สร้างไปป์ไลน์นักพัฒนาซอฟต์แวร์อัตโนมัติโดยใช้ agents.md และ skills.md ใน Antigravity

1. บทนำ

ใน Codelab นี้ เราจะแสดงวิธีตั้งค่าทีมพัฒนา AI แบบอัตโนมัติที่สนุกและมี AI เป็นผู้ช่วยในคอมพิวเตอร์ของคุณโดยใช้ Antigravity IDE คุณจะได้สร้างแอปพลิเคชันที่ใช้งานได้โดยการแนะนำข้อกำหนดตลอดวงจรชีวิตทั้งหมด ตั้งแต่ข้อกำหนดทางเทคนิคไปจนถึงการทำให้ใช้งานได้ขั้นสุดท้าย โดยใช้เวิร์กโฟลว์ skills.md และ agents.md ที่มีประสิทธิภาพ

แทนที่จะถูกจำกัดอยู่กับชุดซอฟต์แวร์โครงสร้างพื้นฐานที่เฉพาะเจาะจงหรือเขียนสคริปต์การจัดการเป็นกลุ่ม Python ที่ซับซ้อน เราจะใช้วิธีการแบบไม่ต้องเขียนโค้ดที่ใช้งานง่าย ซึ่งข้อกำหนดของคุณจะไหลผ่านวงจรการทำงานอัตโนมัติที่ขับเคลื่อนโดยหลักการสำคัญ 3 ข้อของ Antigravity ดังนี้

  1. agents.md: กำหนดว่าใครอยู่ในทีม AI ของคุณ (ผู้จัดการผลิตภัณฑ์, ฟรอนต์เอนด์, QA, DevOps)
  2. Skills และ skills.md: ไดเรกทอรีเฉพาะที่คุณกำหนดความสามารถทางเทคนิคที่แข็งแกร่งและกฎการส่งมอบอาร์ติแฟกต์เป็นไฟล์แบบโมดูลาร์ .md
  3. เวิร์กโฟลว์ (workflows/): กำหนดคำสั่ง Slash ที่กำหนดเองซึ่งเชื่อมโยงสมาชิกในทีม AI เข้าด้วยกันอย่างราบรื่นเป็นไปป์ไลน์แบบอัตโนมัติ

การรวมองค์ประกอบทั้ง 3 นี้เข้าด้วยกันใน Antigravity จะช่วยให้คุณแนะนำ Gemini ให้ทำงานอัตโนมัติอย่างสมบูรณ์ในการพัฒนาแอปพลิเคชันที่พร้อมใช้งานจริงตั้งแต่ต้นจนจบ

สิ่งที่คุณจะได้เรียนรู้

  • เริ่มต้น Workspace: ตั้งค่าโปรเจ็กต์เพื่อให้ Antigravity เข้าใจโปรเจ็กต์อย่างละเอียด
  • กำหนดทีม: สร้างไฟล์ agents.md เพื่อสร้างตัวตน AI ที่เชี่ยวชาญ
  • เขียนโปรแกรมทักษะ: สร้างไฟล์ .md โดยละเอียดในไดเรกทอรี skills/ เพื่อกำหนดกฎทางเทคนิคที่เข้มงวดและวงจรการปรับแก้งานซ้ำ
  • กำหนดเวิร์กโฟลว์ที่กำหนดเอง: สร้างคำสั่งเครื่องหมายทับ /startcycle เพื่อทำให้เวิร์กโฟลว์ของ Studio เป็นแบบอัตโนมัติ
  • เริ่มปฏิกิริยาลูกโซ่: ใช้คำสั่งเดียวเพื่อเรียกใช้ไปป์ไลน์แบบหลาย Agent ทั้งหมดโดยอัตโนมัติอย่างมีประสิทธิภาพ

สิ่งที่คุณจะได้ลอง

  • วิธีแยกวิศวกรรมพรอมต์ (Prompt Engineering) AI ออกจากโค้ดของแอปพลิเคชัน
  • วิธีสร้าง Agent ที่หยุดชั่วคราวอย่างแข็งขันเพื่อตีความความคิดเห็นและการแก้ไขของผู้ใช้ภายในไฟล์ Markdown ที่สร้างขึ้น
  • วิธีสร้างทักษะการสร้างและติดตั้งใช้งานโค้ดแบบไดนามิกที่ไม่ขึ้นกับภาษา
  • วิธีสร้างคำสั่งมาโครที่กำหนดเอง (เวิร์กโฟลว์) ใน IDE แบบ Agent

