Google Antigravity智能体新增交互式UI技能：开发者通过模态框选择而非文字提示配置工作流
Google开发者关系工程师James O'Reilly发布Antigravity智能体技能编写指南第一部分，介绍如何通过嵌入ask_question工具的UI模态框和JSON状态持久化，将智能体从文本解析器转变为结构化交互面试官。
AI解读：这条新闻的核心是写给用Antigravity搭建AI智能体的开发者：以往配置智能体靠写一大段文字提示让它自行猜测参数，既脆弱又容易理解错。现在Google把这些能力封装成一种叫“技能”的文件夹——里面是一个带YAML和Markdown说明的SKILL.md文件——开发者可以在指令里点明使用ask_question工具，智能体执行到这里就会暂停，在聊天窗口弹出带单选、多选和填空的原生UI窗口，让用户点选而不是打字。文中还展示了配套的user_prefs.json持久化方案：把用户的选项存进工作区根目录的JSON文件，下次运行或调用子智能体时先读取，把上次的选择标成“当前设置”列在最前面，用户直接确认或更改即可，不用重新问一遍。对普通用户来说，这不需要立即动手；对正在写复杂工作流的团队，实际收益是你不用反复向智能体复述偏好，跨会话和跨子智能体的配置一致性有了一个单一事实来源。配套建议也很具体：选项列表不要超过七项，否则用户会乱猜；大数据集应先让智能体通过MCP工具筛选再展示；写回JSON时要把键嵌套在“FORMS”这类命名空间下，避免多个技能互相覆盖。这套机制目前是工程指南性质，官方尚未单独为这项工具发布公告，效果数据也还没公开。
Google开发者关系工程师James O'Reilly发布了一篇技术指南，介绍如何利用Antigravity的ask_question工具构建交互式UI工作流，将智能体从被动文本解析器转变为主动的“技术面试官”。该指南属于“Elevating Antigravity Agent Skills”系列的第一部分，涵盖ask_question、generate_image、define_subagent、send_message和manage_subagents等工具。
在Antigravity中，智能体能力以技能（skill）方式打包，技能是一个包含SKILL.md文件的目录，其中YAML frontmatter用于发现、Markdown指令用于执行。默认情况下，智能体按顺序解释指令并执行终端命令或文件编辑；但当指令明确要求调用ask_question工具时，智能体会暂停执行，并在聊天窗口渲染原生交互式UI模态框（支持单选按钮、复选框和填写字段），用于收集用户偏好。
为减少跨会话和子智能体间的重复询问，O'Reilly在示例中将UI询问与持久化状态结合，形成四个阶段的工作流：先从工作区根目录读取user_prefs.json中的已保存默认值（workspace state hydration），再渲染带有选项数组和多选标志的ask_question弹窗（将此前保存的值标注为“(Current Setting)”置于选项列表开头），处理选择（移除UI信号前缀、跳过可选问题并保留原默认值），最后将更新后的选择写回工作区根目录的user_prefs.json，作为后续子智能体使用的“不可动摇的事实来源”（state persistence）。他说明user_prefs.json并非Antigravity的特有文件，而是他为自己项目命名创建的，开发者可按需命名和放置。
内置 /grill-me命令与自定义交互式技能的区别
Antigravity本身支持通过斜杠命令 /grill-me实现交互对齐：触发后，智能体会暂停代码执行，就设计权衡、边界情况和实现限制进行系统化提问，直到歧义消除。O'Reilly称这是临时会话规划和一般需求收集的优秀工具。
自定义交互式技能则将这一概念进一步延伸：团队通过编写调用UI选择模态框的自定义Markdown技能，可标准化领域特有的“面试”流程（如表单搭建、云部署），并将答案直接持久化到工作区配置文件中，供子智能体使用。指南中链接了Richard Seroter撰写的文章《Crafting an agent team that still includes me》供进一步了解 /grill-me命令。
示例技能making-forms-demo的完整实现
O'Reilly提供了一个名为making-forms-demo的参考技能，它在生成网页表单前先对开发者进行“面试”，确保验证规则和标签布局符合团队标准。该技能的关键Markdown指令如下：
确认意图与状态加载：检查工作区根目录是否存在user_prefs.json；若存在读其“FORMS”对象，告知用户已找到表单并需回答或确认几个问题。
使用ask_question查询验证类型：调用ask_question展示选项UI，若存在先前保存的值，则将其前缀“(Current Setting)”并置于选项首位，问题为：“您希望如何处理字段验证？（可多选）”选项为[“客户端验证”，“服务端验证”]，选中值作为FIELD_VALIDATION_TYPE。
查询验证位置：调用ask_question，使用单选列表（省略显式“other”字符串后，Antigravity会自动启用默认填写选项），问题为“您希望如何处理验证消息？”，选项为[“字段上方”，“字段下方”，“摘要卡片”，“工具提示”]，选中值作为FIELD_VALIDATION_LOCATION；若开发者在填写框中输入“Inline below label”，智能体将该字符串直接捕获到该变量，无需自定义语法解析。
固定用户偏好：使用write_to_file工具将选择的表单偏好写入工作区根目录的user_prefs.json（覆盖已有文件），以JSON结构保存，例如{"FORMS":{"FIELD_VALIDATION_TYPE":[" "],"FIELD_VALIDATION_LOCATION":" ","FIELD_LABEL_TYPE":" "}}。技能在首次运行时不会真正创建表单（明确标注为模拟技能），而是将选择输出为用户确认。通过命名空间嵌套（如“FORMS”），不同技能可安全地在同一JSON根对象中管理自身状态，避免冲突。
创建交互式技能应避免的四种错误
O'Reilly总结出四项最佳实践：
避免选项疲劳：选择列表超过七项会让用户不知所措、开始猜测。面对大规模数据集（如数百个营销活动或云区域），不要将原始数组直接放入ask_question，而应指示智能体先查询MCP工具，筛选出与当前工作区相关的top-5列表再显示。
避免显式自定义选项反模式：常见的错误是在SKILL.md中显式添加“其他”或“自定义值”选项。ask_question工具在呈现交互式问题时已默认显示可填写的文本框，显式加入会制造冗余且混淆选项，迫使智能体处理不必要的二次提示步骤。
避免配置文件中的扁平根键：将用户选择持久化到user_prefs.json时，务必在高层级域名命名空间（如“FORMS”，“DEPLOYMENT”，“TESTING”）下嵌套键值对；多个技能若直接将扁平键写入JSON根，技能包增长后键冲突将不可避免。命名空间可确保跨自治子智能体的严格边界隔离。
避免第三人称表述：选项字符串应使用用户的第一人称直接表述（例如“浮动标签（标签位于输入框内部）”），而非第三人称命令式（如“将表单布局设为浮动”）。直接响应的表达可降低认知摩擦，让交互模态框更自然。