前端三分鐘 X 要轉職養豬還是做被取代的工程師？用 Google AI 打造我的 AI 雙刀流自動化工作流系列

在上篇我們介紹了 Antigravity CLI (agy)，讓神童 Agent 能夠直接走進我們的 Terminal，並透過 Agent Skills 照著 SOP 自動幹活。

今天，我們要讓牠真正發揮威力，示範如何用 agy 完成從需求進場、自動 Coding、單元測試，到最後由我們 Review 並完成 Commit 的自動化循環！

以前養豬，你每天時間一到就要搬飼料桶、一槽一槽手動倒；以前寫 Code，你就算有 AI 幫忙產出程式碼，還是要自己手動切換視窗、複製貼上、手動開 Terminal 執行測試與指令。

但現在，自動餵食傳送帶已經鋪好了——豬，開始自己吃飼料了！

半自動化流轉：agy CLI + Git 流水線

在現代 AI 養豬場裡，工程師不再需要親自處理每一個搬磚步驟。我們透過 agy CLI 作為 Terminal 內的核心引擎，搭配 Skills SOP，建構出一條流暢的開發流水線：

Issue 需求進場 (GitHub / Local Task)
   ↓
agy CLI 讀取脈絡與解析 (載入 Skill SOP)
   ↓
Coding (自動修改 Local Code)
   ↓
Test (自動執行單元測試)
   ↓
Human Review (工程師親自審查與微調)
   ↓
Commit (由 agy 或工程師自動打包 Commit)

1. Issue 觸發：接收到一個新的 Feature Request 或 Bug 需求。
2. agy 解析：agy 讀取任務，自動對照 AGENT.md 架構憲法與對應的 Skill SOP。
3. 自動 Coding：agy 直接在本地檔案系統中改寫程式碼。
4. 自動 Test：自動呼叫 Terminal 執行單元測試，若沒通過則自行重試修正。
5. Human Review & Commit：我們作為場长親自進行最後的 Code Review，確認無誤後，讓 agy 自動打包產出語意化的 Commit Message 並完成 Git Commit！

(至於更進一步連 PR 都自動發掉的全自動 MCP 串接，我們下一篇登場時再來說個痛快！)

靈魂核心：給 Reviewer Agent 寫好技能 SOP (Skill)

既然要讓 agy 自動完成改 Code 與 Review，靈魂就在於 .agy/skills/ 裡的規則寫得夠不夠精準。

如果給的 Skill 太籠統（例如只寫「請寫出好維護的 Code」），Agent 寫出來的程式碼可能跟路人隨手打的一樣爛。我們必須像訂立養豬 SOP 一樣，精確量化所有評判標準！

1. 軟體工程實戰：.agy/skills/code-review.md 檔範例

這是一份可以直接放在專案中供 agy 載入的 Skill Markdown 檔案範例：

---
name: code-review
description: 執行程式碼變更審查與品質卡關校對，包含 Lint、Typecheck 與單元測試覆蓋率檢驗。
---
# Code Review & Quality Gate SOP

每次完成程式碼修改後，請務必按照以下卡關順序進行自動審查與修正：

### 1. 語法與風格規範 (Linting)
- 執行 `npm run lint` 或 `npx eslint --fix .`
- **門檻**：必須 0 Error、0 Warning。禁止出現 `any` 型別、未使用的變數或未處理的 Promise。

### 2. 靜態型別安全 (Typechecking)
- 執行 `npx tsc --noEmit`
- **門檻**：型別檢查必須完全通過。所有 Component Props、API Function 回傳值與 Event Handlers 皆須具備明確 Type 定義。

### 3. 單元測試與覆蓋率 (Testing & Coverage)
- 執行 `npm run test -- --coverage`
- **門檻**：
  - 改動模組之單元測試必須全數通過 (100% Pass Rate)。
  - 改動區域的 Line Coverage 必須達到 **85% 以上**。

### 4. 效能與邊界檢查 (Performance & Edge Cases)
- 檢查非同步操作是否具備完整的 `Loading` 與 `Error` 邊界處理。
- 檢查 React Component 是否有不必要的全域 re-render 或未包覆的 expensive calculation。

2. 養豬場精密餵食：.agy/skills/pig-feeding-review.md 檔範例（對照組）

如果我們在智慧養豬場裡部署一個配糧 Reviewer Agent，Skill .md 就會長這樣：

---
name: pig-feeding-review
description: 審查智慧養豬場配糧與健康卡關機制，確保豬隻精準進食與環境衛生。
---

# Pig Feeding & Health Inspection SOP

當餵食傳送帶收到給料指令時，必須嚴格執行以下審查規則：

### 1. 精準量化配糧 (Smart Rationing)
- **嚴禁所有豬隻供給相同份量的飼料！**
- 必須先透過感測器讀取該豬隻體重 ($W$，單位：kg)。
- **配糧公式**：$	ext{ Feed } = W 	imes 0.03 	ext{ kg}$。過胖（體重 $> 150 	ext{ kg}$）者配糧係數調降至 $0.02$。

### 2. 環境衛生與水質巡檢 (Health & Sanitation)
- 檢測食槽沖洗水質 pH 值，必須維持在 `6.5 ~ 7.5` 之間。
- 讀取豬隻耳標體溫：若體溫超過 `39.5°C`，必須立即停止給料、啟動隔離槽並通報獸醫。

### 3. 出貨門檻卡關 (Production Gate)
- 體重未滿 `110 kg` 的成豬，嚴禁打包放入出貨卡車排程清單！

不論是養豬還是寫 Code，定義清晰且結構化的 Skill Markdown，就是讓 Agent 從「瞎猜亂寫」變成「頂級專家」的秘密武器！

養豬場 vs 軟體工程：自動化架構大對照

當你把規模拉大，你會發現智慧養豬場的自動化流程，跟現代軟體工程的 CI/CD 生產線根本是同構的：

• 以前：我要自己搬飼料餵豬，自己手動複製貼上與敲指令。
• 現在：餵食交給自動傳送帶，開發與測試交給 agy，我們專注在最後的品質審查！

「等等，我到底是在養豬，還是在養 AI？」

當你看到 agy 在 Terminal 裡自動吃下 Issue、自動改 Code、自動跑測試，最後幫你準備好漂亮的程式碼等你點頭 Commit 時，你坐在咖啡廳裡喝著 Latte，突然會有一種奇妙的錯覺：

「等等，我到底是在養豬，還是在養 AI？」

答案是：你是在養一套可以幫你養豬（寫 Code）的超級 AI 產線。

當你從「親自搬磚的工頭」變成「設計自動化產線的架構師」，AI 就不再是來取代你的威脅，而是你手下最忠誠、最有效率的萬隻豬軍團。

結語：擺脫手動重複，讓 agy 成為你的神隊友

學會用 agy CLI 搭配技能 SOP 實現流暢的半自動化開發，你已經跨過了 AI 雙刀流的關鍵門檻。手動切換視窗複製貼上的時代已經結束，自動化營運的時代才剛開始。

📝 本日實作作業：

嘗試在專案的 .agy/skills/ 目錄下建立一份屬於你團隊的 code-review.md，並在 Terminal 中讓 agy 載入它進行一次自動校對與測試，體驗精準 Skill 帶來的高品質輸出！

明天 Day 17，我們將再上一層樓：《實作第七課：給 AI 裝上真正的雙手！MCP (Model Context Protocol) 登場與全自動 PR 閉環》，我們明天見！