study8677/antigravity-workspace-template

Give Claude Code, Cursor, Codex CLI a ChatGPT for your codebase. Multi-agent knowledge engine, grounded Q&A with file paths and line numbers. Works in any AI IDE.

agents-sdkai-agentclaude-codecode-intelligencecode-searchcodebase-qacodex-clicopilotcursordeveloper-toolside-pluginknowledge-graphllmmcpmcp-servermulti-agentopenaipythonragwindsurf

GAI 中文摘要

Antigravity 是一个专为代码库设计的跨 IDE 知识引擎，旨在为 Claude Code、Cursor 等主流 AI 开发工具提供基于事实的问答能力。它通过构建统一的知识层，显著提升 AI 对代码库的理解深度，从而解决 AI 开发中常见的上下文缺失或幻觉问题。

核心功能包括：通过多智能体集群自动解析代码，为每个模块生成精准的知识文档。支持基于文件路径和行号的溯源问答，确保 AI 生成的回复具备极高的准确性。提供统一的知识层，确保在不同 AI IDE 环境下都能获得一致的代码理解能力。内置路由机制，能够将用户问题快速分发至最相关的智能体进行处理。

该项目适用于追求极致开发效率的软件工程师，特别适合在复杂代码库中进行高频问答、重构代码或快速上手陌生项目的开发场景。

⭐

1.3k

Stars

🔱

258

Forks

👁

Watchers

📋

Issues

PythonMIT创建于 2025/11/19更新于今天

在 GitHub 上查看访问主页

README

由 Gemini 翻译整理

Antigravity

为你的代码库提供 ChatGPT —— 适用于 Claude Code, Cursor, Codex, Windsurf 及更多 IDE。

English · 中文 · Español

# 1 — 安装 (Claude Code 插件市场)
/plugin marketplace add study8677/antigravity-workspace-template
/plugin install antigravity@antigravity

# 2 — 选择 LLM 提供商，构建知识库
/antigravity:ag-setup
/antigravity:ag-refresh

# 3 — 提出任何问题，基于真实代码路径及行号获取准确回答
/antigravity:ag-ask "How does auth work?"

99% 事实准确率 · 比 Codex CLI 快 2.1 倍 · 适用于任何 AI IDE。 对比测试 ↓ Codex CLI 用户 —— 去掉 antigravity: 前缀；同样的四个斜杠命令也可直接使用。

为什么选择 Antigravity？

跨 IDE 的代码仓库知识引擎，用于基于事实的代码库问答。 相同的 .antigravity/ 知识层在每个 IDE 中都能被读取；一套引擎，适配所有主机。

AI Agent 的能力上限 = 它所能读取的上下文质量。

ag-refresh 会部署一个多 Agent 集群，自动阅读你的代码——每个模块都有专属的 Agent 来生成知识文档。ag-ask 将问题路由到正确的 Agent，并结合实际代码路径和行号提供精确回答。

与其将整个代码库的 grep 结果丢给 Claude Code / Codex 让它自己摸索，不如为你的仓库配备一个 ChatGPT。

传统方案:                          Antigravity 方案:
  CLAUDE.md = 5000 行文档           Claude Code 调用 ask_project("how does auth work?")
  Agent 读取所有内容，但大部分会遗忘  路由器 → 模块 Agent 读取实际源码，返回精准答案
  幻觉率高                         基于真实代码、文件路径和 git 历史

Antigravity 解决的四个具体痛点：

问题	未使用 Antigravity 时	使用 Antigravity 后
Agent 忘记编码风格	重复出现相同的修改建议	读取 `.antigravity/conventions.md` —— 一次到位
接手新代码库	Agent 靠猜测架构	`ag-refresh` → 模块 Agent 自主学习各模块
切换 IDE	到处都是不同的规则	一个 `.antigravity/` 文件夹 —— 每个 IDE 都能读取
询问“X 是如何工作的？”	Agent 读取随机文件	`ask_project` MCP → 路由到对应的模块 Agent

其架构是 文件 + 实时问答引擎，而非插件。可在任何 IDE、任何 LLM 之间移植，零供应商锁定。

对比测试：Antigravity vs Codex CLI vs Claude Code (2026-05-09)

针对三个真实 Python 代码库（fastapi/fastapi, psf/requests, fastapi/sqlmodel）进行的非对称基准测试。向每个工具询问了横跨三个难度等级的 36 个相同问题。所有工具均使用 gpt-5.5 并设定高推理强度；Codex 和 Claude 拥有对工作区的完整读取权限。由 Codex 担任评判员（采用 4 轴 0–3 分评分体系，分数经由实际源码验证）。

问题类型	Antigravity	Codex CLI	Claude Code
15 个事实查询	179/180 (99%)	179/180 (99%)	178/180 (99%)
12 个综合类（项目/架构巡览）	116/144 (81%)	144/144 (100%)	136/144 (94%)
9 个审计/安全类	105/108 (97%)	104/108 (96%)	98/108 (91%)

事实查询 + 审计综合得分（24 个维度）：Antigravity 284/288, Codex 283/288, Claude 276/288。 Antigravity 略胜一筹 —— 且在每个问题上的延迟都低于 Codex。

延迟（每个问题的平均响应时间，相同代理）：

问题类型	Antigravity	Codex	Claude
事实类	56s	119s	42s
审计类	160s	177s	100s

Antigravity 在事实类问题上 比 Codex 快 2.1 倍，在审计类问题上与 Codex 持平，同时准确率持平或更高。Claude 在审计类问题上速度最快，但准确率下降了 7 个百分点。

在此仓库中为取得上述成绩所做的改动——驱动数据提升的引擎优化：

[注：此处省略后续的具体技术修复细节]