AI guides

Google Antigravity「系统提示词」简直太牛了,厉害是有原因的

By AI修猫Prompt1 viewsSource: AI修猫Prompt
Google Antigravity「系统提示词」简直太牛了,厉害是有原因的

Google昨天伴随Gemini3.0pro一同发布了他们的AI IDE产品Antigravity《与Gemini 3.0一起发布的AI IDE「Antigravity」究竟有多厉害?》。其震撼性的三位一体全流程Agent体验让无数开发者直呼“Cursor危险了”。

The full text has not been translated yet. The Chinese original is shown below.

Google昨天伴随Gemini3.0pro一同发布了他们的AI IDE产品Antigravity《与Gemini 3.0一起发布的AI IDE「Antigravity」究竟有多厉害?》。其震撼性的三位一体全流程Agent体验让无数开发者直呼“Cursor危险了”。

Google Antigravity「系统提示词」简直太牛了,厉害是有原因的

今天这篇文章会带您深入了解Antigravity背后的两份核心系统提示词(System Prompt)Planning Mode(规划模式)与Fast Prompt(极速模式)。如果说产品界面是它的皮囊,那么这两份Prompt就是它的灵魂。接下来,让我们通过一次硬核的拆解,通过这两份文档的巅峰对决,一窥DeepMind团队是如何用其深不可测的Prompt Engineering功力来定义“下一代Agent”的。

Planning Mode如何用Prompt构建“虚拟项目经理”

planning-mode是一条令人惊叹的提示词。它最大的创新在于,它通过Prompt强行构建了一个虚拟的UI交互界面和严格的状态机。

在开始阶段开发人员即为Antigravity赋予了极其详细的角色设定:

Google Antigravity「系统提示词」简直太牛了,厉害是有原因的

对于Google自己的模型来说,这种高规格的身份设定有助于提升模型输出代码的质量和自信度。

1. 任务边界工具:外化思维链(Externalized Chain of Thought)

在传统的Chatbot中,用户只能看到对话气泡。但在Planning Mode中,Prompt强制AI维护一个“任务视图”。

Prompt设计解析:系统引入了一个名为task_boundary的工具。这不仅仅是一个函数,它是整个对话的“节拍器”。

Google Antigravity「系统提示词」简直太牛了,厉害是有原因的

<task_boundary_tool> **Purpose**: Communicate progress through a structured task UI.

**UI Display**:

- TaskName = Header of the UI block

- TaskSummary = Description of this task

- TaskStatus = Current activity

技术深度解析:这里运用了外化思维链(Externalized CoT)的高级技巧。通常我们用 "Let's think step by step" 诱导模型在内部进行隐式推理,但这在复杂任务中容易中断。通过强制AI调用工具并填充TaskSummary和TaskStatus,Prompt实际上是强迫模型将隐性的推理过程转化为显性的结构化参数。注意提示词中的这一句:

IMPORTANT: The TaskStatus argument... should describe the NEXT STEPS, not the previous steps...

这要求AI必须具备前瞻性。通过这种强制性元认知(Forced Metacognition),模型必须时刻自问:“我现在在哪?我的目标是什么?我下一步要做什么?”,从而极大地降低了逻辑漂移的风险。关于元认知,感兴趣您可以看下:

Google Antigravity「系统提示词」简直太牛了,厉害是有原因的

2 三段式状态机:思维树(Tree of Thoughts)与回溯机制

OpenAI的o1/o3模型将思维链内化了,而Planning Mode则选择将思维链分段化。Prompt明确定义了三个不可逾越的阶段,这实际上构建了一个思维树(Tree of Thoughts, ToT)架构:

Google Antigravity「系统提示词」简直太牛了,厉害是有原因的

  • PLANNING(规划):
  • 强制产出:implementation_plan.md。
  • 硬性门禁:必须使用notify_user请求审查,直到用户批准才能进入下一阶段。
  • EXECUTION(执行):
  • 动态回溯(Backtracking):Prompt明确指示“如果发现未预料的复杂性……返回PLANNING模式”。这是ToT架构的核心——允许“剪枝”和“回跳”。
  • VERIFICATION(验证):
  • 证据链:必须创建walkthrough.md,包含截图和录屏。

开发者启示:这种设计允许模型“承认错误”。传统的线性Prompt往往迫使模型一条道走到黑,为了掩盖一个错误而制造更多错误。而通过明确定义的状态回退机制,AI获得了“后悔药”,这对于保证复杂代码生成的质量至关重要。

3 文档驱动开发:上下文卸载(Context Offloading)

Google Antigravity「系统提示词」简直太牛了,厉害是有原因的

Planning Mode不相信AI的“脑子”(Context Window),它只相信文件。

  • Task Artifact (task.md):Prompt要求将其作为“活的文档”,实时更新[ ]到[x]的状态。
  • Implementation Plan Artifact:要求使用GitHub Alerts(> [!IMPORTANT])来高亮风险。

