Google Antigravity 推出 /swarm：AI 编程从单 Agent 执行走向多 Agent 团队协作的 4 类角色解读

作者注：本文结合 Google Antigravity 的官方博客和使用文档，说明 /swarm 中多 Agent 的分工方式、协作机制、可视化管理和使用边界。

2026 年 11 月 10 日，Gemini 4 Carbon 正式开放。同一天，Google Antigravity 团队推出了 /swarm 多 Agent 协作功能（Preview）。这条指令可以把一次对话变成一支 AI 工程小队：有人拆任务，有人写代码，有人做检查，还有人负责发现进度卡住。

这项功能有公开依据。Antigravity 的官方博客和 Swarm 使用文档都已上线，Google 还表示其工程师已在内部使用约 5 周。/swarm 的重点也不是同时开几个聊天窗口，它尝试建立一套能自主拆解任务、并行执行、共享进度、相互验证并持续修复的协作系统。

核心价值：读完本文，你会了解 /swarm 的具体执行机制、各个角色怎样配合、用户如何观察和干预，以及它在额度和权限上的实际限制。

Google Antigravity /swarm 关键术语 to know

/swarm 引入了好几个角色名词。先把这些概念对齐，后面的机制会好理解很多。

什么是 Google Antigravity /swarm：核心信息速览

/swarm 和 Gemini 4 Carbon 的正式开放一起发布，但两者是不同的东西。前者是 Antigravity 中的多 Agent 编排功能，后者是一个模型。下表汇总了目前官方已经公开的信息。

为什么单 Agent 难以承担大型工程任务

单个 Agent 处理一个函数、一个 Bug 时效果很好。任务一旦扩展到几十个文件、多个模块之间的依赖，或者需要反复运行测试，一个 Agent 就要在同一段上下文里记住所有细节。上下文越拉越长，前面的约束容易被后面的执行细节挤掉。

任务分配也是一个难点。单 Agent 只能顺序执行，A 模块的修改没做完，B 模块的调查就得等着。很多工程任务本身可以拆开并行，比如分别修复不同软件包的失败测试，串行执行会浪费时间。

最容易被忽略的是验证。写代码的 Agent 检查自己的代码，很容易沿用原来的假设，发现不了思路上的偏差。人类团队的做法是让另一个人做 Code Review，/swarm 把这套分工搬进了 AI 编程流程。

Google Antigravity /swarm 如何启动一个 Agent 团队

根据官方使用文档，/swarm <task> 运行后会按下面的顺序推进：

1. 当前对话转变为 Coordinator：你正在对话的这个 Agent 成为协调者，负责理解总任务。
2. 拆分工作内容：Coordinator 根据任务结构划分出若干子任务。
3. 创建独立 Worker：每项工作对应一个 Worker，每个 Worker 获得独立上下文和一份公开的任务说明。
4. 执行与验证：Worker 修改代码或开展调查；Verifier 检查代码修改、执行测试，把问题反馈给对应的 Worker。
5. 修复循环：Worker 根据反馈修改，修改后再次接受检查。
6. 汇总报告：Coordinator 整合各成员的结果，向用户报告。

每个 Worker 的上下文是独立的，只装着自己那部分任务的信息，长上下文互相污染的问题因此减轻。任务说明是公开的，其他成员可以知道谁在做什么，分工就有了明确边界。

/swarm 团队分工：Coordinator、Worker、Verifier 与 Monitor

官方文档中，一个 Swarm 团队通常包含四类角色。需要说明的是，这是官方描述的典型组织方式，并不是所有任务都套用的固定架构。具体创建几个 Worker、是否需要额外成员，由 Coordinator 根据任务决定。

/swarm 中的 Verifier 与 Monitor 机制

官方博客把 Verifier 称为“对抗式验证 Agent”。它的任务是找出问题：检查其他 Agent 的修改，运行测试，对不合理的改动提出质疑。Worker 收到反馈后修复，再次提交检查，执行和验证就构成了闭环。

Monitor 处理的是另一类风险。多个 Agent 协作时，可能出现所有成员都在等待、谁也不往前推的局面。Monitor 平时休眠，一旦发现团队整体停止活动而任务还没完成，就会唤醒相关成员。有了它，团队卡住时不必完全依赖用户手动介入。

