EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • @GoogleDeepMind:Google DeepMind 發表 Gemini 3.5 Flash,結合前沿智慧與行動能力,推動 Agent 程式開發邁向新階段。 Google De…

    Google DeepMind 發表 Gemini 3.5 Flash,結合前沿智慧與行動能力,推動 Agent 程式開發邁向新階段。

    Google DeepMind 於 2026 年 5 月 19 日正式推出 Gemini 3.5 系列模型,首發的 3.5 Flash 旨在將頂尖的推理能力與實際執行力結合,不僅提升了 Agent 處理長週期任務的效率,更在程式撰寫與多模態理解上達到新高度。此模型現已全面開放,並將作為 Google 生態系統中各項 Agent 服務的核心驅動力。
    核心效能與技術突破
    Gemini 3.5 Flash 在多項關鍵指標上展現了超越前代旗艦模型的實力,並維持了 Flash 系列一貫的高速表現:
    效能指標:在「Terminal-Bench 2.1」取得 76.2% 的成績,於「GDPval-AA」達到 1656 Elo,並在「MCP Atlas」獲得 83.6% 的評分。
    多模態能力:在「CharXiv Reasoning」測試中達到 84.2% 的準確率。
    運算速度:輸出 token 的速度比其他前沿模型快 4 倍,在「Artificial Analysis」索引中位居右上象限,證明高品質與低延遲不再需要二選一。
    Agent 程式開發與大規模應用
    透過與更新後的「Antigravity」harness 整合,3.5 Flash 成為部署協作式子 Agent 的強大引擎,能處理複雜且跨步驟的任務:
    長週期任務:將原本需數日甚至數週的開發或審計工作,縮短至極短時間內完成,且成本通常低於其他前沿模型的一半。
    協作機制:在監督下,模型能可靠地執行多步驟工作流程,並在維持前沿效能的同時,生成更豐富且具互動性的網頁介面與圖形。
    實際產業影響與案例
    多家企業已將 3.5 Flash 導入其工作流程,解決複雜的自動化需求:
    Shopify:並行執行子 Agent,分析長週期資料以提升全球商家成長預測的準確度。
    Macquarie Bank:透過推理超過 100 頁的複雜文件,加速客戶開戶流程並提供可靠建議。
    Salesforce:將模型整合至「Agentforce」,透過部署多個子 Agent 來自動化企業級任務,並維持上下文與多輪工具呼叫的穩定性。
    Ramp:結合複雜發票的多模態理解與歷史模式推理,實現更聰明、可靠的 OCR 處理。
    Xero:自主管理如識別供應商及蒐集 1099 稅務表單資訊等繁瑣行政流程。
    Databricks:利用 Agent 工作流程監控即時資訊,並在海量資料集中進行診斷與修復建議。
    個人化 Agent 與安全性
    3.5 Flash 現已成為全球 Gemini App 與 Google 搜尋「AI Mode」的預設模型,並驅動全新的個人 AI Agent「Gemini Spark」。該 Agent 可 24 小時運作,協助使用者管理數位生活。此外,Gemini 3.5 遵循「Frontier Safety Framework」,強化了網路與 CBRN(化學、生物、放射性及核子)防護,並引入可解釋性工具,在回應前檢查 AI 的內部推理過程,以減少有害內容生成或錯誤拒絕回答安全查詢的情況。
    取得方式與資源
    開發者與企業可透過以下管道使用 Gemini 3.5 Flash:
    開發者平台:Google Antigravity 以及 Google AI Studio 與 Android Studio 中的 Gemini API。
    企業應用:Gemini Enterprise Agent Platform 與 Gemini Enterprise。
    一般使用者:Gemini App 與 Google 搜尋中的 AI Mode。
    Google DeepMind 同時預告,效能更強大的 3.5 Pro 模型目前已在內部測試中,預計將於下個月正式推出。

    原文:https://easyvibecoding.app/curated/1452

    4 min
  • @GoogleLabs:Google 推出 Gemini for Science 加速科學探索。 Google 近日發表「Gemini for Science」,旨在透過通用型 …