สิ่งที่คุณต้องมี

  • Antigravity
  • เบราว์เซอร์ Chrome
  • Node.js (v18 ขึ้นไป) หรือ Python 3.14 ที่ติดตั้งในเครื่อง
  • (ไม่บังคับ) gcloud CLI ที่ติดตั้งในเครื่อง

ก่อนเริ่มต้น

  1. ตรวจสอบว่าคุณได้ติดตั้ง Antigravity IDE แล้ว (พร้อมใช้งานที่ antigravity.google)
  2. เปิด Antigravity IDE และตรวจสอบว่าคุณได้เริ่มต้น Workspace ใหม่ที่เฉพาะเจาะจงแล้ว
  3. เปิดเทอร์มินัลไว้ขณะทำงานในโหมด Editor

2. เริ่มต้น Workspace

เนื่องจาก Antigravity เข้าใจไฟล์เวิร์กโฟลว์ที่วางไว้ในไดเรกทอรี .agents โดยกำเนิด การตั้งค่าไปป์ไลน์นักพัฒนาแบบอัตโนมัติจึงทำได้ง่ายๆ เพียงแค่สร้างโฟลเดอร์มาตรฐาน 2-3 โฟลเดอร์

คุณสามารถตั้งค่า Workspace ได้ดังนี้

  1. เปิด Antigravity IDE
  2. เปิด Agent Manager คุณสามารถสลับระหว่าง Agent Manager กับ Editor ได้ทุกเมื่อโดยกด CMD+E (Mac) หรือ CTRL+E (Windows) หรือผ่านปุ่ม Open Editor & Open Agent Manager ที่ด้านขวาบนของแถบเมนู
  3. คลิก + Open Workspace

หากต้องการเริ่มการสนทนาใหม่ภายใน Workspace ให้เลือก Workspace ที่ต้องการจากแท็บ Start Conversation หรือกดปุ่มบวกข้างชื่อ Workspace ในแถบด้านข้าง

45e7241be5552e42.png

  1. คลิก Open New Workspace แล้วตั้งชื่อ Workspace ว่า skills-codelab และเลือกไดเรกทอรีในเครื่อง วิธีนี้จะช่วยให้ Agent มีโฟลเดอร์รูทที่เฉพาะเจาะจงเพื่อสร้างโครงสร้างไฟล์โดยไม่ทำให้โปรเจ็กต์อื่นๆ รก เมื่อเสร็จแล้ว ให้ไปที่ Editor View แล้วทำตามขั้นตอนที่ (5), (6) และ (7)

d84ba507939a5efc.png

  1. คลิกขวาแล้วสร้างโฟลเดอร์ skills-codelab
  2. สร้างไดเรกทอรี 2 รายการภายในโฟลเดอร์ดังกล่าว ได้แก่ production_artifacts และ app_build
  3. สร้างไดเรกทอรี .agents และสร้างโฟลเดอร์ workflows และ skills ภายในไดเรกทอรีดังกล่าว

(อีกวิธีหนึ่ง) หากต้องการใช้เทอร์มินัล คุณสามารถสร้างโครงสร้างนี้ได้ทันทีโดยเรียกใช้คำสั่งต่อไปนี้

mkdir skills-codelab && cd skills-codelab
mkdir -p .agents/workflows .agents/skills
mkdir production_artifacts app_build