/swarm 的不同角色可以使用不同模型

Google 在官方博客中建议按角色特点分配模型，而不是让所有 Agent 都使用最昂贵的模型：

• 使用 Gemini 4 Carbon：总体架构设计、任务协调、安全审查、复杂代码审计
• 使用更快、更轻量的模型：常规代码实现、并行文件修改
• 使用专门的验证 Agent：自动测试与验证

官方文档的示例中，也有让不同模型分别负责代码实现和独立验证的用法。这是一种成本和能力的平衡思路：复杂判断交给强模型，大批量的执行工作交给快模型。

💡 选择建议：如果你在自建的多 Agent 流水线里也想按角色搭配模型，可以先通过 API易 apiyi.com 用同一个 API Key 测试不同模型在规划、实现、审查环节的表现。确定每个角色的合适人选后再固化配置，切换时只需要改 model 参数。

/swarm 多 Agent 如何协同而不互相干扰

共享消息板：Agent 之间的公开沟通

各 Agent 共用一个追加式的共享消息板（Shared Message Board），协作过程和任务进度都记录在上面。消息只追加、不覆盖，团队的沟通历史完整可追溯。Agent 在等待其他成员时可以休眠，需要输入时再被唤醒，Google 称空闲等待不消耗 Token。

这种设计比让 Agent 私下互相调用更透明。Verifier 给 Worker 的反馈、Coordinator 的调度决定都摆在明面上，用户事后复盘时能看清问题出在哪一环。

共享工作区与独立工作副本的区别

这部分官方博客和使用文档的表述有所不同，容易写错。博客强调并行 Worker 可以在隔离的 Git Worktree 中工作，避免直接改同一个目录。使用文档则说明了更细的规则：

• 默认情况：Workers 共享当前工作空间。
• 按需隔离：多个 Worker 需要同时修改或构建项目时，Coordinator 可以为它们分配独立的代码工作副本。
• 移除即删除：移除某个 Worker 时，它的工作副本会被删除，所以要先把成果合并或提交。

所以准确的说法是：系统会根据并行任务的需要安排隔离的工作副本，而不是所有 Agent 天然各自拥有完全独立的 Git Worktree。只做调查、不改文件的任务，共享工作区就够用；多个 Worker 同时改代码、跑构建时，独立副本能减少文件冲突。

如何在 Antigravity 中观察和控制 /swarm 团队

多 Agent 并行工作，最怕的是用户不知道里面在发生什么。Antigravity 为此提供了三种核心视图，CLI 中也有对应的快捷操作。

用户的控制权不限于看结果。通过这些入口，你可以查看每个 Agent 的工作轨迹，直接进入某个 Worker 进行干预，也可以调整 Coordinator 的任务要求。Alt + J 和 Ctrl + K 说明工具调用审批仍然保留在人的手里，Agent 需要执行敏感操作时会停下来等确认。

/swarm 能够解决哪些复杂工程任务

Google 披露的内部使用场景主要有三类：多软件包迁移、跨子系统根因调查和复杂软件架构重新设计。它们的共同点是：工作量大，可以拆分，并且需要验证。

官方使用文档给出的例子更贴近日常开发：

• 分别修改多个 API Handler，并为每个 Handler 配置测试；
• 并行调查 CLI 启动缓慢的根本原因；
• 把大型项目中失败的测试按软件包分组，分配给不同 Agent 修复；
• 让不同模型分别负责代码实现和独立验证。

Google 还展示过一个官方演示：借助 Antigravity 的多 Agent 协作，Carbon 处理了 7 份公开的城市规划 PDF，提取出 206 个工程图视图，最终生成约 906,000 个三角面的交互式 Three.js 建筑模型，整个过程经历了 10 轮夜间迭代。这是 Google 的官方案例，不属于独立第三方验证，但能看出多 Agent 在长周期任务中的分工方式。

