Loading... # Google Antigravity AI 编码助手使用问题技术分析 # 一、新闻概述 ## 1. 标题 Google Antigravity 使用过程中遇到的问题：AI 编码助手的隐藏疲劳 ## 2. 发布时间 2026 年 1 月 17 日 ## 3. 来源 V2EX 技术社区 # 二、核心内容 ## 1. 事件摘要 ### A. 主要内容 V2EX 用户 sn0wdr1am 分享了使用 Google Antigravity AI 编码助手过程中遇到的多个实际问题，引发社区广泛讨论。 ### B. 核心亮点 - 揭示了 AI 编码助手在实际开发中的隐藏缺陷 - 社区用户反馈普遍存在类似问题 - 反映了当前 AI 编码工具的发展瓶颈 ## 2. 关键信息 ### A. 涉及产品 - Google Antigravity（AI 编码助手） - Google Gemini 模型 - 相关竞品：OpenAI Codex、Anthropic Claude Code、字节跳动 TRAE、阿里通义千问 ### B. 问题类型 规范遵守、代码退化、幻觉问题、挤牙膏效应、无关代码修改 ### C. 用户反馈 30 条回复，多数用户表示遇到类似问题 ## 3. 背景介绍 ### A. 相关上下文 Vibe Coding（语音编程）是新兴的开发方式，Google Antigravity 是其实现之一。 ### B. 行业现状 AI 编码助手市场竞争激烈，OpenAI Codex 和 Anthropic Claude Code 被认为体验较好。 # 三、详细报道 ## 1. 主要内容 ### A. 规范遵守问题 用户反映，AI 在没有明确规范时会按照自己的方式编写代码。即使告知规范，AI 也会选择性忽略或忘记部分规范。需要反复纠正才能遵守，增加了开发成本。 ### B. 代码退化问题 在多轮对话修改后，AI 可能莫名其妙地删除之前添加的注释或代码逻辑。用户发现后询问原因，AI 会道歉并补回，但问题反复出现。 ### C. 幻觉问题 AI 会根据推理认为某个功能应该存在，但实际上并不存在。例如，引入不存在的包或模块，导致代码运行失败。 ### D. 挤牙膏效应 对于全局替换等操作，AI 无法一次性完成所有修改。需要多次重复相同指令，每次只修改少量文件，如同挤牙膏。 ### E. 无关代码修改 AI 每次修改代码时，会顺手修改无关内容，如修改变量名、函数名大小写、擅自拆分函数、导入无用包、重复判断等。 ## 2. 技术细节 ### A. 问题架构分析 ```mermaid graph TD A[AI 编码助手问题] --> B[规范遵守] A --> C[代码退化] A --> D[幻觉问题] A --> E[挤牙膏效应] A --> F[无关修改] B --> B1[选择性忽略规范] B --> B2[反复纠正] C --> C1[删除注释] C --> C2[删除逻辑] C --> C3[反复道歉] D --> D1[推理存在性] D --> D2[引入不存在模块] D --> D3[运行失败] E --> E1[无法一次到位] E --> E2[多次重复指令] F --> F1[修改变量名] F --> F2[擅自重构] F --> F3[导入无用包] ```  ### B. 根本原因分析 1. 模型训练不足：Google 在 Code Agent 能力方面训练不足 2. 上下文管理缺陷：长对话中规范信息丢失 3. 推理能力局限：无法准确理解项目全貌 4. Agent 系统不完善：工具和模型协同存在问题 ### C. 竞品对比 根据用户反馈，各 AI 编码助手体验排序为： - OpenAI Codex：最佳体验 - Anthropic Claude Code：优秀，但偶有错误 - Google Gemini：中等 - 字节跳动 TRAE：较差 - 阿里通义千问：最差 ## 3. 社区反馈 ### A. 共性问题确认 多数用户反馈遇到相同问题，说明这不是个案，而是系统性问题。 ### B. 解决方案探讨 1. 拆分复杂功能：将复杂功能拆分为小步骤，逐步引导 AI 完成 2. 双模型协作：使用 Gemini 生成计划，Claude 进行审计，再由 Gemini 执行 3. 使用 OpenSpec：对复杂项目使用 OpenSpec 规范，体验会更好 4. 新建 Agent：每个新需求新建 Agent，避免上下文混乱 5. 不断质疑：持续质疑 AI 输出，要求搜索最佳实践 ### C. 技术反思 - AI 擅长架构和局部功能开发，但不适合全局范围操作 - 全局替换、规范修改等操作既浪费 Token 又无法一步到位 - 应该让 AI 编写规范文件，由规范文件驱动代码生成 # 四、影响分析 ## 1. 技术趋势 ### A. AI 编码助手瓶颈 当前 AI 编码助手面临的主要瓶颈包括：规范遵守、上下文管理、推理准确性、代码一致性。 ### B. Vibe Coding 隐患 语音编程（Vibe Coding）虽然便捷，但隐藏疲劳问题。用户需要持续监控和纠正 AI 输出，实际效率可能低于预期。 ### C. 工程优化方向 需要更好的规范持久化机制、上下文管理策略、以及模型训练优化。 ## 2. 用户影响 ### A. 开发效率 对于不熟悉 AI 编码助手的用户，可能因频繁纠正而降低效率。 ### B. 学习成本 用户需要学习如何与 AI 有效沟通，包括规范编写、问题拆分、结果验证等。 ### C. 工具选择 用户可能转向更成熟的工具，如 OpenAI Codex 或 Anthropic Claude Code。 ## 3. 行业启示 ### A. 半成品问题 多位用户指出 Google Antigravity 是半成品，需要谨慎使用。 ### B. 竞争格局 OpenAI 和 Anthropic 在 AI 编码助手领域处于领先地位，Google 需要加快追赶。 ### C. 国产工具差距 字节跳动 TRAE 和阿里通义千问与国际领先产品存在较大差距。 # 五、各方反应 ## 1. 用户评价 ### A. 正面评价 - 部分用户认为通过合理使用（拆分任务、使用规范）可以获得良好体验 - Opus 模型表现相对较好 ### B. 负面评价 - Agent 水平不如 Copilot - 擅自修改代码逻辑，认为比用户更懂项目 - 与 Cursor 和 TRAE 相比仍有差距 ### C. 中立观察 - 现在程序员分为三派：手码至上、AI 这也不行那也不行、麦克风编程 - 需要客观看待 AI 编码助手的能力和局限 ## 2. 技术建议 ### A. 使用策略 - 每个新需求新建 Agent - 使用 OpenSpec 规范复杂项目 - 将复杂功能拆分为小步骤 - 让 AI 生成计划，人工审核后执行 ### B. 工具选择 - 简单任务：可以使用 Antigravity - 复杂项目：建议使用 Codex 或 Claude Code - 需要审计：使用双模型协作方案 # 六、相关链接 ## 1. 原文链接 - [V2EX 讨论帖：Google Antigravity 使用过程中遇到的一些问题](https://www.v2ex.com/t/1186388) ## 2. 相关资源 - GitHub: kofttlcc/quant-test（双模型协作示例） - 微信文章：AI 编码助手根本原因分析（TRAE 团队） ## 3. 相关产品 - OpenAI Codex - Anthropic Claude Code - Google Gemini - 字节跳动 TRAE - 阿里通义千问 *** ## 参考资料 1. [V2EX - Google Antigravity 使用过程中遇到的一些问题](https://www.v2ex.com/t/1186388) 最后修改：2026 年 01 月 17 日 © 允许规范转载 赞 如果觉得我的文章对你有用，请随意赞赏