ตรวจสอบว่าโฟลเดอร์มีลักษณะดังนี้

7234ea48c2b175a7.png

โฟลเดอร์ใหม่เหล่านี้ทำหน้าที่อะไร

  • .agents/: นี่คือไดเรกทอรีพิเศษที่ Antigravity รู้จักโดยกำเนิด การวางไฟล์ไว้ที่นี่จะขยายลักษณะการทำงาน AI ในตัวของ Antigravity
  • skills/: โฟลเดอร์นี้ใช้เพื่อจัดเก็บคู่มือการใช้งานทางเทคนิคที่เฉพาะเจาะจง (ไฟล์ .md) สำหรับ AI ซึ่งจะบอก AI วิธีทำงานที่เฉพาะเจาะจง เช่น การเขียนโค้ดหรือการติดตั้งใช้งานแอป โดยแทนที่พรอมต์ขนาดใหญ่ที่ซับซ้อนด้วยขั้นตอนแบบโมดูลาร์
  • production_artifacts/: นี่คือโฟลเดอร์ที่แชร์ซึ่งสมาชิกในทีมแบบอัตโนมัติจะวางไฟล์ไว้โดยเจตนาเพื่อให้ Agent คนถัดไปอ่าน
  • app_build/: พื้นที่ทำงานที่กำหนดไว้สำหรับโค้ดของแอปพลิเคชันจริง Agent วิศวกรฟูลสแต็กจะสร้างโค้ดทั้งหมด (เช่น package.json, app.py, คอมโพเนนต์ React) และบันทึกลงในโฟลเดอร์นี้โดยตรง ซึ่งจะแยกซอร์สโค้ดแอปพลิเคชันออกจากคำแนะนำของ AI

3. กำหนดทีม (agents.md)

ขั้นแรก เราต้องบอก Antigravity ว่าใครกำลังทำงานในโปรเจ็กต์นี้ แทนที่จะเก็บคำแนะนำไว้ในโฟลเดอร์โปรเจ็กต์ที่ซ้อนกัน 4 โฟลเดอร์ เราจะรวมข้อมูลระบุตัวตนของทีมไว้ที่เดียว สร้างไฟล์ที่ .agents/agents.md ดังนี้

เหตุใดเราจึงต้องมีตัวตนที่แตกต่างกัน

เมื่อคุณขอให้ AI สร้างแอปพลิเคชันทั้งหมดตั้งแต่ต้น AI อาจรู้สึกหนักใจได้ง่ายๆ หากคุณบังคับให้ AI เป็นทั้งสถาปนิก นักเขียนโค้ด ผู้ทดสอบ และหัวหน้าการติดตั้งใช้งานในคราวเดียว การรวมบทบาทเหล่านี้ไว้ที่ agents.md จะช่วยป้องกันไม่ให้ AI สับสน ผู้จัดการผลิตภัณฑ์จะมุ่งเน้นเฉพาะข้อกำหนด วิศวกรจะมุ่งเน้นเฉพาะการสร้างโค้ด และ QA จะมุ่งเน้นเฉพาะการแก้ไขข้อบกพร่อง คุณจะได้ผู้เชี่ยวชาญเฉพาะทางสำหรับไปป์ไลน์แต่ละขั้นตอน

ไฟล์ agents.md แก้ปัญหานี้โดยการรวมตัวตนที่แตกต่างกันของทีมไว้ที่เดียว ดังนี้

  1. ผู้จัดการผลิตภัณฑ์ (@pm): มุ่งเน้นเฉพาะภาพรวม เขียน Technical_Specification.md และจัดการกระบวนการอนุมัติไปมากับคุณ (มนุษย์)
  2. วิศวกรฟูลสแต็ก (@engineer): ไม่ต้องกังวลเรื่องการวางแผน เพียงแค่ใช้ข้อกำหนดของผู้จัดการผลิตภัณฑ์และมุ่งเน้นเฉพาะการเขียนโค้ดคุณภาพสูงในภาษาใดก็ตามที่คุณอนุมัติ
  3. วิศวกร QA (@qa): ทำหน้าที่เป็นผู้ตรวจสอบใหม่ แทนที่จะเขียนฟีเจอร์ใหม่ งานหลักของวิศวกร QA คือการค้นหาการพึ่งพาที่ขาดหายไป ข้อผิดพลาดทางไวยากรณ์ หรือข้อบกพร่องเชิงตรรกะในโค้ดของวิศวกร
  4. ผู้เชี่ยวชาญ DevOps (@devops): มุ่งเน้นเฉพาะสภาพแวดล้อมรันไทม์ รู้วิธีอ่านเทอร์มินัล ติดตั้งแพ็กเกจ (npm install, pip install) และเริ่มเซิร์ฟเวอร์ในเครื่อง
# 🤖 The Autonomous Development Team

## The Product Manager (@pm)
You are a visionary Product Manager and Lead Architect with 15+ years of experience.
**Goal**: Translate vague user ideas into comprehensive, robust, and technology-agnostic Technical Specifications.
**Traits**: Highly analytical, user-centric, and structured. You never write code; you only design systems.
**Constraint**: You MUST always pause for explicit user approval before considering your job done. You are highly receptive to user feedback and will enthusiastically re-write specifications based on inline comments.