/swarm 的成本、权限与 Preview 限制

多 Agent 的额度消耗

空闲等待的 Agent 不消耗 Token，但这不代表 /swarm 省钱。每个 Worker 都是独立 Agent，多个成员同时执行时，整体额度消耗会明显快于单一对话。Google 自己也提醒了这一点。

还有一个容易踩的坑：某个 Worker 耗尽额度后会暂停，之后额度恢复了，它也不会自动继续执行，需要用户手动处理。长时间运行的大任务开始前，最好先估算额度是否够用。

Swarm 功能权限 ≠ Carbon 模型权限

这是最容易混淆的一点。能用 /swarm，不代表能在 Swarm 里使用 Carbon。

换句话说，Pro 用户可以体验 Swarm 的协作机制，但 Agent 能用哪些模型，仍受各自订阅的模型权限约束。

影响分析：/swarm 推动 AI 编程从助手走向团队

对开发者的影响

• 角色转变：开发者从“向模型提问的人”变成“组织 AI 团队的人”，任务拆分质量和验收标准会直接影响结果。
• 验证前置：Verifier 机制让测试和审查成为流程的默认环节，不再是生成之后的补救动作。
• 成本管理变重要：多 Worker 并行意味着要关注额度、模型搭配和任务粒度，不能只看单次对话体验。

对行业的影响

• 多模型协作成为部署方向：强模型负责规划和审查、快模型负责批量执行，这种分工会被越来越多的 Agent 框架借鉴。
• 竞争焦点转向任务交付：模型竞争正在从单轮问答分数转向长周期任务的规划、执行、验证和交付能力。

用 API 复现 /swarm 多 Agent 思路：极简示例

想在自己的项目里试试“协调者拆分 + 工作者执行”的思路，可以用 OpenAI 兼容接口写一个最小原型。下面的代码只演示协作结构，不是 Antigravity /swarm 的实现，模型名请替换为你账户中可用的模型。

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")

def ask(model, prompt):
    resp = client.chat.completions.create(
        model=model, messages=[{"role": "user", "content": prompt}]
    )
    return resp.choices[0].message.content

plan = ask("STRONG_MODEL", "把“修复 3 个 API Handler 的失败测试”拆成独立子任务，每行一个")
for task in [t for t in plan.splitlines() if t.strip()]:
    print(ask("FAST_MODEL", f"完成这个子任务并给出补丁：{task}"))

import concurrent.futures as cf
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # API易 OpenAI 兼容接口
)

COORDINATOR_MODEL = "STRONG_MODEL"   # 规划与汇总，换成推理能力强的模型
WORKER_MODEL = "FAST_MODEL"          # 批量执行，换成快速轻量模型
VERIFIER_MODEL = "REVIEW_MODEL"      # 独立审查，建议与 Worker 不同
board = []                           # 追加式共享消息板

def ask(model, system, prompt):
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "system", "content": system},
                  {"role": "user", "content": prompt}],
    )
    return resp.choices[0].message.content

def worker(task, max_rounds=3):
    patch = ask(WORKER_MODEL, "你是 Worker，只负责分配给你的子任务。", task)
    for i in range(max_rounds):
        review = ask(VERIFIER_MODEL,
                     "你是 Verifier，检查补丁问题。没有问题只回复 PASS。",
                     f"任务：{task}\n补丁：\n{patch}")
        board.append(f"[Verifier] {task[:20]}... 第{i+1}轮：{review[:60]}")
        if review.strip().startswith("PASS"):
            return patch
        patch = ask(WORKER_MODEL, "根据审查意见修复补丁。",
                    f"任务：{task}\n原补丁：{patch}\n意见：{review}")
    return patch + "\n# 未通过验证，需人工检查"

goal = "为 users、orders、payments 三个 API Handler 补充输入校验并修复失败测试"
plan = ask(COORDINATOR_MODEL, "你是 Coordinator，把目标拆成互不重叠的子任务，每行一个。", goal)
tasks = [t.strip() for t in plan.splitlines() if t.strip()]
board.append(f"[Coordinator] 拆分为 {len(tasks)} 个子任务")

with cf.ThreadPoolExecutor(max_workers=4) as pool:
    results = list(pool.map(worker, tasks))

summary = ask(COORDINATOR_MODEL, "汇总各 Worker 结果，列出完成情况与风险。",
              "\n\n".join(results))
print("\n".join(board))
print(summary)

