Google Antigravity SDK 支援本地 AI 模型:實現完全離線與隱私安全的 Agent 工作流
Google Antigravity SDK Adds Local AI Model Support for Offline Agent Workflows

Google 的 Antigravity SDK 迎來重要更新,現已支援本地模型部署,首波深度整合 Google AI Edge 的 LiteRT 與 Gemma 4 26B A4B 模型。此更新允許開發者在無需網路連接的狀況下,利用本地 GPU 與記憶體執行 Agent 任務。此外,SDK 引入了「架構師-構建者(Architect-Builder)」混合模式,結合雲端模型(如 Gemini 3.8 Flash)的規劃能力與本地實例的執行力,同時相容 Ollama、LM Studio 等 OpenAI 相容後端。
核心重點
完全離線的本地推論
結合 LiteRT 與 Gemma 4 26B A4B,直接在本地 GPU 與 RAM 上執行運算,保障高度隱私與零網路延遲。
架構師-構建者混合模式
由雲端 Gemini 3.8 Flash 擔任指揮規劃的「架構師」,本地 Gemma 實例組成的 Swarm 擔任實際執行的「構建者」,最大化代幣效率。
靈活對接多種本地後端
透過 LocalOpenAIAgentConfig,無縫相容 Ollama、LM Studio 與 vLLM 等任何支援 OpenAI API 格式的本地伺服器。
技術圖解
為什麼重要
這項更新解決了開發 AI Agent 時最核心的隱私與代幣消耗痛點。混合架構展示了新型態的開發模式:敏感的程式碼與測試數據完全保留在本地處理,僅將高階規劃交由雲端,這讓企業與開發者能在兼顧資安與成本的前提下,實現自動化軟體工程。此外,對多個本地後端的原生支援也極大提升了開發靈活性。
對誰有影響
- AI 開發者
- 企業決策者
- AI 研究人員
可以怎麼使用
- 1本地程式碼安全審計與修復
- 2自主系統工具生成與測試
限制與注意事項
- 硬體需求較高,建議配備大於 24GB VRAM 或統一記憶體的裝置。
- 本地推論速度受限於本機硬體效能,複雜工作流執行可能需要數分鐘。
延伸閱讀
DeepEdu-v1:突破硬體與法規限制,專為越南教育量身打造的在地化 AI 代理模型
DeepEdu-v1: Efficient and Scalable Agentic LLMs for Vietnamese Education
針對越南教育法規與地端硬體限制,DeepEdu-v1 透過 SCALE 框架優化長文本推論並建立自適應代理機制,在保護學生隱私的同時實現低延遲與高精準度的在地化教學。

Google DeepMind 發表 Gemini 3.8 Live with Live Avatar:具備即時視覺化身與背景任務處理能力的企業級 AI 代理
Google DeepMind Introduces Gemini 3.8 Live with Live Avatar: Real-Time Visual AI Agents for Enterprise
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar,結合即時影片與語音生成,打造出支援 97 種語言並具備背景工具執行能力的動態虛擬化身。
突破中心化瓶頸!Agensh 框架將多 Agent 協作無縫擴展至 1,024 個智慧體
Agensh: Scaling Multi-Agent Collaboration to 1,024 Agents Without a Central Orchestrator
Agensh 是一個無中心協調器的自組織多 Agent 框架,透過共享工作空間與非同步協作循環,成功將 Agent 協作規模擴展至 1,024 個,在複雜程式設計任務中展現顯著的效能擴展性。