技术深度解析:这是一种上下文卸载(Context Offloading)策略。随着对话进行,Context Window会被挤爆。通过将关键信息(计划、进度、风险)写入文件系统,AI实际上是在利用外部存储作为“无限内存”。Prompt利用Markdown的渲染特性增强可读性,也是一种优化人机交互带宽的聪明做法。

Fast Prompt如何用Prompt构建“全知资深极客”

如果说Planning Mode是靠“笨功夫”取胜,那么Fast Prompt就是靠“高智商”和“经验”碾压。这份Prompt展示了目前最先进的Agentic RAG(代理式检索增强)设计思路。

1 知识发现系统:对比式少样本提示(Contrastive Few-Shot Prompting)

这是Fast Prompt最核心的黑科技。AI通常是“健忘”的,但Fast Prompt引入了Knowledge Items (KI)概念,并强制AI在行动前先查库。

Prompt中的强制指令:

Google Antigravity「系统提示词」简直太牛了,厉害是有原因的

🚨 MANDATORY FIRST STEP: Check KI Summaries Before Any Research 🚨

BEFORE performing ANY research... you MUST:

1. Review the KI summaries...

技术深度解析:为了教会AI正确使用KI,Prompt使用了对比式少样本提示(Contrastive Few-Shot Prompting)。它没有只给枯燥的规则,而是直接给出了代码块形式的“Bad Example”和“Good Example”。

  • Bad:直接开始grep代码库(盲目行动)。
  • Good:先查阅architecture_overview.md(知识复用)。

这种In-Context Learning(上下文学习)策略,让模型通过对比正反案例,捕捉到了“查库”这一动作的决策边界,比单纯的指令描述有效得多。

2 智能上下文管理:持久化记忆的决策逻辑

Fast Prompt解决了一个棘手问题:如何区分“无关的历史”和“有用的经验”?

它定义了一套复杂的决策逻辑,通过分类决策树来指导模型:

  • 何时查Logs:用户明确提到“昨天那次重构”时。
  • 何时查KIs:开始任何新研究时。
  • 何时不查:当KI标题明显无关时。

这实际上是在Prompt中内置了一个轻量级的路由(Router)模型,指导AI如何高效分配注意力资源,避免Token浪费。

3 Turbo模式:元提示(Meta-Prompting)与工作流

Google Antigravity「系统提示词」简直太牛了,厉害是有原因的

为了体现“Fast”,这份Prompt允许AI读取.agent/workflows目录下的工作流文件,并引入了类似编程语言的注解机制(// turbo,// turbo-all)。

技术深度解析:这是元提示(Meta-Prompting)的高级应用——即“关于提示的提示”。System Prompt赋予了Agent读取其他Prompt(Workflow文件)并根据其中的注解动态改变自身行为(如自动执行命令)的能力。这实现了Agent能力的解耦:System Prompt负责底层逻辑,Workflow文件负责具体业务逻辑,极大地提高了系统的可扩展性。

共同的基因——极致的审美与规范

无论是Planning还是Fast,这两份System Prompt在代码质量和UI审美上都有着近乎偏执的要求。这部分内容展示了如何通过Prompt进行情绪校准和边界控制。

1 情绪校准(Emotional Calibration):审美是底线

Prompt中使用了极重的语气来强调UI设计:

Google Antigravity「系统提示词」简直太牛了,厉害是有原因的

技术深度解析:这是一种情绪校准技巧。通过使用全大写字母、感叹号以及“FAILED”、“UNACCEPTABLE” 等强情绪词汇,Prompt实际上调整了模型生成内容的温度(Temperature)和风格偏置。它不仅仅是在传达指令,更是在激活模型潜在的“高级设计师”子空间,防止模型“偷懒”生成平庸的MVP级代码。

2 负面约束(Negative Constraints):防幻觉防火墙

在技术选型上,Prompt使用了大量负面约束:

Google Antigravity「系统提示词」简直太牛了,厉害是有原因的

  • CSS:默认禁止使用TailwindCSS,强制使用Vanilla CSS,除非用户明确要求。
  • 框架:默认只用HTML/JS,禁止过度工程化。

技术深度解析:在大模型的概率空间中,告诉模型“不要去哪里”往往比“要去哪里”更能收敛结果。这些Negative Constraints构成了防止幻觉(Hallucination)和越权行为(Overreach)的最有效防火墙,确保AI在受控的轨道上运行。

写在最后

这两份System Prompt(Planning Mode与Fast Prompt)展示了AI开发的一个重要趋势:我们正在从单纯的“提示工程(Prompt Engineering)”走向“认知架构设计(Cognitive Architecture Design)”。

Antigravity之所以强大,一方面是因为Gemini3.0pro很强,另一方面也是因为它的System Prompt成功地构建了一套包含短期记忆(Context)、长期记忆(KIs)、元认知(Task Boundary)和执行力(Tools)的完整认知系统。可谓Context Engineering的典范。

无论你是正在开发下一个Devin,还是仅仅想优化自己的编码助手,这套Google DeepMind级别的Prompt设计思路,都值得你反复研读。

文章来自于“AI修猫Prompt”,作者 “AI修猫Prompt”。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)