這是一份提交給Google I/O 寫作挑戰
🎬 與景
Google I/O 2026 在兩小時內釋出了一連串的宣佈.
🔥 Gemini 3.5 Flash
🤖 Antigravity 2.0
🛡️ Firebase AI Logic
🌐 WebMCP
🎨 Stitch
🧠 朱利
👁️ 威尼米亞奧米尼
會議的甜膽是真實.
我讀過的每一篇回顧都選擇一宣布並解釋它。這很有用。但它沒有回答我在直播結束後實際有的問題：
🤔 我可以在今天，在一個實際專案中使用哪個，而不會出現問題？
所以我在過去的48小時裡使用四個來自I/O 2026的最新工具進行開發。不是示範專案。不是"你好世界。"真正的整合嘗試融入實際工作流程。
以下是發生了什麼。 👇
🛠️ 我測試的四個工具
我選擇了涵蓋堆疊不同部分的工具：
| # | 工具 | 功能 |
|---|---|---|
| 1️⃣ | Antigravity CLI 1.0.2 | Gemini CLI的後繼版本—代理程式協調 |
| 2️⃣ | Gemini 3.5 Flash | 透過AI Studio API提供的新預設模型 |
| 3️⃣ | Firebase 人工智慧邏輯 | 客戶端人工智慧推論與安全性 |
| 4️⃣ | WebMCP | 使網頁應用程式能被代理讀取的協議 |
我嘗試過每一個用於特定任務。不是教學。是我實際會發布的東西。 🚀
1️⃣ Antigravity CLI: 129項沒人討論的技能
每個人都正在寫關於 Antigravity 的多模型路由（Gemini + Claude + GPT-OSS 在一個 CLI 中）。那很酷。 🆒
但實際上改變了我工作方式的東西是 /skills.
Antigravity 附帶了 129 個內置技能。不是自動完成規則 — 真正的 代理行為。例如：
- 🔍
agency-code-reviewer— 在提交前審核變更 - 🤖
agency-agentic-search-optimizer— 審核 AI 代理是否能在您的網站上完成任務 - 📖
agency-codebase-onboarding-engineer— 協助新開發者理解不熟悉的儲存庫
🧪 測試
我在一個實際的 React/TypeScript 專案上測試了技能創建工作流程。一個提示：
"Create a skill that enforces TypeScript strict mode violations before any PR merge"
⚡ 什麼是反重力實際上做了
Step 1: Read tsconfig.json and package.json → understood the stack ✅
Step 2: Scanned src/ for existing type patterns ✅
Step 3: Ran git status → understood current state ✅
Step 4: Proposed SKILL.md + checker script + pre-commit hook ✅
Step 5: Asked for approval, then built all three ✅
Step 6: Created mock violations, ran hook against itself, verified ✅
✅ 好的
一個提示。沒有手寫的配置檔案。預提交鉤子是 目前啟用的 ，將會阻擋下一次TypeScript違規.
⚠️ 壞的
該技能在全球存放在 ~/.gemini/config/skills/，而不是專案目錄中。這意味著它在這台機器上的所有 ALL 專案中都可以使用。直到你擁有60個技能互相衝突為止。 😬
❌ 醜陋的
Gemini CLI (開源，超過10K名貢獻者) 將於 6月18日 停運。Antigravity 是封閉來源。Google 將開發者工具整合至其營收堆疊中
。這是一個值得承認的妥協。 🫠
🏆 評決
技能系統確實強大。封閉來源遷移確實令人擔憂。兩者都是事實
⭐⭐⭐⭐ (4/5)
2️⃣ Gemini 3.5 Flash：快速、便宜，卻遺漏了一件事
我透過 AI Studio 學習機器人 API 來為內容總結功能供應能量。簡單的任務：輸入 3,000 字的文章，獲得結構化的總結。
⚡ 速度
對大多數輸入，反應時間小於一秒。顯著比 Gemini 1.5 Pro 在同等任務上更快
Gemini 1.5 Pro: ~2.3s average
Gemini 3.5 Flash: ~0.8s average ← 3x faster 🚀
🎯 品質
擅長萃取與總結。在處理細節上稍顯不足 — 當我請求它辨識意見文章中的「爭議性觀點」時，它往往選擇最顯著的主張，而非最具挑戰性的那一個。
💰 價格
這裡就很有趣了。Gemini 3.5 Flash 的定價非常激烈 用於高容量使用。如果你正在建立一個每天處理數千份文件的工具，那麼經濟效益是實實在在的。 📈
🚨 人們沒提及的事
上下文窗口行為. 在128K tokens時，它技術上可以處理長輸入。但我注意到 品質在~60K tokens後開始下降 — 這個模型開始錯過長文件中埋藏的細節。
這與其他開發者報告的情况相符，但沒有人在寫關於的事情。
🏆 評判
非常適合高容量、結構化的提取任務。沒有檢索層，不要相信它對長文件進行細膩分析的結果。
⭐⭐⭐⭐ (4/5)
3️⃣ Firebase 人工智慧邏輯：安全模型就是故事
Firebase AI Logic 允許您運行 Gemini 推斷直接從客戶那裡— 你的網站應用程式或手機應用程式直接與 Google 的 API 通信，而無需後端代理。
這場 I/O 主題演講讓這聽起來像魔法。 🪄
現實情況更加微妙。
🛡️ 真正的新鮮之處：四層安全模型
┌─────────────────────────────────┐
│ Layer 1: App Check │ ← Verifies requests from YOUR app
├─────────────────────────────────┤
│ Layer 2: Firestore Rules │ ← Controls who can call the model
├─────────────────────────────────┤
│ Layer 3: Rate Limiting │ ← Per-user throttling
├─────────────────────────────────┤
│ Layer 4: Output Filtering │ ← Content safety on responses
└─────────────────────────────────┘
這很重要，因為客戶端AI一直存在一個信任問題：如果API金鑰在瀏覽器中，任何人都可以濫用它。Firebase的方法並未消除這種風險，但它增加了足夠的摩擦力，使得隨意濫用變得不再簡單。 🔒
🤷 什麼沒有新
這個推論本身。你已經可以使用 AI Studio API 從前端呼叫 Gemini。Firebase AI Logic 將這個包裝在 Firebase 的認證和安全生態系統中.
