Antigravity 展示研究進展，驗收標準比智慧代理數量更重要

2026 年 11 月 13 日，Google Research 公布了 Antigravity /teamwork 的新研究與工程成果，強調人工協作，以及證明檢查器、未經修改的測試集等外部檢驗方式。這些是開發者公布的結果，並非我們獨立重現的結論。Google Research 原文

這也不是產品首次發布：Google 在 8 月 27 日的文章中已經介紹過預覽版本。此前公告 此時更值得討論的，不是能夠安排多少個智慧代理同時工作，而是一個團隊憑什麼接受它們產生的成果。以下是 Open Market Notes 對這一問題的分析，不代表我們掌握了未公開的產品實作。

答案需要自身之外的判定標準

一份邏輯連貫、解釋充分的方案，可以降低理解難度，卻不能因此成為正確方案。增加一個負責批評的代理，可能發現原先遺漏的問題；但產生者之間達成一致，並不等於問題已經解決。多個評審也可能沿用同一項未經檢查的假設。獨立驗收程序的重要性，在於它有能力否定一份在對話中仍然很有說服力的成果。

以一個假設的內部資料處理服務改寫專案為例。正常輸入得到相同輸出只是基本條件，業務還可能要求異常輸入處理穩定、記憶體使用可控，以及與下游系統相容。一個在常見工作負載上執行更快的版本，可能違反其中一項約束。如果團隊僅憑最顯眼的基準成績宣布成功，實際完成的就可能是一個被簡化過的任務，而非最初委託的任務。

因此，驗收條件應當屬於任務本身，而不是在成果出現後補寫的說明。一份有用的記錄需要把被測試的具體版本、執行環境、判定條件和未涵蓋範圍聯繫起來。否則，「測試通過」的狀態可能對應舊版本，而最終交付的已經是另一個檔案。評審看到的結論與接收者拿到的成果不一致，即使沒有任何人故意誇大，也會產生不可靠的交接。

形式化檢驗並不負責選擇問題

Lean 的文件區分了「證明有效」與「被證明的命題是什麼意思」，也介紹了將候選證明與另行信任的命題進行比較的方式。Lean 文件

這一區分有助於理解令人印象深刻的示範。解決形式化問題，與確定一個值得解決且表達準確的形式化問題，是兩項不同的貢獻。假設某個團隊將可靠性定義為「在乾淨資料集上順利完成」，那麼滿足這個定義的證明或測試，並不能自動回答資料缺失時會發生什麼，除非這些情況已經包含在約束之內。這不是否定形式化方法，而是要求說明業務需求與形式條件之間的對應關係。

對企業而言，批准任務定義的人不必親自執行每一次實驗，但必須有人對定義是否符合實際需求負責。將執行交給代理，不會取消這項責任，只會改變人工工作的集中位置。特別是在不同部門共同使用結果時，技術團隊理解的「完成」，未必包含營運團隊關心的例外處理。越早把差異寫清楚，越容易判斷後來獲得的證據究竟能支持什麼。

更多嘗試也需要停止條件

並行探索能夠形成更多備選路徑，其中可能包括單個執行者不會嘗試的方案。不過，成本不只有模型呼叫。比較輸出、調查相互矛盾的證據、維護測試環境，同樣需要資源。一大批看起來都合理的答案，未必比少量具有明確否定理由的候選方案更有價值。後者至少能幫助團隊知道哪些方向已經被檢查過，哪些仍然只是猜想。

一個有用的評價角度，是在總成本中計入複核和失敗嘗試，再比較真正獲准採用的工作。這是本文提出的分析方法，不是 Google 公布的指標。它能避免把系統持續執行的時間直接等同於客戶節省的時間。執行越久，也不必然意味著更接近有效結果；如果驗收程序無法區分改進與重複，新增運算可能只是增加待審材料。

團隊還需要知道何時停止：目標已經達到，預算已經用盡，或者新證據說明原任務應當調整。為了獲得一個成功結果而悄悄降低門檻，會使前後比較失去意義。合理修改任務當然可以發生，但修改的原因與時間應當保留下來，不能把新標準下的結果包裝成對舊標準的滿足。

最終檢驗不能完全變成探索過程的一部分

另一個問題出現在候選方案反覆接收同一組測試的詳細回饋時。它們可能越來越擅長這一組測試，卻沒有改善更廣泛的任務。對於前述假設的改寫專案，開發用例可以指導迭代，另行維護的一組用例則用於最終驗收。這是本文提出的防護思路，並非對 Google 實作方式的描述。其目的，是保留一部分尚未被探索過程反覆最佳化過的資訊。

這種分離也有成本：保留的用例較難直接用於診斷，任何有限的測試集也不可能涵蓋所有執行故障。因此，它不是普遍可靠的保證。團隊需要區分發現失敗與最終決定，讓評估規則處於候選方案的修改權限之外，並調查異常顯著的進步，而非自動獎勵更漂亮的成績。測試變簡單而得到的改善，不等於實作本身變好了。

對多代理研究，樂觀解釋是：在稀缺專家介入前，可以完成更多探索。謹慎解釋則是：問題定義與複核可能成為新的限制因素。這兩種判斷並不矛盾。一個系統可以提高探索效率，同時使驗收流程的品質更加重要。

11 月的更新值得作為開發者對研究進展的說明加以關注，但它不能確立適用於所有任務的成功率、客戶總成本或部署成熟度。更實際的採用問題，是某個具體團隊能否定義、保存並獨立執行足夠好的驗收標準。在做到這一點之前，新增的代理活動應被視為調查過程，而不是已經完成的業務結果。