“你不是在问 AI 问题——你是在给一个会调 AWS CLI、看 k8s 日志、还能写 Terraform 的资深 SRE 下指令。”

2025 年末，Google 内部悄悄上线了 Antigravity —— 一个深度集成 MCP（Model Context Protocol） 的 Agentic IDE。它不像传统 AI 助手那样“只说不练”，而是能直接读取、操作、调试你的真实基础设施。

前几天官宣：正式支持Agent Skill。

今天我们就拆解 Antigravity 的Skill能力。

---

🧠 什么是 Antigravity？一句话说清

Antigravity = VS Code + MCP 插件 + 技能系统 + 云原生上下文感知

它通过 MCP（Model Context Protocol） 连接外部工具（如 kubectl、terraform、gcloud），让 AI 能：

• 查看实时日志
• 执行 CLI 命令
• 修改 IaC 配置
• 提出并验证修复方案

而 Skills（技能） 则是它的“专业证书”——告诉 AI：“在这个项目里，你该用什么方式做事”。

---

2种Skill

工作区技能非常适合项目特定的工作流程，例如团队的部署流程或测试规范。

全局技能适用于您所有的项目。可将这些技能用于个人实用工具或希望随处可用的通用工具。

---

---

---

创建一个skill

每个技能都需要一个 SKILL.md​ 文件，并在文件顶部包含 YAML 前置元数据：

如下是一个代码审查的skill

---

最佳实践

保持技能专注性
每个技能应专注于做好一件事。与其创建一个“包办一切”的技能，不如为不同的任务分别建立独立的技能。

编写清晰的描述
技能描述是智能体决定是否使用该技能的依据。请具体说明技能的功能及其适用场景。

将脚本视为黑盒
如果技能包含脚本，应鼓励智能体先通过 --help 参数运行脚本，而不是直接阅读全部源代码。这有助于智能体将上下文保持在任务核心上。

包含决策树
对于复杂技能，可增加一个章节，帮助智能体根据具体情境选择正确的方法路径。

---

为什么Skill很重要

大多数AI编程工具仍停留在“聊天模式”：你需要一遍又一遍地重复解释相同的规则。而智能体技能将这些重复的说明转化为持久的、可被检索的知识，这些知识能随你的项目（或作为全局技能跟随你个人）流转。

带来的结果是？

• 更少的不一致输出

• 新团队成员更快上手（他们能直接继承已有的技能）

• 无需反复提醒即能更好地遵循规范

• 智能体仿佛“记住”了你的个人风格与习惯