如果你已經在 Firebase 上
→ 清潔整合 ✅
如果你不在
→ 迁移成本是真實的 ❌
🕵️ 陷阱
客戶端推論意味著你的提示結構會在瀏覽器的網絡欄中可見。對於任何將提示工程作為競爭優勢一部分的應用，你仍然需要一個後端代理。👀
🏆 評決
對於需要 AI 功能但又無法處理後端複雜性的 Firebase 原生應用程式非常適用。不適用於安全敏感應用程式的伺服器端推論。
⭐⭐⭐ (3/5)
4️⃣ WebMCP: 最關鍵的宣布（但尚未發生）
WebMCP 是一個協議，讓網路應用程式可以向 AI 代理暴露結構化資訊。想把它想像成 robots.txt 但為了代理互動 — 它告訴 AI 爬蟲您的應用程式能做什麼，而不僅僅是它有哪些頁面.
🤔 為何這很重要
整個代理堆疊（Gemini 代理、Antigravity、Jules 等）需要了解網頁應用程式才能與它們互動。WebMCP 是 Google 的嘗試，旨在使其標準化。
😐 我為何尚未感到興奮
我嘗試在一個小型網站應用程式中實現 WebMCP，發現：
- 📚 文件說明稀少 — I/O 節次中僅用了 ~4 分鐘涵蓋
- 🔧 工具不夠完善 — 沒有 CLI 框架、沒有驗證器、沒有測試框架
- 📉 普及率為零 — 目前沒有主流框架支援它
- ❓ 這是一個 Google 提案，不是標準 — W3C/IETF 的參與情況尚未確定
🏆 裁決
留意這裡。暫時不要基於它建設
⭐⭐ (2/5)
📊 最終得分榜
| 工具 | 得分 | 如果…使用它 | 如果…跳過它 |
|---|---|---|---|
| 🤖 Antigravity CLI | ⭐⭐⭐⭐ | 您需要代理驅動的開發工作流程 | 您需要開源工具 |
| ⚡ Gemini 3.5 Flash | ⭐⭐⭐⭐ | 您正在建立高容量的人工智能功能 | 您需要細膩的長文分析 |
| 🛡️ Firebase AI 邏輯 | ⭐⭐⭐ | 你已經在 Firebase 上 | 你需要伺服器端提示保護 |
| 🌐 WebMCP | ⭐⭐ | 你可以嘗試實驗 | 你需要今天就能工作的東西 |
💡 變更我思考方式的唯一事情
技能檔案。無庸置疑. 🏆
在 I/O 2026 之前，我的 AI 工作流程是：
Open chat → Paste context → Get answer → Copy result
Open chat → Paste context → Get answer → Copy result
Open chat → Paste context → Get answer → Copy result
...forever 😩
該技能檔案 會反轉這些操作：
Define behavior once (SKILL.md) → Agent executes autonomously → Forever ♾️
這不是一個功能上的改進。這是一種不同的程式設計模型。
我建立的無障礙審核工具現在在我的電腦上運行#130它位於：
~/.gemini/config/skills/soilsense-accessibility-reviewer/SKILL.md
未來每一個 Antigravity 會話都可以調用它。一個提示創建了它。沒有協調代碼。
💬 Gemini 3.5 Flash 基準測試將在六個月內過時。一個能在每次提交時強制執行您團隊標準的技能檔案 — 這會導致複雜化.
🎯 您會建立什麼？
我好奇其他人發現了什麼。您有在實際專案上測試過這些工具嗎？什麼有效？什麼失敗了？ 🤔
特別感興趣的是：
- 🐧 任何人在 Linux 上運行 Antigravity CLI (我在 Windows 上測試過)
- 🔥 生產中的 Firebase AI 逻辑 (不僅僅是示範)
- 🌐 城市中的 WebMCP 實現
在下方分享你的經驗！ 👇
最佳的 I/O 覆蓋來自那些實際建過東西的人，而不是那些看了鍵盤演講的人。 📺➡️🔨
感謝您的閱讀！如果這能幫助您決定要嘗試哪些 I/O 工具，請放下一顆❤️並在評論中分享您自己的經驗。