    Google 推出 Gemini for Science 加速科學探索。

    Google 近日發表「Gemini for Science」,旨在透過通用型 Agent 解決科學研究中知識爆炸與手動分析耗時的瓶頸。這套工具集不僅能處理複雜的科學任務,更透過多代理系統(Multi-agent system)模擬科學方法,協助研究人員從繁瑣的資料處理中解放,專注於最具影響力的科學問題。
    核心實驗工具
    Google Labs 此次推出了三項主要的實驗性原型工具,分別針對科學研究的不同階段進行優化:
    Hypothesis Generation(基於 Co-Scientist):模擬科學研究方法,透過多 Agent 的「創意競賽」機制,協助研究人員定義挑戰、生成並辯論假說,並確保所有主張皆有可點擊的引用來源作為嚴謹度支撐。
    Computational Discovery(基於 AlphaEvolve 與 ERA):這是一款 Agentic 研究引擎,能並行生成並評估數千種程式碼變體,讓研究人員在極短時間內測試複雜領域(如太陽能預測或流行病學)的新型建模方法,解決過去需耗時數月才能完成的運算瓶頸。
    Literature Insights(基於 NotebookLM):針對龐大的科學文獻,此工具能搜尋並將結果結構化為表格,支援自定義屬性分析。使用者可透過對話挖掘文獻細節,並生成報告、簡報、資訊圖表及影音摘要,有效識別研究缺口。
    企業級應用與實證
    這些技術已不僅限於實驗室,Google Cloud 正將其推向企業市場,並已在多個領域展現具體影響力:
    供應鏈與機器學習優化:BASF 利用 AlphaEvolve 優化供應鏈,Klarna 則藉此強化其機器學習模型。
    科學研究加速:Daiichi Sankyo、Bayer Crop Science 及美國能源部 Genesis Mission 旗下的國家實驗室,正透過 Co-Scientist 解決基礎科學挑戰。
    學術驗證:相關研究論文已發表於《Nature》,且 Google 正與 ICML、STOC 及 NeurIPS 等頂尖會議合作,開發用於 Agentic 同儕審查的工具,如「Paper Assistant Tool (PAT)」與「ScholarPeer」。
    Science Skills 與生態系整合
    為了進一步提升研究效率,Google 推出了「Science Skills」套件,整合了超過 30 個生命科學資料庫(如 UniProt、AlphaFold Database、AlphaGenome API 與 InterPro)。
    研究人員可在 Google Antigravity 等 Agentic 平台上呼叫這些 skill。
    實測顯示,原本需耗時數小時的結構生物資訊學與基因組分析,現在僅需幾分鐘即可完成。
    團隊已利用此工具針對 AK2 基因突變導致的罕見遺傳疾病,獲得了新的機制洞察。詳情可參考 Science Skills 使用案例 。
    責任開發與未來展望
    Google 強調科學工具的開發必須具備嚴謹性與責任感,目前已與全球超過 100 個學術機構合作,包括史丹佛大學(肝纖維化研究)、倫敦帝國學院(抗微生物藥物耐藥性)及 The Crick Institute。此外,Google 建立了一個包含博士生、產業研究員及諾貝爾獎得主在內的「信任測試者社群」,針對複雜的現實挑戰進行壓力測試。隨著 Gemini Deep Think 的發布,Google 持續提升模型在科學任務上的核心能力,目標是讓 AI 成為科學進步的加速器,協助人類解決最迫切的社會挑戰。
    有興趣的使用者可前往 Google Labs 科學專區 註冊以獲取存取權限。

    原文:https://easyvibecoding.app/curated/1469

    4 min
  • @FlowbyGoogle:Google Flow 升級 Gemini 強化 AI 開發能力。 Google Labs 副總裁 Elias Roman 於 2026 年 5 月 19…