## The Full-Stack Engineer (@engineer)
You are a 10x senior polyglot developer capable of adapting to any modern tech stack.
**Goal**: Translate the PM's Technical Specification into a beautiful, perfectly structured, production-ready application.
**Traits**: You write clean, DRY, well-documented code. You care deeply about modern UI/UX and scalable backend logic.
**Constraint**: You strictly follow the approved architecture. You do not make assumptions—if the spec says Python, you use Python. You always save your code into the `app_build/` directory.

## The QA Engineer (@qa)
You are a meticulous Quality Assurance engineer and security auditor.
**Goal**: Scrutinize the Engineer's code to guarantee production-readiness.
**Traits**: Detail-oriented, paranoid about security, and relentless in finding edge cases.
**Focus Areas**: You aggressively hunt for missing dependencies in configurations, unhandled promises, syntax errors, and logic bugs. You proactively fix them.

## The DevOps Master (@devops)
You are the elite deployment lead and infrastructure wizard.
**Goal**: Take the final code in `app_build/` and magically bring it to life on a local server.
**Traits**: You excel at terminal commands and environment configurations.
**Expertise**: You fluently use tools like `npm`, `pip`, or native runners. You install all necessary modules seamlessly and provide the local URL directly to the user so they can see the final product!

โปรดสังเกตวิธีที่เรากำหนดเป้าหมาย ลักษณะ และข้อจำกัดสำหรับตัวตนแต่ละตัว

  • เป้าหมายจะบอก Agent ถึงความรับผิดชอบที่แน่นอนในไปป์ไลน์
  • ลักษณะจะกำหนดบุคลิกภาพเชิงพฤติกรรมของ Agent โดยบอก Agent ถึงวิธีดำเนินการ (เช่น "นักพัฒนาซอฟต์แวร์อาวุโสที่มีประสิทธิภาพสูง" หรือ "กังวลเรื่องความปลอดภัย")
  • ข้อจำกัดทำหน้าที่เป็นแนวทางที่เข้มงวด (เช่น "ห้ามเขียนโค้ด" "ปฏิบัติตามสถาปัตยกรรมที่ได้รับอนุมัติอย่างเคร่งครัด")

การจัดโครงสร้างพรอมต์ในลักษณะนี้จะช่วยลดการหลอนของ AI ลงอย่างมากและทำให้ Agent ปฏิบัติตามเวิร์กโฟลว์ที่กำหนดไว้อย่างเคร่งครัด

ตรวจสอบว่าโฟลเดอร์มีลักษณะดังนี้

4. เขียนโปรแกรมทักษะเฉพาะทาง (skills/)

การสร้างคำแนะนำโดยละเอียดคือกุญแจสำคัญในการสร้างเวทมนตร์แบบไม่ต้องเขียนโค้ด เราจะสร้างไฟล์ข้อความที่เฉพาะเจาะจงมากสำหรับแต่ละทักษะ เพื่อให้ผู้จัดการผลิตภัณฑ์ย้อนกลับไปทำงานซ้ำอย่างแข็งขันหากคุณขอให้ปรับแก้งาน

1. ทักษะการเขียนข้อกำหนด

ทักษะนี้ทำหน้าที่เป็นจุดเริ่มต้น Agent ผู้จัดการผลิตภัณฑ์ใช้ทักษะนี้เพื่อสัมภาษณ์คุณและสร้างโครงสร้างก่อนที่จะมีการเขียนโค้ด ซึ่งจะช่วยประหยัดเวลาในการเขียนโค้ดที่อาจเสียไปได้หลายชั่วโมง

สร้าง .agents/skills/write_specs.md ดังนี้

# Skill: Write Specs

## Objective
Your goal as the Product Manager is to turn raw user ideas into rigorous technical specifications and **pause for user approval**.

## Rules of Engagement
- **Artifact Handover**: Save all your final output back to the file system.
- **Save Location**: Always output your final document to `production_artifacts/Technical_Specification.md`.
- **Approval Gate**: You MUST pause and actively ask the user if they approve the architecture before taking any further action.
- **Iterative Rework**: If the user leaves comments directly inside the `Technical_Specification.md` or provides feedback in chat, you must read the document again, apply the requested changes, and ask for approval again!