🚀 快速开始：搭建这类多角色原型时，推荐通过 API易 apiyi.com 获取 API Key 和新用户免费测试额度。平台提供 OpenAI 兼容接口，可以在一套代码里调用 OpenAI、Claude、Gemini 等模型，方便验证“强模型规划、快模型执行、异构模型审查”的组合是否适合你的项目。

常见问题 FAQ

Google Antigravity /swarm 核心要点 Key Takeaways

• 执行机制：/swarm <task> 让当前对话变为 Coordinator，拆分任务并创建独立 Worker
• 典型分工：Coordinator、Worker、Verifier、Monitor，通常每 2—4 个 Worker 配一个 Verifier
• 协同方式：追加式共享消息板公开沟通，空闲等待的 Agent 不消耗 Token
• 工作区规则：默认共享工作空间，并行修改时按需分配独立工作副本
• 可视化控制：Board、Members、Graph 三视图，加上 /swarm board、/agents 等 CLI 操作
• 现实边界：Preview 状态，多 Worker 额度消耗快，Swarm 权限不等于 Carbon 权限
• 自建实践：可通过 API易 apiyi.com 用统一接口组合多个模型，搭建自己的多角色原型

总结

Google Antigravity /swarm 的核心要点：

1. 从并行到协作：/swarm 的价值在于任务拆分、独立上下文、对抗式验证和进度监控形成的完整循环，并行执行只是其中一部分。
2. 隔离按需分配：共享工作区和独立工作副本按任务需要切换，用户需要关注合并时机。
3. 能力与成本并存：多 Agent 提升了复杂工程任务的处理能力，也带来了更高的额度消耗和更复杂的资源管理，目前仍是 Preview。

对开发者来说，/swarm 意味着工作方式在变化：不只是向模型提问，而是组织一支能分工、执行、验证和交付的 AI 团队。即使暂时用不上 Antigravity，这种“按角色分配模型、让验证独立于执行”的思路也可以用在自己的 Agent 系统里。推荐通过 API易 apiyi.com 快速验证多模型组合的效果，平台提供免费测试额度和多模型统一接口。

📚 参考资料

1. Google Antigravity Swarm 官方文档：/swarm 执行机制、角色配置、工作副本与 CLI 操作
2. 链接： antigravity.google/docs/swarm

3. 说明： Coordinator、Verifier、Monitor 细节以及 Board / Members / Graph 视图的一手资料

4. Google Antigravity 官方博客：Gemini 4 Carbon in Google Antigravity

5. 链接： antigravity.google/blog/gemini-4-carbon-in-google-antigravity

6. 说明： /swarm 发布信息、多 Agent 架构、模型角色分配建议

7. Google 官方公告：Gemini 4 Carbon is now available

8. 链接： blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available

9. 说明： Carbon 正式开放范围与 /swarm 预览发布背景

10. Google AI 订阅权益页面：AI Pro 与 Ultra 的模型权限

11. 链接： one.google.com/about/google-ai-plans

12. 说明： 区分订阅等级与 Carbon 模型访问权限

13. The Verge 发布报道：Google releases Gemini 4 Carbon with agent swarm feature

14. 链接： theverge.com/ai-artificial-intelligence/1030787/google-gemini-4-carbon-public-rollout
15. 说明： 独立媒体视角的发布背景与访问限制

作者: APIYI 技术团队
技术交流: 欢迎在 API易 apiyi.com 网站首页联系我们交流多 Agent 实践，更多接入资料可访问 docs.apiyi.com 文档中心

延伸阅读

• Gemini 4 Carbon 发布解读：59 分反超 Opus 5.5，17 项赢 15 项却调不到:Gemini 4 Carbon 在 Artificial Analysis 综合智能指数拿到 59 分登顶，官方 17 项对比赢 15 项。但它没有 API 型号 ID，也没有开放时间表。本文按口径拆清分数，说明现阶段为什么调不到，以及国内开发者现在可以先用 gemini-4-argon。