    Google Flow 升級 Gemini 強化 AI 開發能力。

    Google Labs 副總裁 Elias Roman 於 2026 年 5 月 19 日宣布,Google Flow 與 Google Flow Music 迎來重大更新。此次升級不僅導入了多模態模型「Gemini Omni」,更透過 Agent 協作與自訂工具(Tools)功能,讓創作者能以自然語言建構專屬工作流程,進一步強化了影片編輯的精確度與音樂創作的靈活性。
    核心模型與影片編輯技術
    Google Flow 導入了「Gemini Omni」系列模型,特別是「Gemini Omni Flash」,旨在提升對真實世界的理解能力與多模態處理效率。
    影片精確編輯:Omni Flash 結合了 Gemini 的智慧與生成式媒體模型,能將現實靈感與生成內容無縫融合。
    角色一致性:該模型顯著改善了角色一致性,確保在不同場景中,角色的身分特徵與聲音皆能精準保留。
    應用定位:官方將 Omni 比喻為影片領域的「Nano Banana」,強調其在處理複雜視覺任務時的精確度。
    Agent 協作與創意流程
    Google Flow Agent 現已開放給全球使用者,作為創意過程中的全方位夥伴,協助處理從腦力激盪到後期製作的各項任務。
    規劃與推理:Agent 能根據使用者的輸入進行邏輯推理,提供對話建議或劇情走向推薦。
    批次處理:在專案後期,Agent 可同時生成多種變體供選擇,並執行批次編輯,確保修改能同步反映至所有 asset。
    檔案管理:Agent 具備直覺的組織能力,能自動將 asset 分類並進行重新命名。
    自訂工具與開發體驗
    透過「Google Flow Tools」,使用者無需具備程式撰寫經驗,即可利用自然語言開發專屬工具與工作流程。
    功能開發:使用者可自行定義影像編輯器、影片縮放工具或自訂 Shader。
    社群共享:創作者可將開發的工具分享至藝廊,其他使用者能直接取用或進行 Remix。例如,合作夥伴 László Gaal 開發的「pixelBento」工具,便能為影片套用 lo-fi 或故障藝術(glitch)風格。
    使用權限:所有使用者皆可使用藝廊中的現有工具,而 Google AI 訂閱者則擁有建立與 Remix 工具的權限。
    Google Flow Music 編輯升級
    針對音樂創作,Google Flow Music 強化了編輯控制與音樂影片生成功能。
    區段編輯:創作者現在可選取歌曲的特定區段進行修改(如重寫歌詞、翻譯或調整節奏),且不會影響曲目的其餘部分。
    風格重塑:支援在保留原始旋律與結構的前提下,轉換整首歌曲的風格(如製作「lo-fi 讀書」版本)。
    互動式音樂影片:透過 Gemini Omni,使用者能以對話方式指揮 Agent 生成音樂影片,並根據曲目的敘事節奏調整風格、主體與場景。
    行動裝置支援與使用指引
    為了滿足隨時隨地創作的需求,Google 推出專屬行動應用程式:
    Google Flow App:目前 Android 版本已開放 Beta 測試(iOS 版本即將推出)。
    Google Flow Music App:目前 iOS 版本已上線(Android 版本即將推出)。
    操作指引
    若要開始使用 Google Flow Tools,請參考以下步驟:
    搜尋:開啟專案後,點選左側導覽面板中的「Tools」圖示。
    使用:所有使用者皆可瀏覽並試用藝廊中的工具。
    建立與 Remix:Google AI 訂閱者可從零開始建立自訂工具,或對現有工具進行 Remix 以符合個人工作流程。
    詳細工具藝廊請參閱 Google Flow 官網 。

    原文:https://easyvibecoding.app/curated/1471

    1 min
  • @sama:Sam Altman 重置 Codex 速率限制。 事件背景 OpenAI 執行長 Sam Altman 在 Twitter 上發起一項挑戰,表示只要該…

    Sam Altman 重置 Codex 速率限制。

    事件背景
    OpenAI 執行長 Sam Altman 在 Twitter 上發起一項挑戰,表示只要該則推文獲得一個讚,Tibo 就會重置「Codex」的速率限制。隨後,Tibo(@thsottiaux)證實已達成該條件並執行重置,讓使用者能恢復使用。
    技術影響
    此次事件顯示了「Codex」服務速率限制的調整過程,該調整行動與社群媒體上的互動達成連結。儘管「Codex」作為程式開發輔助工具對開發者至關重要,但此次服務限制的調整是基於該推文的互動結果所執行。

    原文:https://easyvibecoding.app/curated/1467

    1 min
  • @Google:Google 推出 AI 影像工具提升創作效率。 產品核心定位 Google 正式發表「Google Pics」,這是一款結合 AI 影像生成與精準編輯…