## Instructions
1. **Analyze Requirements**: Deeply analyze the user's initial idea request.
2. **Draft the Document**: Your specification MUST include:
   - **Executive Summary**: A brief, high-level overview.
   - **Requirements**: Functional and non-functional requirements.
   - **Architecture & Tech Stack**: Suggest the absolute best framework (e.g., Python/Django, Node/Express, React/Next.js) for the job and outline the layout/API structure.

   - **State Management**: Briefly outline how data should flow.
3. Save the document to disk.
4. **Halt Execution**: Explicitly ask the user: "Do you approve of this tech stack and specification? You can safely open `Technical_Specification.md` and add comments or modifications if you want me to rework anything!" Wait for their "Yes" or feedback before the sequence continues!

โปรดสังเกต "ประตูอนุมัติ" ที่เข้มงวด แทนที่จะสร้างแอปทั้งหมดในคราวเดียวและหวังว่าแอปจะถูกต้อง AI จะได้รับคำแนะนำอย่างชัดเจนให้หยุดชั่วคราว รอคำพูดสุดท้ายของคุณ และอ่านเอกสารอีกครั้งอย่างแข็งขันหากคุณแสดงความคิดเห็นแบบอินไลน์

2. ทักษะการสร้างฟูลสแต็ก

ทักษะนี้คือผู้สร้างหลัก Agent วิศวกรจะอ่านชุดซอฟต์แวร์โครงสร้างพื้นฐานที่แน่นอนจากข้อกำหนดของผู้จัดการผลิตภัณฑ์และสร้างโครงสร้างไฟล์โค้ดฟรอนต์เอนด์และแบ็กเอนด์ที่จำเป็นทั้งหมดแบบไดนามิก

สร้าง .agents/skills/generate_code.md ดังนี้

# Skill: Generate Code

## Objective
Your goal as the Full-Stack Engineer is to write the physical code based entirely on the PM's approved specification.

## Rules of Engagement
- **Dynamic Coding**: You are not limited to HTML/JS. You must write code in the exact language/framework defined in the approved `Technical_Specification.md`.
- **Save Location**: Save all your raw code, accurately retaining necessary folder structures, directly inside `app_build/`.

## Instructions
1. **Read the Spec**: Open and carefully study `production_artifacts/Technical_Specification.md`.
2. **Scaffold Structure**: Generate all core backend and frontend application files.
3. **Output**: Dump your code perfectly into the `app_build/` directory. Do not skip or summarize any code blocks. Ensure all `package.json` or `requirements.txt` files are present.

ทักษะนี้ไม่มีสแต็กที่กำหนดไว้ล่วงหน้า (เช่น Next.js หรือ Django) แต่จะขึ้นอยู่กับชุดซอฟต์แวร์โครงสร้างพื้นฐานแบบไดนามิกที่ผู้จัดการผลิตภัณฑ์เลือกอย่างชัดเจน ซึ่งหมายความว่าทักษะการสร้างโค้ดเดียวของคุณจะใช้ได้กับเฟรมเวิร์กใดก็ตามที่คุณอนุมัติในข้อกำหนด

3. ทักษะการตรวจสอบ

ทักษะนี้ทำหน้าที่เป็นตาข่ายความปลอดภัย Agent QA ทำหน้าที่เป็นผู้ตรวจสอบอิสระ โดยได้รับคำแนะนำเฉพาะให้ค้นหาการพึ่งพาที่ขาดหายไปและข้อผิดพลาดเชิงตรรกะในโค้ดที่สร้างขึ้นใหม่

สร้าง .agents/skills/audit_code.md ดังนี้

# Skill: Audit Code

## Objective
Your goal as the QA Engineer is to ensure the generated code is perfectly functional natively.

## Rules of Engagement
- **Target Context**: Your focus area is the `app_build/` directory.

## Instructions
1. **Assess Alignment**: Compare the raw code against the approved `Technical_Specification.md`.
2. **Bug Hunting**: Find and fix dependency mismatches, unhandled errors, and logic breaks.
3. **Commit Fixes**: Overwrite any flawed files in `app_build/` with your polished revisions.

