本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

• Update 09/01: 从 0.4.3 更新到了 0.4.5。优化了很多使用体验的部分，解决了一些影响用户体验的 bug，更 agent-native，codex/claude 用起来会更丝滑。

其实是把 Antigravity 做成了 Codex / Claude 的 subagent 插件 agy-staff 。让 Gemini 为另外的模型打工。

为什么会想做这个东西呢？主要是我 agentic engineering 中遇到的一些痛点：

1. 
   

   目前速度快的模型通常效果不佳；而能力更强的模型，推理速度通常较慢（点名 GPT 5.6 Sol），而且额度不足。

   
   


2. 
   

   Gemini 会员的获取成本较低，但如何高效利用它的额度呢？目前它的能力还不适合作为一个 ochestrator。

   
   

自 Gemini 3.5 Flash 之后，其实 Gemini Flash 开始有潜在的生态位（高效的执行者）。但彼时它的能力还是太差了，用户（例如我）没办法信任它。但随着迭代到 Gemini 3.7 Flash，它的能力较之于自己有了一次跃升，明显可靠不少。所以让 Codex 或 Claude Code 中的顶级模型通过 grill 和 review 得到解决问题的 spec / insights，让 Gemini 作为接受派遣它们的员工，并完成具体工作。这个流程似乎能有效的解决我上述提到的两个痛点。而且 Antrigravity CLI 还可以原生调用 Nano Banana 加上 Gemini 系列模型在多模态/前端领域的能力，在不那么注重执行的领域（营销，分析，设计）它也可以成为 Codex / Claude 强大的助手（尤其是 Claude 无法原生生图）

所以我做了对应的插件，目前提供五种常用角色：

• staffer：通用任务，也可以调用 Antigravity 原生能力生成图片


• researcher：代码库调研 / Deep Research


• reviewer：Code Review，也可以 Review 方案、设计和决策


• implementer：实现一个边界明确的编码任务


• ask：快速问一句，拿一个独立的第二意见

目前这个 plugin 主要围绕我自己的常见需求而设计，例如代码实现、Deep Research 和独立 Review（通用 Review 和 Code Review）。为了让它用起来更像 harness 原生提供的 Subagent，我也在 ochestration 上迭代了几个版本（任务派发与唤醒、后台执行、结果回收和 follow-up 等交互细节）。

其中一些设计借鉴了 Anthropic 博客中的最佳实践。不过目前还处于比较早期的阶段，很多判断更多来自我的个人使用习惯（写博客时学习的一些内容）。

接下来我准备先正常使用一两周，看看 Gemini 作为员工到底能不能高效高质量的完成任务。等积累了一些真实体验之后，我会再回来分享其中比较有意思的 insights。

^-^^-^欢迎佬们 comment 和 contribution

Example （Codex && Claude Code）