AI/Google Antigravity

Google Antigravity ist ein fortschrittlicher, agentenbasierter KI-Programmierassistent, der vom Google DeepMind-Team für Advanced Agentic Coding entwickelt wurde. Dieses Dokument bietet einen umfassenden Lernpfad, einen strukturierten Lernplan sowie empfohlene Lernressourcen, um die Technologie von den Grundlagen bis zur Expertenebene zu beherrschen.

1. Lernpfad (Learning Path)

Der Lernpfad ist nach Modulen strukturiert, die aufeinander aufbauen.

Modul 1: Grundlagen und Architektur

• Einführung in Antigravity: Was ist ein agentengesteuerter KI-Codierungsassistent? (Pair-Programming vs. Agentic Workflow).
• Systemarchitektur: Wie Antigravity mit dem Dateisystem, dem Terminal und APIs interagiert (Workspace, URIs, Corpus-Namen).
• Kommunikation: Best Practices für die Formulierung präziser Prompts und das Verständnis der KI-Entscheidungsfindung (Thought-Blocks).

Modul 2: Werkzeuge und Fähigkeiten (Tooling)

• Dateisystem-Operationen: Lerne den sicheren Einsatz von Tools wie view_file, write_to_file, replace_file_content und grep_search.
• Terminal und Shell: Nutzung von run_command und Hintergrundprozessen. Verständnis davon, welche Befehle sicher sind (SafeToAutoRun).
• Browser und Web-Interaktion: Integration von Subagenten (Browser-Bedienung über browser_subagent) sowie das Crawlen von Webinhalten über read_url_content.
• MCP (Model Context Protocol): Erkundung von Serverressourcen (list_resources, read_resource).

Modul 3: Projektarbeit und Frameworks

• Web Content Generation: Moderne Webentwicklung mit Antigravity (Vanilla CSS, Next.js, Vite). Umsetzung einer hohen Design-Ästhetik (Glassmorphismus, Dark Mode).
• Bildgenerierung: Nutzung eigener KI-Modelle zur Generierung von UI-Prototypen und Assets (generate_image).
• Fehlersuche & Debugging: Logs analysieren, Linter-Fehler automatisiert beheben und agentenbasiertes Refactoring umsetzen.

Modul 4: Fortgeschrittene Automatisierung

• Workflows: Eigene Automatisierungs-Workflows (.agents/workflows) im Markdown-Format (yaml-Frontmatter) erstellen.
• Skills-Framework: Entwicklung von Skill-Dateien (SKILL.md) zur dauerhaften Erweiterung der Fähigkeiten des Agenten.
• Wissensmanagement: Arbeit mit Knowledge Items (KIs) und den persistenten Kontexten im Verzeichnis .gemini/antigravity/brain.

2. Lernplan (Study Plan)

Ein empfohlener 4-Wochen-Plan, um Google Antigravity im Projektalltag perfekt zu beherrschen:

3. Lernressourcen (Learning Resources)

Offizielle Dokumentation

• Google Antigravity Docs (Web): Offizielle Antigravity Dokumentation - (Hinweis: Die App benötigt JavaScript zur Darstellung der Inhalte).
• Systemressourcen: Der Agent selbst ist seine beste Dokumentation. Frage ihn direkt nach seinen Fähigkeiten (z.B. "Liste mir alle deine Tools auf").

Interne Ressourcen & Workflows

• Knowledge Items (KI): Konsultiere die internen Zusammenfassungen im .gemini/antigravity/knowledge/ Verzeichnis (bzw. frage den Assistenten nach existierenden KIs).
• Workflow Engine: Siehe Beispiele für Workflows in .agents/workflows/. Lerne, wie man // turbo Commands einsetzt.

Praktische Übungen (Hands-on)

1. Hello World Agent: Lass Antigravity ein Skript schreiben, das den grep_search Befehl testet. 2. Mini-Web-App: Beauftrage den Agenten: "Erstelle eine Startseite in index.html mit Glassmorphismus und moderner Typografie und starte einen lokalen Server." 3. Workflow-Erstellung: Definiere einen Workflow setup-backend.md und lass Antigravity diesen Schritt für Schritt abarbeiten.

Fazit

Google Antigravity revolutioniert die Art und Weise, wie Software entwickelt wird, indem es als echter Agent und nicht nur als Textgenerator agiert. Durch die Bearbeitung dieses Plans wirst du vom Nutzer zum "Agentic Engineer".