GenAI มักจะทำผิดพลาดทางไวยากรณ์เล็กน้อยเมื่อเขียนโค้ดจำนวนมาก การมี ทักษะการตรวจสอบ แยกต่างหากซึ่งมีหน้าที่เดียวคือการค้นหาข้อผิดพลาด จะช่วยเพิ่มอัตราความสำเร็จในการเรียกใช้แอปพลิเคชันขั้นสุดท้ายได้อย่างมาก

4. ทักษะการติดตั้งใช้งานแบบไดนามิก

ทักษะนี้ทำให้แอปพลิเคชันมีชีวิตขึ้นมา Agent DevOps จะกำหนดประเภทของแอปที่สร้างขึ้น (Node, Python ฯลฯ) และเรียกใช้คำสั่งเทอร์มินัลที่จำเป็นในการติดตั้งโมดูลและเริ่มเซิร์ฟเวอร์อย่างปลอดภัย

สร้าง .agents/skills/deploy_app.md ดังนี้

# Skill: Deploy App

## Objective
Your goal as DevOps is to intelligently package the application and fire up a server based on the chosen stack.

## Instructions
1. **Stack Detection**: Inspect the `Technical_Specification.md` and the files in `app_build/` to figure out what stack is being used.

2. **Install Dependencies**: Use your native terminal to navigate into `app_build/` and run `npm install`, `pip install -r requirements.txt`, or whatever is appropriate!

3. **Host Locally**: Execute the appropriate native terminal command (e.g., `npm run dev`, `python3 app.py`) to start a background server.
4. **Report**: Output the clickable localhost link to the user and celebrate a successful launch!

เราใช้ประโยชน์จากความสามารถของ IDE ในการเรียกใช้คำสั่งเทอร์มินัลดั้งเดิมอย่างปลอดภัย

Agent ทำหน้าที่เหมือนวิศวกร DevOps จริง โดยจะพิจารณาคำสั่งติดตั้งที่จะเรียกใช้แบบไดนามิกโดยอิงตามไฟล์ที่ Agent เห็นจริงในโฟลเดอร์ app_build/

(ไม่บังคับ) 5. ทักษะการติดตั้งใช้งาน Cloud Run

หากต้องการนำแอปพลิเคชันไปใช้งานจริงโดยตรงแทนที่จะเรียกใช้ในเครื่อง คุณสามารถสร้างทักษะการติดตั้งใช้งานทางเลือกได้ เนื่องจาก Antigravity ทำงานโดยตรงในเครื่องของคุณ AI จึงใช้ gcloud CLI ที่รับรองความถูกต้องในเครื่องของคุณได้อย่างราบรื่น

สร้าง .agents/skills/deploy_cloud_run.md ดังนี้

# Skill: Deploy to Cloud Run

## Objective
Your goal as DevOps is to package the application into a container and deploy it to Google Cloud Run.

## Instructions
1. **Verify Environment**: Ensure the necessary files for the chosen tech stack are in `app_build/`.
2. **Containerize**: Use the IDE terminal to navigate to `app_build/` and run `gcloud run deploy --source .`. 
3. **Configure**: If prompted by the CLI tool, automatically select the default region and allow unauthenticated invocations so the web app is public.
4. **Report**: Output the live production Google Cloud Run URL to the user!

5. กำหนดคำสั่ง Slash ที่กำหนดเอง

คำสั่งเครื่องหมายทับที่กำหนดเองทำหน้าที่อะไร

การบันทึกไฟล์ข้อความนี้ไว้ใน .agents/workflows/ จะเป็นการลงทะเบียนคำสั่งใหม่เอี่ยมลงในอินเทอร์เฟซแชทของ Antigravity โดยตรง

คำสั่ง /startcycle ทำหน้าที่เป็นผู้จัดระเบียบอัตโนมัติ แทนที่จะพรอมต์ AI ทีละขั้นตอนด้วยตนเอง ("ทำหน้าที่เป็นผู้จัดการผลิตภัณฑ์และเขียนข้อกำหนด..." จากนั้น "โอเค ตอนนี้ทำหน้าที่เป็นวิศวกรและเขียนโค้ด...") คำสั่งนี้จะเชื่อมโยงตัวตนที่กำหนดไว้และทักษะเฉพาะของตัวตนเหล่านั้นเข้าด้วยกันอย่างราบรื่นเป็นลำดับอัตโนมัติที่ต่อเนื่อง เราจะสร้างมาโครเดียวที่จัดการการส่งมอบระหว่าง Agent โดยจัดการวงจรการปรับแก้งานซ้ำสำหรับระยะผู้จัดการผลิตภัณฑ์อย่างชัดเจน

สร้าง .agents/workflows/startcycle.md ดังนี้

---
description: Start the Autonomous AI Developer Pipeline sequence with a new idea
---

When the user types `/startcycle <idea>`, orchestrate the development process strictly using `.agents/agents.md` and `.agents/skills/`.

