我最近对 Google Antigravity 的诚实想法
Source: Dev.to
我知道最近 Antigravity 的配额更改 惹恼了 很多人（从无数 Reddit 帖子可以看出）。我起初以为自己受到了冲击，因为我几乎无法使用 “Gemini High” 模型，但当我被迫使用 “Gemini Flash” 时，它实际上在我所做的事情上表现得更好。
我并不是说这对所有人都适用，但对我（以及可能还有少数其他人——一些 Reddit 帖子提到了类似的经历）来说情况就是这样，我想分享一下我如何在拥有 Google AI Pro 许可证的情况下最大限度地利用 Google Antigravity。我认为它仍然是目前性价比最高的选择之一（我同时拥有 ChatGPT Plus 和 Google AI Pro，对这种组合相当满意）。
Ask Antigravity to generate documentation
你可能会想，“又来了——显而易见先生”，我也知道有很多关于编写优秀的代理 markdown 文件、指令文件、技能等的帖子。我的做法稍有不同。每当我想实现一个新功能（我正在使用 Phaser 作为引擎制作游戏）时，我会先让 Antigravity 文档化一些我希望 AI 具备的前置知识。
这有两个好处：
- 这份文档对我有用，因为我不可能记住每一个细节。
- 这份文档让 AI 能快速了解我的需求，从而在上下文过于庞大时切换“房间”（后面会详细说明）。
不要害怕创建新聊天
一个关于 Google Antigravity 的热门 Reddit 话题是出现以下错误：
模型的生成超出了最大输出 token 限制。
我今天深有体会。当我试图让对话继续进行时，Antigravity 试图把响应拆成更小的块，但效果相当糟糕。我的猜测是，它在某个时刻读取了一个非常大的 JSON 文件（enemies.json）。我并不直接操作那个文件；相反，我有多个较小的文件，由一个 Node 脚本合并成一个。
我所做的：
- 让 Antigravity 生成一个简明的摘要，说明我在做什么以及新“房间”需要了解的内容。
- 用该摘要开启一个新对话。
体验立刻天壤之别。如果你遇到此错误，首先确保没有一次性喂入全部上下文——人类也做不到那样。然后创建一个新聊天；这可以为你节省大量时间。
基于对话的方法效果极佳
我花了一段时间才意识到，Google Antigravity 真正能够理解你的意图。我过去常在 ChatGPT 中编写冗长的提示，然后再把它们输入 Antigravity。当我看到 “Nano‑Banana”（Gemini Flash 的内部代号）对我的意图把握得如此精准时，我直接在 Antigravity 中尝试了同样的操作——结果非常好。通常我会先让它记录一下工作原理，这会有一点帮助，但大多数情况下它都能相当好地理解意图。
不要只说“do it”——审查实施计划
说“看起来不错，继续实现”很容易，但实施计划常常包含需要你提供意见的问题（类似于 Cursor 会提出几个问题，尽管 Cursor 以更流式的方式进行）。Antigravity 将这些问题直接写在计划文档中，如果不仔细留意，很容易错过。
当我开始审查实施计划并回答其中提出的问题时，输出质量明显提升。如果你以前没有尝试过，建议试一试。
AI can only get more expensive
总的来说，我在使用 Google Flash 完成了很多工作。我的游戏并非高深的火箭科学，但也不是小事。到目前为止，Gemini Flash 对我帮助良好。我感觉 AI 的定价可能会上涨，希望 Google AI Pro 许可证能保持在当前的价格区间。考虑到它还为 Nano‑Banana Pro 提供了更多提示，甚至包括 1,000 个 Google Flow 的积分，我仍然认为它具有很高的性价比（个人观点）。
不是最新的演示，但展示了我的构想
(自从这个视频以来，我已经取得了相当大的进展，但这是目前最好的英文演示。翻译尚未完成，您可能仍会看到一些日文字符。如果我再制作一个英文演示视频，我会在此发布。)