Dev 2.0：还没在 IDE 里用自然语言「装技能」？你正在错过 AI 时代的 npm install
作为开发者，我们都习惯了这样的肌肉记忆：
遇到需求 -> 搜索 GitHub -> git clone -> 阅读 README.md -> 配置环境 -> npm install -> 调试报错…
但在 Google Antigravity 这样的大模型原生开发环境中，这个流程正在被彻底重构。 最近我发现，很多开发者虽然用上了 AI 补全代码，却还没掌握 “Agentic Skills” (代理技能) 的正确打开方式。
今天这篇，不谈具体的代码细节，我们来聊聊：如何用自然语言，给你的 AI 结对编程伙伴「安装大脑」。
🚀 什么是 Skill？不仅是代码库
在 Antigravity 的语境下，Skill 不仅仅是一个 GitHub 仓库。它是 代码 + 知识 + 执行逻辑 的封装。 当你说 “安装这个 Skill” 时，你不仅是在下载文件，你是在教 Agent：
- 怎么做 (Scripts/Tools)
- 什么时候做 (Triggers)
- 遵循什么标准 (Best Practices)
🗣️ Step 1: 用自然语言替代包管理器
以前我们需要自己判断 “这个库兼容吗？” “怎么配置依赖？”。 现在，只需要一句话：
User: “帮我安装
appstore-screenshot-generator这个 skill，我想给我的 App 自动生成营销图。”
Agent 做了什么？
- 环境感知：它知道你的项目是 iOS/SwiftUI 项目，知道 Python 环境在哪。
- 自动安装：它自动拉取代码，把工具链部署到
.gemini/skills/目录下。 - 依赖管理：发现缺少
Pillow库？它自动检测并提示安装，甚至直接帮你跑pip install。
你不需要离开编辑器，不需要打开终端敲命令，你的意图直接转化为了能力。
🧠 Step 2: 上下文注入 —— 让 Skill “懂” 你的产品
这是最 “Magic” 的一步。
传统的工具是死的，你必须手动填写 config.json。
但 Agent 是活的，它拥有你整个项目的上下文 (Context)。
User: “读取我的
PRD.md，用这个 Skill 生成 iPad mini 的截图配置。注意，我的产品核心价值是’思维整理’。”
发生了什么？
- 阅读理解：Agent 读懂了 PRD，提炼出 “Speak to Clarify” 的核心卖点。
- 跨界映射：它把 PRD 里的 “产品定位” 自动翻译成了 JSON 里的
title和tagline。 - 自动配置：它根据你的项目结构（
marketing/目录），自动填好了文件路径。
你得到的不是一个空的配置文件，而是一个填满了你产品灵魂的配置。
🔧 Step 3: 动态迭代 —— 当 Skill 不够用时
现成的 Skill 总有不完美的地方。比如，iPad mini 的圆角和 iPhone 不一样，生成的图露了底色。 在传统模式下，你得去读源码，改逻辑，调试。 在 Agent 模式下：
User: “生成的 iPad 图圆角太大了，iPad mini 的更直角一些。帮我修正脚本。”
Agent 的高光时刻：
- 自我诊断：它分析了代码，发现圆角是硬编码的
85px。 - 编写工具：它甚至写了一个临时的
analyze_bezel.py脚本，去像素级扫描边框素材，算出了精确的28px。 - 热更新 Skill：它修改了 Skill 的源码，引入了
DEVICE_CORNER_RADII字典。
Skill 成长了。 你的 AI 伙伴不仅会用工具，甚至会修工具。
📦 Step 4: 反哺 —— 从使用者到创造者
当你把这个 Skill 调教得无比顺手后，不要藏私。
User: “把修改后的代码和新做的 iPad 素材整理一下，我要提交回社区。”
Agent 会自动帮你把分散的修改（脚本、素材、文档）打包成一个干净的 skill_package。
这一刻，你完成了一次开源贡献的闭环，而全程你甚至没打开过 Finder。
结语：做指挥官，而不是操作员
Google Antigravity 这样的环境，最大的价值不在于帮我们少敲几个字符。 它在于把开发者从繁琐的 “操作员” (Operator) 升格为 “指挥官” (Commander)。
- 不要问 “怎么配置这个参数？” —— 告诉它 “你要什么效果”。
- 不要手动
cdlscp—— 告诉它 “把 A 装到 B”。
下一次，当你面对一个繁琐的任务时，试着先问问你的 AI： “嘿，这事儿有没有 Skill 可以教你做？”
Powered by Agentic Logic