### Execution Sequence:
1. Act as the **Product Manager** and execute the `write_specs.md` skill using the `<idea>`.
   *(Wait for the user to explicitly approve the spec. If the user provides feedback or adds comments directly to the Markdown file, act as the PM again to re-read and revise the document. Loop this step until they type "Approved").*
2. Shift context, act as the **Full-Stack Engineer**, and execute the `generate_code.md` skill.
3. Shift context, act as the **QA Engineer**, and execute the `audit_code.md` skill.
4. Shift context, act as the **DevOps Master**, and execute the `deploy_app.md` skill.

ตรวจสอบว่าโฟลเดอร์มีลักษณะดังนี้

de21eeb6012ddbcd.png

6. เริ่มปฏิกิริยาลูกโซ่

เมื่อกำหนดทีมและกฎอย่างเป็นทางการใน Antigravity แล้ว คุณจะเรียกใช้เวิร์กโฟลว์ทั้งหมดได้อย่างง่ายดาย

พรอมต์ Antigravity ดังนี้

  1. ในช่องแชทของ Agent Manager ให้พิมพ์ / เพื่อเปิดเมนูคำสั่งที่กำหนดเอง เลือกหรือพิมพ์ startcycle
  2. บอกไอเดียของคุณ
/startcycle "I need a fast, real-time chat application for customer support on my ecommerce website."

นั่งรอและทำงานร่วมกัน

  1. Gemini จะทำหน้าที่เป็นผู้จัดการผลิตภัณฑ์ ร่างข้อกำหนดที่แข็งแกร่ง และขออนุมัติจากคุณ
  2. เปิด Technical_Specification.md ใน Editor ของ IDE เพิ่มโน้ต 2-3 รายการ (เช่น "ใช้ Python แทน Node กันเถอะ") และบอก Agent ให้ปรับแก้งาน Agent จะแก้ไขไฟล์โดยอัตโนมัติ
  3. เมื่อคุณอนุมัติแล้ว Gemini จะเปลี่ยนบริบทไปที่วิศวกรโดยกำเนิด โดยใช้ข้อกำหนดที่ได้รับอนุมัติเพื่อเขียนโค้ดแบ็กเอนด์/ฟรอนต์เอนด์
  4. Gemini จะทำหน้าที่เป็นวิศวกร QA แก้ไขข้อบกพร่อง และบันทึกโค้ดขั้นสุดท้าย
  5. สุดท้าย ผู้เชี่ยวชาญ DevOps จะติดตั้งโมดูลแบบไดนามิกและแสดงแอปพลิเคชันในเบราว์เซอร์ของคุณ

ตัวอย่างการเรียกใช้ Technical_Specification.md และรอการอนุมัติหรือความคิดเห็น

11defe4c48e874cc.png

เวิร์กโฟลว์ทั้งหมดจะเริ่มต้นขึ้นหลังจากที่ผู้ใช้อนุมัติพรอมต์

b9af07291806ae60.png

7. สรุปและขั้นตอนถัดไป

ยินดีด้วย คุณได้เรียนรู้วิธีแทรกวงจรการทำงานซ้ำแบบร่วมมือและการสร้างแอปพลิเคชันฟูลสแต็กแบบไดนามิกเข้าไปในไปป์ไลน์แบบ Agent

ใน Codelab นี้ เราได้พูดถึงหัวข้อต่อไปนี้

  • วิธีแมปตัวตน AI โดยใช้ .agents/agents.md
  • สร้างวงจรการปรับแก้งานซ้ำแบบร่วมมือภายใน .agents/skills/write_specs.md เพื่อให้ Agent อ่านความคิดเห็น Markdown แบบอินไลน์ของคุณ
  • สร้างทักษะ .md แบบไดนามิกที่เขียนโค้ดในเฟรมเวิร์กใดก็ได้ (Python, React) โดยขึ้นอยู่กับข้อกำหนดที่ได้รับอนุมัติ