Antigravity 2.29 把代理搬進雲端 VM,語音只能放行小事

Antigravity 團隊自己對這項功能的描述就是最好的摘要:任務跑在獨立的雲端虛擬機裡,所以你丟出一個任務,去喝杯咖啡,用手機解掉權限卡關,回來時測試已經過了、pull request 也乾乾淨淨。
2.29 版在 11 月 3 日開始推送,團隊在 11 月 6 日公開確認遠端代理。更新紀錄列了 22 項變更,真正重要的兩項是遠端代理,以及建在 Gemini Live 上的語音模式。
這個轉向很容易被低估。寫程式的代理從這個類別存在以來就是本機軟體。它們讀你的檔案、跑你的測試、用你的工具,蓋上筆電就停。把執行搬到託管 VM,改變了產品的本質,也順便暴露了代理能力裡哪些部分根本不在模型裡。
遠端代理,以及它不是什麼
Antigravity 原本就有個叫 Remote Control 的功能,讓你從另一台裝置驅動跑在自己工作站上的代理。那仍然要求工作站保持連線。遠端代理是另一回事:工作階段與工具在 Google 託管的隔離環境裡執行,所以你的筆電睡著、瀏覽器關掉、或從桌機換到手機,工作都繼續。
你可以從桌機應用程式、從 antigravity.google.com 網頁,或從 CLI 用 agy --remote-agent 開啟工作階段,後者需要 1.4.12 以上版本。
遠端專案會掛載資源。GitHub 倉庫透過 OAuth 複製並掛上。Google Drive 檔案按需讀取。你也可以直接上傳,每個檔案上限 8 MiB、50 個檔案、每個專案 100 MiB、每個帳號 2 GiB。Google 說憑證在靜態時加密。GitHub、Drive、Docs、Sheets、Slides、Calendar 的外掛都走 OAuth 連接。
這些上限小到足以決定這功能是做什麼用的。每個檔案 8 MiB 對腳本夠用,對資料集沒用。這是給倉庫工作與文件工作的代理,不是給資料工程的。
資格那條線才是有意思的線
遠端代理開放給 Google AI Pro 與 Ultra 個人帳號。不包括免費層級、不包括 Google AI Plus,也不包括 Workspace 或 Google Cloud 企業帳號。
最後那項排除,對一個明顯客戶是開發團隊的功能來說有點怪。團隊方案會想要共享專案、稽核軌跡,以及能撤銷權限的管理員。Google 先推消費版,說明公司優化的是想試用產品的個別開發者,而不是採購流程。
這也意味著回來看到乾淨 pull request 這套流程,目前是個人流程。你的代理在你個人訂閱下的 Google 託管 VM 裡工作,對著你用自己 GitHub 帳號授權的倉庫。
上雲之後你少了什麼
遠端模式不支援的功能清單,是整份文件裡資訊量最大的一段:print 模式、程式碼搜尋、/diff、/rewind、語音聽寫,以及本機安裝的 MCP 伺服器、外掛與 skills。
最後那一組再讀一遍。MCP 伺服器、外掛與 skills,佔了讓寫程式代理在特定公司裡有用的很大一塊。內部 API schema、部署腳本、runbook、風格指南、遷移檢查清單。這些全都住在本機,由開發者安裝,往往指向雲端 VM 到不了的內部端點。
所以這功能推出時是乾淨的一刀切。雲端代理拿到倉庫、公開網路,以及模型的一般能力。它拿不到你的本機工具鏈。全新專案沒問題。對一個得靠內部 build wrapper 才編得過的髒倉庫,代理會撞上一道跟聰明程度無關的牆。
這是過渡期問題,遲早會解,解法大概是讓團隊把核准過的 MCP 伺服器與 skills 發布到遠端專案。在那之前,遠端代理的誠實描述是:對只需要程式碼與 shell 的任務很棒,對需要你機器上那套設定的任務很受限。
