出现让 AI 不再只是简单的问答工具，而是能直接介入工作流的智能体。以下是关于该技能系统的详细解析。
基础设施集成
Antigravity 本质上是一个深度集成 MCP（Model Context Protocol）的 Agentic IDE。它不同于传统的 AI 助手，能够直接连接并操作真实的基础设施工具，如 kubectl、terraform 和 gcloud。
这意味着 AI 可以实时查看日志、执行 CLI 命令、修改基础设施即代码（IaC）配置，甚至提出并验证修复方案，真正实现了从“只说不练”到“实干家”的转变。
技能类型划分
为了规范 AI 的行为，Antigravity 引入了技能系统。工作区技能专为特定项目设计，例如定义团队的部署流程或代码审查规范，确保 AI 适应团队特定的工作流。
全局技能则适用于所有项目，常用于个人实用工具或通用的操作命令，无论切换到哪个项目，这些技能都能随时调用。
技能创建方法
创建一个技能非常直观，核心在于编写一个 SKILL.md 文件。文件顶部必须包含 YAML 前置元数据，用于定义技能的基本属性。
开发者需要在该文件中明确技能的功能、适用场景以及具体的使用方法，使 AI 能够准确理解何时以及如何调用该技能。
编写最佳实践
编写高质量技能需要遵循特定原则。首先，每个技能应保持专注，只解决一个特定问题，避免功能过载。其次，技能描述必须清晰具体，帮助智能体做出正确判断。
对于包含脚本的技能，建议将脚本视为黑盒，引导 AI 通过 --help 参数获取信息。此外，对于复杂场景，构建决策树能帮助 AI 根据上下文选择最佳路径。
效率提升价值
在没有技能系统时，用户往往需要反复复制粘贴提示词，体验割裂且低效。引入 Skill 后，AI 能根据当前上下文自动识别并应用相应的技能，无需人工干预。
这不仅节省了大量重复性工作时间，更相当于为每位开发者配备了一位了解项目规范的贴身助理，让工作流更加顺畅。
Agent Skill 的支持让 Google Antigravity 成为了一个真正懂业务的开发伙伴。通过将隐性经验转化为显性的技能定义，开发者能够释放更多精力用于创造性工作。你准备好尝试为你的项目编写第一个 Skill 了吗？
