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

在前面兩篇，我們學習了如何從單打獨鬥，邁向靠 Subagent 手動派發專業小豬機器人的非同步分工模式。

但當你手邊的軟體專案逐漸演變成大型架構重構，或是遇到極度棘手的 Concurrency、演算法漏洞與跨模組大工程時，你很快會發現一個新問題：

「每次都要由我來決定要派哪隻 Subagent、怎麼拆分解任務、怎麼監控進度，我還是像個天天打卡調度的基層工頭啊！」

如果今天的 Subagent 已經會自己分工，那 AI 自動化的下一步會是什麼？

答案是：未來有一天，小豬機器人肯定可以做得比你老闆還要好。
從「人類手動分工」跨越到 「AI 開始幫我管理 AI」 的 Agent Team 未來範式！

一、AI 自動化的終極演化軸線

回顧我們一路探索的抽象層級演化，AI 輔助開發的進化路徑清晰可見：

[ Prompt ] ➔ 手動輸入指令，問一答一
    ↓
[ Agent ] ➔ 具備自主能力，幫你執行 Tool & Code
    ↓
[ Subagent ] ➔ 人類手動指派專業小豬機器人（人類管理分工）
    ↓
[ Multi-Agent / Boost ] ➔ AI 自己組建深度推理階層系統
    ↓
[ Agent Team / Teamwork ] ➔ AI 自主拆解大型專案、自動派工與整合驗證（AI 管理分工）

• Subagent 是我開始學會「分工」。
• Agent Team 則是 AI 開始學會「自我管理分工」！

二、進入 Antigravity 深度推理階層：/boost

當你遇到單一 Agent 思考容易陷入死胡同的複雜 Algorithm、併發死鎖（Deadlock）或大型重構時，Antigravity 推出的 /boost 模式開創了三層式的 Multi-Agent Reasoning Hierarchy（多 Agent 推理階層）：

                       [ Orchestrator (主導調度者) ]
                                    │
           ┌────────────────────────┴────────────────────────┐
           ↓                                                 ↓
[ DeepCoder / DeepInvestigator ]                  [ DeepCoder / DeepInvestigator ]
   (深度代碼與邏輯推理 Agent)                       (深度調查與架構分析 Agent)
           │                                                 │
           └────────────────────────┬────────────────────────┘
                                    ↓
                         [ Execution Workers ]
                        (背景平行執行與驗證工人)

/boost 的核心思維變革：

你不再需要費心指定「哪隻 Subagent 做什麼」，你只需要把最難的題目丟給系統：

「這題 Concurrency 排程很難，你自己組一個推理團隊來處理。」

/boost 會在數秒到數小時的互動中，自動調度 Orchestrator 進行任務解構、派發 DeepCoder/DeepInvestigator 做邏輯演繹，最後由 Execution Workers 進行測試與驗證。

三、大型專案自主協作：/teamwork-preview

如果說 /boost 是處理「高難度單點問題」的智囊團，那 /teamwork-preview 就是處理「大型長流程軟體工程」的完整團隊。

官方將 /teamwork-preview 定位為讓一組專門化的 Agent 自主協作大型 Software Project、Multi-file Refactoring 與 Complex Research 的未來機制。

人類提供：High-Level Goal (高階目標)
               │
               ▼
   [ /teamwork-preview 平台協調系統 ]
               │
   ┌───────────┼───────────┬───────────┐
   ↓           ↓           ↓           ↓
需求拆解    Milestone劃分  派發 Agent  平行實作
               │
               └───────► 獨立驗證 ───► 自動整合與回報

人類只需要給出一個 High-Level Goal（例如：「幫我把目前的 REST API 全面重構為 GraphQL 並且通過所有 E2E 測試」），剩下的 Milestone 拆解、 Agent 召喚、平行實作與獨立驗證，全部由 Agent Team 自行協調完成！

四、三代機制對比表：Subagent vs Boost vs Teamwork

五、AI 智慧豬場的架構進化圖

這兩週下來，我們建立的「AI 豬場」抽象層級已經高到了驚人的地步：

• AGENT.md / Rules ➔ 豬場基礎建設與規章
• Plugin / Sidecar ➔ 自動化設備 24 小時維運
• Subagent ➔ 招募專業助手平行幹活
• Boost / Teamwork ➔ 成立自主決策與管理團隊

結語：我到底還算不算在「寫程式」？

如果有一天，我只需要對著終端機說一句：

「幫我把這個產品做出來，並部署上線。」

然後 AI 自己決定找 Research Agent 搜競品、Developer Agent 寫 Code、Testing Agent 測 QA、Security Agent 掃漏洞，甚至自己成立 Team 自動開會排時程……

那我到底還算不算在「寫程式」？
還是……我其實已經正式轉職成豬場老闆了？ 🐷老闆

📝 本日實作作業：

思考一下，在你目前的軟體專案中，哪一個大型模組重構最適合用 /teamwork-preview 或 /boost 的思維交給 Agent Team 自行拆解？

今天介紹了需要課金的高級小豬機器人，明天 Day 25 我們來看看有沒有入門款的，我們明天見！