    Google 推出 AI 影像工具提升創作效率。

    產品核心定位
    Google 正式發表「Google Pics」,這是一款結合 AI 影像生成與精準編輯功能的工具,旨在讓使用者能更靈活地製作派對傳單、資訊圖表等各類視覺素材。該工具的核心優勢在於其「Nano Banana」影像模型,不僅能生成高品質影像,更強調擺脫傳統 AI 生成「輸入提示詞後只能祈禱(prompt-and-pray)」的不確定性,透過自動分割影像中的物件,讓使用者能精準地移動、調整大小、變形物件,甚至修改與翻譯圖片中的文字。
    整合與應用場景
    Google Pics 的設計初衷是無縫嵌入使用者日常使用的 Google 應用程式中:
    直接整合:使用者無需切換視窗,即可在「Google Slides」中直接新增與編輯影像。
    檔案管理:創作完成的影像可直接儲存至「Google Drive」,方便後續存取與分享。
    取得與測試管道
    目前 Google Pics 尚未全面開放,Google 採取分階段推廣策略:
    搶先體驗:目前僅開放給少數使用者進行測試,有興趣者可加入「Workspace Experiments」計畫,以獲取最新測試資格與通知。
    企業與訂閱方案:預計在未來幾個月內,針對擁有「Business Standard」以上方案的 Workspace 客戶,以及「Google AI Pro & Ultra」訂閱者正式推出。
    企業測試:若為企業使用者,未來可透過啟用「Gemini Alpha」功能,讓組織內部成員先行測試。
    社群與後續追蹤
    Google 鼓勵使用者透過以下管道獲取最新資訊並參與互動:
    加入「Workspace Discord」社群,與專家及愛好者交流。
    訂閱「Workspace Experiments」電子報,掌握產品開發進度。

    原文:https://easyvibecoding.app/curated/1476

    3 min
  • @OfficialLoganK:Google 搜尋全面整合 AI 迎來重大變革。Gemini 3.5 Flash 作為預設模型輔助搜尋,正式邁向「搜尋 Agent」時代。 搜尋引擎的 A…

    Google 搜尋全面整合 AI 迎來重大變革。Gemini 3.5 Flash 作為預設模型輔助搜尋,正式邁向「搜尋 Agent」時代。

    搜尋引擎的 AI 轉型
    Google 於 I/O 大會宣布搜尋功能的重大升級,旨在將搜尋引擎的廣度與 AI 的深度進行整合。自 AI Mode 推出一年以來,每月使用者已突破 10 億大關,且每季查詢量皆翻倍成長,顯示使用者對 AI 輔助搜尋的需求正處於歷史高點。為了回應此趨勢,Google 採取了以下關鍵行動:
    全球 AI Mode 使用者將全面採用「Gemini 3.5 Flash」作為預設模型,該模型具備持續性的前沿效能,特別針對 Agent 與程式開發進行優化。
    搜尋框經歷 25 年來最大幅度的重新設計,不僅能動態擴展以容納複雜的提問,更具備 AI 建議功能,能引導使用者精確表達意圖。
    支援多模態輸入,使用者可透過文字、圖片、檔案、影片或 Chrome 分頁作為搜尋素材。
    搜尋 Agent 的崛起
    Google 正式進入「搜尋 Agent」時代,讓使用者能針對不同任務建立、自訂並管理多個 AI Agent。這些 Agent 將在背景 24 小時運作,透過推理資訊來滿足使用者的特定需求:
    資訊 Agent:能跨越網路資訊(如部落格、新聞、社群貼文)與即時資料(金融、購物、體育)進行監控。例如,使用者可設定租屋需求,Agent 會持續掃描並在符合條件的物件出現時發出通知。此功能將於今年夏季優先開放給 Google AI Pro 與 Ultra 訂閱者。
    Agent 預訂能力:擴展至在地體驗與服務領域。使用者可輸入具體條件(如:週五晚間需容納六人的私人卡拉 OK 包廂且提供宵夜),搜尋引擎將整合價格與空位,並提供直接預訂連結。針對居家修繕、美容或寵物照護等類別,Google 甚至能代為撥打電話給商家。此功能將於今年夏季在美國全面開放。
    Agentic 程式開發與生成式 UI
    透過整合「Google Antigravity」技術與 Gemini 3.5 Flash 的 Agentic 程式開發能力,搜尋引擎能即時建構客製化的生成式 UI:
    即時生成工具:搜尋結果不再僅是連結列表,而是能根據問題即時組裝互動式視覺圖表、表格或模擬工具。例如,使用者若想了解天體物理或手錶運作原理,搜尋引擎會即時設計專屬版面。
    迷你應用程式(Mini Apps):針對長期任務(如籌備婚禮或搬家),搜尋引擎可建立專屬儀表板或追蹤器。使用者能要求搜尋引擎編寫健身追蹤器,並串接即時地圖、天氣與評論資料。此類自訂體驗將於未來幾個月內推出,優先開放給美國的 Google AI Pro 與 Ultra 訂閱者。
    個人化智慧的擴展
    為了讓 AI 更具實用性,Google 將「個人化智慧(Personal Intelligence)」擴展至全球近 200 個國家與地區,支援 98 種語言,且無需訂閱即可使用。
    使用者可安全地連結 Gmail、Google Photos,未來亦將支援 Google Calendar。
    Google 強調此功能的核心在於透明度、選擇權與控制權,使用者可自行決定是否連結應用程式以及連結的時間點。