語音作為權限通道
語音模式跑在 Gemini Live 上,它直接聽你的聲音而不是轉錄文字,所以你可以話講到一半打斷,它會跟著調整。你可以用說的規劃、調整方向、核准權限。語速與播放速度可調,而這個模式僅限本機對話。
真正重要的細節是那個例外:例行權限可以用語音核准,破壞性動作不行。
這條線畫得合理,也揭示了摩擦到底在哪。一個跑四十分鐘的代理,會停下來好幾次,問能不能跑某個指令、裝某個套件、刪某個檔案。每次停下對人來說都是一次思緒切換。用語音核准,等於替無聊的那些拿掉切換,同時替會傷到東西的那些保留一個實體動作。
官方說法是:你跟代理講話,就像在通話中跟隊友講話。語音辨識是簡單的部分。通話中的隊友聽到改用 Postgres 會重新規劃,而代理需要這個指示在它迴圈裡的正確時機到達。
同一週的其他消息往同一個方向走
Cursor 推出 Build Live Apps,給一段描述就產出託管的網頁應用,帶 Postgres 資料庫、身分驗證與安全掃描,部署在可分享的連結後面,還加上 SSO。Cursor 說自家團隊拿它做儀表板、內部維運工具與新人入口。有意思的後果是:部署這一步不再是一步。
LangChain 在 Deep Agents 裡加入非同步子代理,五個工具分別負責啟動、查詢、更新、取消與列出背景任務。對執行中任務的更新,可以中斷並重啟,適合改用 Postgres 這種修正;也可以排隊等本輪跑完,適合跑完之後幫我跑測試這種追加。未完成的任務會列在協調者的系統提示裡,完成的子代理不是在協調者下一次模型呼叫前被撿起來,就是用新的一輪把它叫醒。
三個各自獨立的團隊,同一個想法的三種實作:代理變成持續運行的服務,人變成進進出出的核准者。
管線差不多解決了
把零件拼起來,架構就看得見了。執行在比你硬體活得久的雲端 VM 裡。子代理協調,有明確的中斷與排隊語意。部署成為生成的副作用。語音作為核准通道。手機作為控制面。
沒解決的,是這一切繞著它設計的東西:權限提示。這些系統每一個都還假設由人來決定,一天幾十次,某個自主程序能不能做一個不可逆的動作。Google 的答案是讓核准變便宜,同時對破壞性操作保持必要。這是對的預設,也等於承認沒人敢讓代理自己決定。
這個問題的下一個版本是政策層:規則說明代理可以不問就做什麼,範圍限定在某個倉庫、某個環境、某個時間窗,並留下稽核紀錄。在那之前,丟個任務然後走開,只有在什麼怪事都沒發生時才成立,換句話說,它在 demo 裡成立。
相關文章
NVIDIA 放四顆 Cosmos 3 世界模型,還有一個快 25 倍的解碼器
四顆 16B 檢查點加上後訓練配方與程式碼,可以自己調成自家感測器配置。NVIDIA 同時明說:這些模型能否當訓練環境,還有待測量。
GitHub 熱榜四分之一是 agent skills,安裝方式卻有四套
熱榜 15 個倉庫裡有 4 個是 agent skills 合集,第 5 個附了 skill 包裝。採用沒問題,問題是同一個物件有四套互不相容的安裝方式,以及沒人處理的優先順序與信任問題。
Inkling 2 Small 拿下 86.3%,權重卻還要再等一週
Inkling 2 Small 在 SWE-Bench Pro v2 Hard 拿到 86.3%,還能自己微調別人的模型。但 Apache 2.0 權重還沒放出來,也沒給日期。
OpenAI 開生物基準,最強模型 GPT-6 Astra 仍錯三分之一
OpenAI 公布 100 項濕實驗室判讀任務的基準,最強的 GPT-6 Astra 只拿到 66.7% 的可用分數。真正有價值的是那些失敗案例,例如把 kanamycin 盤當成 ampicillin 對照。