Google Antigravity: كيفية ربط Rules و Skills و Workflows لوكلاء ذكاء اصطناعي موثوقين

يقوم Google Antigravity بتحويل مساعد ذكاء اصطناعي تدريجياً من أداة الإكمال التلقائي إلى وكيل هندسة قابل للتخصيص: بدلاً من الاقتراحات لمرة واحدة، يوفر المطور له قواعد العمل والمهارات الفردية والسيناريوهات الجاهزة، ثم يطلق عملية ضمان الجودة القابلة للتكرار باستخدام أمر واحد. من الناحية العملية، هذا يعني أن مراجعة الكود وإعادة الهيكلة وتوليد الاختبارات يمكن تجميعها في خط أنابيب محلي بدون محركات تنسيق خارجية وبدون إشراف يدوي مستمر في كل خطوة. تتمحور الفكرة الأساسية حول ثلاث كيانات.

تحدد القواعد القيود الأساسية للوكيل: أسلوب الكود والممارسات المقبولة والإطار التكنولوجي للمشروع. تعمل المهارات كحزم معرفة قابلة لإعادة الاستخدام لمهمة معينة، مثل المراجعة أو النشر أو كتابة الاختبارات. تربط سير العمل كل هذا في سلسلة من الإجراءات التي يمكن استدعاؤها باستخدام أمر الشرطة المائلة.

في توثيق Google، يتم مقارنة سير العمل ببرومبتات محفوظة، وتتم مقارنة القواعد بتعليمات النظام. هذه الطبقات ضرورية لكي لا يسحب الوكيل مجموعة التعليمات كاملة إلى السياق في وقت واحد وليربط التعليمات المتخصصة فقط حسب الحاجة.

بشكل منفصل، يراهن Google على الكشف التدريجي. لا تبقى المهارة معلقة بشكل دائم في سياق النموذج: أولاً، يرى الوكيل وصفاً موجزاً فقط للمهارة، ويسحب التعليمات الكاملة فقط عندما تتطابق المهمة بالفعل مع غرضها. هذا يقلل من الحمل الزائد من الأدوات والقواعد غير الضرورية، ويقلل من الكمون، ويساعد على منع سلوك النموذج من أن يصبح منتشراً. يمكن للمهارة نفسها أن تكون أكثر من مجرد ملاحظة نصية—يمكن أن تكون مجلد مشروع صغير يحتوي على ملف SKILL.md وسكريبتات إضافية ومواد مرجعية وأصول. يمكن تخزين المهارات بشكل عام لجميع المشاريع أو محلياً داخل مساحة عمل محددة إذا كانت مرتبطة بالمجموعة والعمليات على فريق واحد.

الحالة العملية التي نوقشت لـ Antigravity بسيطة جداً: فحص ضمان الجودة لكود Python. في مساحة العمل، يتم إنشاء المجلدات .agents/rules و .agents/skills، وبعد ذلك يتم إضافة قاعدة لـ Python مع متطلبات PEP 8 واستخدام black للتنسيق وقيود على تبعيات المصدر المفتوح المجانية. يمكن تطبيق هذه القاعدة على قناع glob لجميع ملفات .py بحيث تنطبق تلقائياً على أي كود Python. بشكل منفصل، يتم إنشاء مهارة لتوليد الاختبارات: تقع في مجلدها الخاص وتحتوي على ملف SKILL.md مطلوب وتصف كيفية كتابة الوكيل للتغطية للكود المتحقق منه بالفعل. يجعل هذا النهج الإعدادات معيارية: معايير المشروع تعيش بشكل منفصل عن الأوامر الفردية في الدردشة.

فوق هذه الكتل، يتم تجميع سير عمل باسم مثل qa-check. فيه، يتم تكليف الوكيل بشكل متسلسل بفتح ملف Python الحالي والعثور على الأخطاء وانتهاكات الأسلوب وتبسيط الأقسام غير الفعالة إذا لزم الأمر، ثم استدعاء مهارة الاختبار وأخيراً إخراج اختبارات وحدة جاهزة مع توصية بتشغيل pytest في المحطة. للعرض التوضيحي، يتم استخدام وظيفة قسمة متعمدة إهمالاً مع تنسيق سيء وبدون معالجة القسمة على صفر.

بعد تشغيل سير العمل، لا يقتصر الوكيل على إعادة كتابة الكود بشكل أكثر ترتيباً، بل يقترح أيضاً مجموعة اختبارات للقيم العادية والسلبية والكسرية، بالإضافة إلى حالة منفصلة للقسمة على صفر مع خطأ متوقع. هذه نقطة مهمة: لا يقتصر Antigravity هنا على إعادة هيكلة تجميلية، بل يأخذ المهمة إلى نتيجة قابلة للتحقق، حيث يتم تأكيد الجودة من خلال منطق الاختبار.

لهذا النهج عاقبتان عمليتان. أولاً، يمكن للفرق تجميع طقوس الهندسة القابلة للتكرار داخل IDE بدون طبقة أتمتة منفصلة فوق المحرر. ثانياً، يبدأ وكيل الذكاء الاصطناعي في العمل ليس كمحاور عام، بل كمنفذ متخصص مع منطقة واضحة من المسؤولية. للتطوير، هذا يعني تبديل يدوي أقل بين المراجعة والإصلاحات والاختبار، وللـ Google، خطوة أخرى نحو جعل Antigravity تتنافس ليس فقط مع مساعدات الكود، بل مع بيئات عمل قائمة على الوكلاء بأكملها.