    原文:https://easyvibecoding.app/curated/1475

    5 min
  • @GoogleAIStudio:Gemini 3.5 Flash 開發者指南 Gemini 3.5 Flash 現已正式發布(GA),穩定且適用於大規模生產環境。作為我們最聰明的 Fla…

    Gemini 3.5 Flash 開發者指南

    Gemini 3.5 Flash 現已正式發布(GA),穩定且適用於大規模生產環境。作為我們最聰明的 Flash 模型,它在 Agentic 程式開發、程式撰寫以及大規模長跨度任務中,能持續提供頂尖的效能。
    本指南概述了 Gemini 3.5 Flash 的改進內容、API 變更以及遷移建議。
    新模型
    Gemini 3.5 Flash:我們最聰明的模型,專為在 Agentic 任務與程式撰寫任務中提供持續的頂尖效能而設計。
    模型 ID:gemini-3.5-flash
    Gemini 3.5 Flash 支援 1M token 的 context window、65k 最大輸出 token、思考(thinking)功能,以及與 Gemini 3 Flash 相同的工具集與平台功能。目前暫不支援 Computer Use。
    如需完整規格,請參閱模型總覽。如需定價資訊,請參閱定價頁面。
    快速入門
    安裝最新的 Google Gen AI SDK:
    `bash
    pip install -U google-genai
    `
    本指南中的所有程式碼範例均使用 Interactions API。Interactions API 是使用 Gemini 進行開發的全新標準原語(primitive),建議所有新專案採用。它針對 Agentic 工作流程、伺服器端狀態管理以及複雜的多模態、多輪對話進行了最佳化。GenerateContent API 同樣受到支援;適用的設定選項與建議皆相同。
    `python
    Interactions API
    from google import genai
    client = genai.Client()
    interaction = client.interactions.create(
    model="gemini-3.5-flash",
    input="用三句話解釋平行 Agentic 執行是如何運作的。"
    )
    print(interaction.output_text)
    `
    `python
    Generate Content API
    from google import genai
    client = genai.Client()
    response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="AI 是如何運作的?",
    )
    print(response.text)
    `
    新功能亮點
    持續的頂尖效能:我們最聰明的 Flash 模型,針對大規模的 Agentic 任務與程式撰寫任務進行了最佳化。
    Agentic 執行:支援大規模的子 Agent 部署、問題解決以及快速的 Agentic 迴圈。
    程式撰寫:支援迭代式程式撰寫週期、快速探索與原型設計,以測試替代路徑並動態探索解決方案。
    長跨度任務:支援大規模的多步驟工作流程與工具使用。
    思考保留(Thought preservation):模型會自動在多輪對話中維護中間推理過程。無需進行任何 API 變更。
    新的預設努力等級:預設的思考努力等級已從 high 改為 medium。詳情請參閱「新的預設努力等級」。
    改進的低階思考:low 等級現在針對需要較少步驟的程式碼與 Agentic 任務進行了顯著改進,能在更低的延遲與成本下提供優異的品質。
    GA 發布:適用於大規模生產環境的穩定模型。
    行為變更
    新的預設努力等級:medium
    預設的思考努力等級現在為 medium,取代了 Gemini 3 Flash Preview 中的 high。medium 等級在廣泛的任務中能產生非常好的結果,同時速度更快且更具成本效益。針對複雜問題,high 等級則會鼓勵模型進行更深度的思考。
    若要覆寫預設值,請在你的設定中調整 thinking_level:
    `python
    from google import genai
    client = genai.Client()
