联合工作升级 v1.3（2026-08-30）

基于：搜索 2026 多 agent 最佳实践 + 今天全流程实测（Codex/Antigravity/GPT 接入、共享记忆 MCP、技能注入）。 沉淀：multi-agent-research 技能 v1.3 + 本笔记。

升级内容

1. Antigravity 程序化调用突破（agentapi CLI）

实测成功调用 Antigravity 创建对话（此前只能人工 IDE 操作）：

export ANTIGRAVITY_LS_ADDRESS=http://127.0.0.1:63224   # gRPC 端口（非 63223 HTTP）
export ANTIGRAVITY_CSRF_TOKEN=<main.log 的 --csrf_token= 值>  # 动态生成
export ANTIGRAVITY_PROJECT_ID=<~/.gemini/config/projects/*.json 的 id>
~/.gemini/antigravity/bin/agentapi.bat new-conversation --profile=<name> "<prompt>"

• 成功返回 conversationId，get-conversation-metadata 可查状态
• 缺口：无 workspace 时技能/MCP 不注入（workspaces:[]）→ 前端任务需绑定项目

2. 2026 最佳实践验证（搜索结果）

• Orchestrator-Worker 模式 = 我们已在用的 k 指挥模式（行业标准）
• 共享状态层（MCP memory server）= 我们 team-memory-mcp 干的事
• 3-8 agents 是生产最佳规模 = 我们 7 执行体（WorkBuddy/dsh/Codex/Antigravity/GPT/Gemini/搜索）正好
• 结构化交接 + 验证门 = 我们 8 槽密任务包 + 验证门前置（v1.1 已有）
• AdaptOrch 实证：编排拓扑比模型选择影响更大（12-23%）→ 我们值得把分工做精

3. 共享记忆 MCP 入流程

• 开工前 memory_search 查结论 → 干完 memory_save 写经验 → 交接双通道（任务包+记忆池）
• team-memory-mcp 已接 Codex（config.toml）+ Antigravity（mcp_config.json）

4. 技能注入完成

• ~/.agents/skills/ 19 个技能（Codex + Antigravity + Gemini CLI 三方共享的 Agent Skills 标准目录）
• 墨题项目 .agents/skills/ 3 个工作区技能（Antigravity 项目内自动发现）
• 全量 452 个不行（12K tokens 撑爆预算），精选最高价值

角色分工（v1.3 定型）

工具	角色	接入
Hermes(k)	总调度/项目经理/记忆管理员/自动化值班/验收员	程序化
GPT	顾问/架构师/研究员	人工中转
Codex	软件工程师（工程闭环）	CLI 程序化
Antigravity	前端工作台/可视化执行员	agentapi + 人工
WorkBuddy	初稿执行器（Deep Research/PPT）	SDK 程序化
dsh	廉价批量执行器（脚本/数据）	程序化
Gemini 网页	独立审查官（盲评）	人工中转

同源盲评矩阵：OpenAI 系（Codex/GPT）↔ Google 系（Antigravity/Gemini）↔ 腾讯系（WorkBuddy/dsh）——跨系盲评打破集体幻觉。

典型工作流（"错题收藏功能"为例）

sora → k（接收目标）
  ├─ GPT：需求分析/接口设计/验收标准（人工）
  ├─ Codex：后端 API/数据结构/测试（CLI）
  ├─ Antigravity：页面/交互/浏览器验证（agentapi 或人工）
  └─ 共享记忆：开工查记忆池、干完写回
k → 汇总核验（接口字段不一致→派修复）→ 沉淀技能 → sora 决策

边界

• Hermes 不能凭空控制 Antigravity IDE 内部——需要 agentapi/MCP/浏览器接口（agentapi 已通，技能加载缺口待后续研究）
• GPT/Gemini 是人工中转——设计流程时把"sora 贴网页"当已知延迟
• 所有外部产出过 k 手才进沉淀

---

🗺️ 属于 [[MOC-Research]] · [[Home|🏠 Home]]