文章介绍了Google AI IDE “Antigravity” 正式支持 Agent Skills。Skills 本质是指导AI执行任务的 Markdown 文档（SOP），实现了“一次编写，全平台通用”。经测试，Claude、Codex、Gemini 等主流平台对 Skills 的兼容性极佳。这标志着大模型开发门槛大幅降低，Agent 生态或将迎来类似 App Store 的爆发时刻。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

昨天，Google 的 Antigravity 正式宣布支持 Agent Skills 了。

好多人可能不知道 Antigravity，谷歌起名字还是一如既往的拉，英文名字是真难读，中文名字可以叫它 反重力。

它是 Google 伴随 Gemini 3 Pro 推出的 AI IDE，定位是 agent-first IDE。

如果你还不知道 Skills 是什么，那可得恶补一下子了。

Skills，是你给 AI 配置的一份最佳实践手册。

就一个文件夹，一个 markdown 文件——Skill.md

Skill.md 本质上是预先编写好的指导文档，告诉 Agent 如何高质量地完成特定类型的任务。

Skill.md 文件开头是 YAML 元数据：

---  name：这里写skill的名字  这里写在什么场景下调用 skill ，它可以做什么，什么时候能用  ---

正文是具体指令：

## 怎么用  1. 第一步...（复习知识库...）  2. 第二步... (上网搜集资料...)  3. 第三步...（调研xxx代码...）  4. . ....(包括但不限于以上，可以写任何你需要的流程)

还可以新建文件夹，放上他要用到的参考文献、脚本。就这么简单。

Antigravity 也一样，支持两种 skills：

一是项目级 Skills，放在项目根目录：

<workspace-root>/.agent/skills/<skill-folder>/

比如你的项目叫 my-project，那就是：

my-project/  └── .agent/      └── skills/          └── my-skill/              └── SKILL.md

你可以随时把它提交到 git，团队成员 clone 后就能自动获得。

**二是全局 Skills，配置后，你电脑上所有的项目都能用。**就放在下面这个路径里

~/.gemini/antigravity/skills/<skill-folder>/

当你开始对话时，Antigravity 就会：

1. 扫描所有可用 skills
2. 看你的任务和哪个 skill 匹配
3. 自动加载并执行

当然，你也可以明确指定：

用 my-skill 帮我做这个任务

乍一听，也没什么啊，似乎只是写工作流？

但问题在于，过去这些东西几乎都是平台私有的，你换一个 IDE、换一个 CLI、换一个 Agent 框架，经验积累就要重来。现在不同了。

近两月， OpenAI、Anthropic，Gemini，国内各大平台正在纷纷下场支持 Skills，这阵仗，不亚于 2008 年的 App Store。

但问题又又来了，这么多平台都说支持 Skills，它们的支持程度一样吗？

我们做了个测试

既然都说支持，那就测测呗。

我们设计了 4 个测试 Skills，在 Claude Code（Claude Opus 4.5）、 Codex**（GPT Codex 5.2）****、**Antigravity（Gemini 3 Pro）上分别跑了这四个 skills，用来检验各个平台对 Skills 的兼容性。

1. 第一个叫 hello-skill，用于检测 Agent 能否正确识别、触发 skill。

2. 第二个叫 format-boundary-trap，如果他正确地解析复杂的 YAML frontmatter（“标签，规则”），就没问题。

3. 第三个叫 strict-json-trap，主要看他能否输出纯 JSON（不能有 markdown 代码块、解释文字）。

4. 第四个叫 file-generation-trap，检验 skill 框架下，Agent 实际生成文件的能力。

测试结果：全部满分？？？

出结果后，我反复确认了好几遍：

• ✅ 正确识别就不说，包成功的；
• ✅ YAML 正确解析了，所有复杂的指令都可以正确显示；
• ✅ JSON 输出成功，可以直接 JSON.parse() 调用；
• ✅ 确实创建了文件，ls 能找到，cat 能打开。

满分! 至少，在“技能识别、格式解析、结构输出、真实落盘”这条基础链路上，它们的表现已经非常一致了。

似乎，Skills 标准，真的统一了？

统一接口？很重要吗。

昨天我遇到这样一个需求，用户上传了一批发票截图，但里面有重复的。我需要筛选出重复的发票。

好机械，给 AI 做得了。

我先直接让 Gemini cil 做一部分，结果他直接搞了个视觉相似度算法，把画面相似的图片直接匹配。

我一看，**全错了。。**即使最强多模态的谷歌也不要过度自信视觉匹配吧。

这些发票的交易号完全不同，根本不是重复的。要说重复，可能背景板是一样的吧。。

没办法，考虑到这个场景会经常发生，与其每次临场纠正，不如把正确方法固化成 skill，我就手搓了一个 invoice-dedup skill：

name: invoice-dedupdescription:通过OCR提取交易号来识别重复发票1.OCR识别发票文本2.正则提取交易号（20-30位数字）3.模糊匹配（处理OCR误差）4.分组输出重复发票

再做一些具体（几千字）的优化说明，终于可以了！

看完 skill，Gemini cil 终于按正确标准工作，抓到了两组重复发票：

之后再处理这个需求，不发愁了！

这种“把正确路径写死、把错误路径封死”的效果，是 prompt 临场对话很难稳定做到的。

也正因为如此，Skills 真正让人兴奋的不是“又多了一个写法”，是三件事同时成立时带来的化学反应。

**第一，一次编写，全平台通用正在变成现实。**以前你在某个平台里调顺的提示词、流程、规范，换个平台就得重来；现在，至少在基础标准上，Claude Code、Codex、Gemini、Cursor 等越来越多工具开始向同一个目录结构与 SKILL.md 收敛。

**第二，创作门槛被压到地板。**写一个 skill 需要什么？一个文件夹，一个 SKILL.md。不需要懂训练，甚至不需要懂编程，你只需要能把经验写成“SOP 可执行的规范”。这会让大量“真正懂业务的人”有机会把自己的方法论产品化。设置你可以让 AI 帮你写 skill。

**第三，生态效应已经开始启动。**你看 SkillsMP 这种聚合站点上，skills 的数量增长非常快，粗制滥造、批量生成、质量参差。你会看到一些 skill 只是复制粘贴官方文档，description 写得模糊不清，甚至完全不可用。

这像不像早期 App Store 的榜单乱象？数量先爆，质量后补，优胜劣汰。

回头看，App Store 的爆发正是“统一入口 + 硬件成熟”同时成立。而今天的 Skills，正在满足同样的条件：模型足够强，Agent 足够通用，协议开始对齐。

从这个角度看，Skills 的故事，可能才刚刚开始。

读者福利：倘若大家对大模型感兴趣，那么这套大模型学习资料一定对你有用。

针对0基础小白：

如果你是零基础小白，快速入门大模型是可行的。
大模型学习流程较短，学习内容全面，需要理论与实践结合
学习计划和方向能根据资料进行归纳总结

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

这里我们能提供零基础学习书籍和视频。作为最快捷也是最有效的方式之一，跟着老师的思路，由浅入深，从理论到实操，其实大模型并不难。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