    interaction = client.interactions.create(
    model="gemini-3.5-flash",
    input="證明 2 的平方根是無理數。",
    generationconfig={"thinkinglevel": "high"},
    )
    print(interaction.output_text)
    `
    提示:建議從 medium 開始,它能為絕大多數任務提供最佳品質。若追求更快速、更低成本且具備強大品質的體驗,請嘗試 low。若遇到複雜推理、高難度數學或困難的程式撰寫挑戰,請切換至 high。若需針對簡單查詢最佳化速度,則可使用 minimal。
    思考保留
    模型會自動在多輪對話中維護中間推理過程。當對話歷史中存在推理內容時,推理 context 會持續傳遞,這能提升複雜多步驟任務(如迭代式除錯與程式碼重構)的效能。無需進行任何 API 變更:
    Interactions API:思考過程會自動保留。行為無變更。
    GenerateContent API:從 Gemini 3.5 Flash 開始,當對話歷史中存在思考簽名(thought signatures)時,模型會使用先前所有輪次的推理 context。若要啟用此功能,請在 contents 中傳遞完整且未經修改的對話歷史(包含思考簽名)。SDK 會自動處理這些內容。
    Gemini 3.x 的參數更新與最佳實踐
    以下內容適用於所有 Gemini 3.x 模型,包含 Gemini 3.5 Flash。
    temperature、topp、topk:我們強烈建議不要更改預設值。Gemini 3 的推理能力已針對預設設定進行最佳化。
    請使用 thinkinglevel 取代 thinkingbudget。
    函式呼叫(Function calling)回應匹配:id、name 以及回應計數必須與先前的呼叫相符。
    多模態函式回應:請將多模態內容包含在函式回應內部,而非外部。
    函式回應中的內嵌指令:請附加在函式回應文字的末尾,不要作為獨立的部分。
    減少不必要的工具呼叫:在 Agentic 工作流程中,使用較低的思考等級或透過系統指令(system instructions)來減少工具呼叫。
    請參閱下方章節,了解如何更新你的程式碼。
    取樣參數(不再建議使用)
    對於所有 Gemini 3.x 模型,不再建議使用 temperature、topp 與 topk。Gemini 3 的推理能力已針對預設設定進行最佳化。請從所有請求中移除這些參數。
    `python
    ⚠️ 移除這些參數(不再建議使用)
    generation_config = {
    "temperature": 0.7,
    "top_p": 0.9,
    "top_k": 40,
    }
    `
    為了確保確定性,我們建議針對你的特定使用情境定義系統指令,並設定明確的規則。
    thinking_budget(不再建議使用)
    在所有 Gemini 3.x 模型中,不再建議使用原始的數值型 thinkingbudget 參數。請改用字串列舉 thinkinglevel。
    `python
    ⚠️ 變更前(不再建議使用)
    generation_config = {
    "thinking": {"thinking_budget": 7500},
    }
    ✅ 變更後
    generation_config = {
    "thinking": {"thinking_level": "medium"},
    }
    `
    可用值:minimal、low、medium(預設)、high。
    函式呼叫:嚴格回應匹配
    Interactions API 對於不匹配的函式回應已經會拋出錯誤。GenerateContent API 尚未強制拋出錯誤,但在大多數情況下,不匹配的回應會導致模型回傳空回應,並帶有 finish_reason: STOP。請務必遵守以下慣例:
    `python
    ✅ 在 functionresult 中包含匹配的 callid 與 name
    final_interaction = client.interactions.create(
    model="gemini-3.5-flash",
    previousinteractionid=interaction.id,
    tools=[my_tool…

