这是什么

Google Antigravity SDK本周更新的看点不是「断网能跑模型」，而是它示范的一个审计Agent分工：云端Gemini只拿到文件名和任务描述，用95个Token拆出审计计划；三个本地Gemma实例完成漏洞复现、写补丁、互评和回归测试，97.2%的Token消耗在本地。

真正值得学的，是背后那个叫「任务路由」的控制层——根据数据敏感性、任务难度、失败风险，决定每一步走本地还是云端、最小上下文是什么、是否需要人工审批。Google把它类比成医院分诊：前台只收集必要症状，危急情况升级专家，病历不会为了「方便」广播给所有科室。

行业怎么看

支持方视它为企业Agent落地的现实路径：源码不出机器、云端只做规划，合规和成本都能兼顾；金融、医疗、制造业的内部数据处理，终于有了「既用上大模型、又不交出核心数据」的方案。社区里不少架构师已经在按这个范式重新设计内部工具链。

反方意见同样值得听。任务路由的关键不是模型，而是数据标签、权限设计、审计日志这些工程活儿；很多公司连「哪些字段算敏感」都没划清楚，再精巧的路由规则也会失效。更冷静的批评是：演示里97%Token留本地看似漂亮，但本地模型能力上限更低，复杂任务可能根本拆不出可用计划，强行路由只是把问题从「泄密」换成「质量差」。还有工程派提醒：本地模型若能读整个硬盘、访问网络、拿到Git凭据，「本地」并不等于「安全」。

对普通人的影响

  • 对企业IT：采购Agent方案时，「数据流向可控」会逐渐比模型跑分更重要——路由策略、审计日志会比模型参数更先被问。
  • 对个人职场：开发者值得早一步理解任务路由——不是所有活儿都该调云端API，先问「这一步碰不碰敏感数据」，省成本也省合规麻烦。
  • 对消费市场：手机和PC端AI很可能率先采用「本地优先、云端兜底」的默认设置，普通用户不必感知背后机制。