    5 min
  • @geminicli:Google整合平台強化多Agent協作。 Google 宣布將開發資源整合至全新的「Antigravity」平台,並正式以「Antigravity CL…

    Google整合平台強化多Agent協作。

    Google 宣布將開發資源整合至全新的「Antigravity」平台,並正式以「Antigravity CLI」取代原有的「Gemini CLI」。此次轉型旨在因應開發者對多 Agent 協作與複雜任務處理的需求,透過統一的後端架構,讓終端機操作能與更廣泛的開發工作流程無縫整合。
    核心變革與技術優勢
    Google 指出,隨著使用者需求從單一任務演進至多 Agent 互動,原有的 Gemini CLI 架構已不足以支撐。新推出的 Antigravity CLI 具備以下技術升級:
    效能提升:採用 Go 語言重新編寫,執行速度更敏捷且反應更靈敏。
    非同步工作流程:支援在背景排程多個 Agent 執行複雜任務,進行大規模程式碼重構或多主題研究時,不會鎖定使用者的終端機視窗。
    統一架構:與「Antigravity 2.0」及桌面應用程式共享相同的 Agent harness,確保核心 Agent 的更新與優化能自動同步至所有開發介面。
    功能延續:保留了原有的關鍵功能,包括 Agent skill、Hooks、Subagents 以及現已更名為「plugin」的擴充功能。
    使用者遷移時程與影響
    針對不同類型的使用者,Google 規劃了明確的過渡期:
    個人使用者(Google AI Pro、Ultra 及免費版 Gemini Code Assist):
    - 遷移期為 30 天,自 2026 年 5 月 19 日起算。
    - 2026 年 6 月 18 日後,Gemini CLI 與 Gemini Code Assist IDE 擴充功能將停止服務。
    - 同樣適用於 GitHub 上的 Gemini Code Assist,該日期後將無法進行新安裝,且隨後將停止請求回應。
    企業客戶:
    - 目前無需採取任何行動。
    - 使用 Gemini Code Assist Standard、Enterprise 授權,或透過 Google Cloud 使用 Gemini Code Assist for GitHub 的組織,其存取權限維持不變。
    - Gemini CLI 將持續透過付費的 Gemini 與 Gemini Enterprise Agent Platform API 金鑰提供支援。
    未來展望
    Google 鼓勵使用者透過 官方部落格文章 了解詳細資訊,並可立即開始使用 Antigravity CLI。針對遷移過程,官方將陸續釋出技術文件與教學影片,並邀請使用者在 Antigravity CLI 社群論壇提供回饋,以協助優化未來的功能開發。

    原文:https://easyvibecoding.app/curated/1453

    3 min
  • @antigravity:Google 推出 Antigravity 2.0,打造專為 Agent 最佳化的桌面應用程式與開發平台。 Google 近期發布了 Antigravit…

    Google 推出 Antigravity 2.0,打造專為 Agent 最佳化的桌面應用程式與開發平台。

    Google 近期發布了 Antigravity 2.0,這是一款從底層重新建構的獨立桌面應用程式,旨在提供完整的 Agent 優先體驗。該平台支援多 Agent 團隊協作、任務排程、原生語音互動,並能與 Google 旗下其他產品進行一鍵整合,協助開發者在 Agent 優先的時代更高效地進行程式開發。
    核心平台功能
    Antigravity 2.0 作為管理多個本地 Agent 並行運作的指揮中心,具備以下關鍵特性:
    專案管理:將對話群組化為「專案」,便於組織與管理。
    多工作區支援:能在多個 workspace 之間靈活切換與操作。
    任務自動化:透過排程訊息功能,自動執行例行性任務。
    開發者工具生態
    為了滿足不同層級開發者的需求,Antigravity 提供了多種開發介面:
    Antigravity CLI:這是一個輕量、快速且以終端機為優先的介面。開發者可直接透過鍵盤執行自主程式開發 Agent、下達 Shell 指令,並管理背景的子 Agent。
    Antigravity SDK:開發者可利用 Antigravity 的 harness 以極簡的程式碼進行原型開發。透過簡單的 Python 腳本,即可迭代 Agent 應用程式、自動化軟體工程任務,並在 harness 之上執行評估。
    Antigravity IDE:這是一款功能完整的 Agent 導向 IDE,內建 Agent 管理器與 Artifacts(產出物)功能,並具備對程式庫的深度理解能力。
    應用場景與目標使用者
    Google 強調 Antigravity 旨在建立使用者信任,無論是大型企業的專業開發者,或是利用閒暇時間進行「vibe-coding」的業餘愛好者,皆能從中獲益:
    全端開發者:透過精心設計的 Artifacts 與全面的驗證測試,確保能自信地建構生產級應用程式。
    企業開發者:為新一代企業級建構者提供強大的工具支援。
    前端開發者:利用「瀏覽器迴圈」(browser-in-the-loop)的 Agent,自動化重複性的開發工作,進而簡化使用者體驗(UX)的開發流程。
    欲了解更多詳細資訊,請參閱 Google Antigravity 官方部落格;如需下載使用,請前往 Google Antigravity 官網。

    原文:https://easyvibecoding.app/curated/1477

    3 min
  • @karpathy:Andrej Karpathy 正式加入 Anthropic 預訓練團隊,將領導以「Claude」加速研發的新方向。 核心動態 前「Tesla」AI 總…

    Andrej Karpathy 正式加入 Anthropic 預訓練團隊,將領導以「Claude」加速研發的新方向。

    核心動態
    前「Tesla」AI 總監、OpenAI 創始團隊成員 Andrej Karpathy 於 2026 年 5 月 19 日在個人 X 帳號宣布,已正式加入 Anthropic,並於本週開始在預訓練(pre-training)團隊負責人 Nick Joseph 麾下工作。他在貼文中表示:「未來幾年在 LLM 的前沿將特別具有形塑意義,我非常興奮能加入這個團隊並重返研發工作。」同時,他強調自己對教育的熱情未減,計畫在適當時機重啟相關工作。
    職務重點
    此次加入並非單純的人才招募。Anthropic 發言人向 TechCrunch 證實,Karpathy 將啟動一個新團隊,專注於「使用 Claude 本身來加速預訓練研究」。預訓練是構建前沿模型最昂貴、最耗算力的階段,負責「Claude」核心知識與能力的大規模訓練。這項任命被視為 Anthropic 對「AI 輔助研究」而非「純算力堆疊」的明確押注。
    社群反應
    此消息發布後,隨即在 AI 社群引發熱烈迴響:
    「Claude Code」創造者 Boris Cherny(@bcherny)回覆:「Welcome!! So excited we get to work together 👋」
    Anthropic 政策負責人 Jack Clark(@jackclarkSF)寫道:「Will be awesome to work together again!」
    Anthropic 幕僚長(Chief of Staff)Avital Balwit(@avitalbalwit)表示:「Welcome to the team! We’re so excited」
    「Claude Code」團隊成員 Thariq Shihipar(@trq212)也於同日下午 4:29 回覆:「@karpathy welcome!!」
    媒體層面,Axios 資深記者 Ina Fried、科技媒體人 Christina Warren 等也在 X 轉發評論,Warren 形容這是「huge hire by Anthropic」。Reuters、TechCrunch、Axios、Business Insider 均跟進報導。
    未來展望
    Karpathy 在 OpenAI 從事深度學習與電腦視覺研究,2017 年離開後加入「Tesla」主導「Full Self-Driving」(FSD)與「Autopilot」計畫,2022 年離職並於 2023 年短暫回到 OpenAI,2024 年再次離開以創辦教育新創「Eureka Labs」。他是少數能在 LLM 理論與大規模訓練實務之間架起橋樑的研究者,此次任命被視為 Anthropic 在前沿模型競賽中對抗 OpenAI 與 Google 的關鍵布局。同時,Anthropic 也宣布前 Meta 資深資安專家 Chris Rohlf 加入其「Frontier Red Team」,負責對先進模型進行嚴峻威脅的壓力測試。

    原文:https://easyvibecoding.app/curated/1443

    3 min