在先前的文章中，我們已經介紹過 Antigravity (Agy) 強大的互動工具與外掛機制：
既然我們已經熟悉了這些功能，這次我們就來玩點大的！這篇文章將帶大家把 ask_question 與 plugins 的強大能力，結合程式碼的版本控制，完整示範如何從零打造一款實用的 Agy Git Flow 協線指令外掛，方便日常使用。
在團隊或個人開發中，你是否也遇過這些痛點：開發時忘記切換分支就直接 Commit，或者是叫 AI Commit 但訊息格式五花八門（比如「更新」、「修 bug」、「update」混雜、加上奇怪的 emoji），或者跟本不知道什麼是 Git Flow，反正有 Commit 有交代
為了徹底解決這些問題，我和 Agy CLI 合作開發了 antigravity-git-flow——這是一個專為 Google Antigravity (Agy) 打造的擴充外掛。
今天這篇文章，除了介紹這款外掛的功能，還有這段開發旅程的經驗。如果你也想利用 Agy 打造專屬的 Git Flow 自動化工具，這篇文章將為你提供一份實用的架構指南。
🚀 這款外掛 (antigravity-git-flow) 到底在做什麼？
這款外掛將複雜的 Git 流程封裝成幾個簡單的「技能（Skills）」，讓 AI 助理來幫你代勞：
- 智慧初始化 (
init)：一鍵為全新專案搭建 Git Flow 標準的main與develop雙軌分支架構。 - 慣例式提交 (
commit)：不用再煩惱要寫什麼訊息！AI 會自動分析你的變更，依據慣例式提交規範產出結構化、全繁體中文的 Commit 訊息。如果變更太龐大，它甚至懂得自動幫你拆分成多個 Commit。 - 全自動導航 (
auto-next)：專為 Git 新手設計。AI 會自動分析專案當前狀態，並決定下一步最適合的操作（初始化、提交、推播或發布），主動引導你完成工作。 - 發布與整合 (
release,tag,github-pr)：從建立 Release 分支、自動打版號（Tag），到建立中英雙語的 GitHub Pull Request 與 Changelog，完整涵蓋從開發到上線的生命週期。
開發紀實：從 Git 歷史看專案演進
回顧專案的 Git 歷史紀錄，這個外掛並不是一蹴可幾，而是經過了幾次關鍵的演進：
1. 解決「貢獻者圖表」的痛點 (Author 身分問題)
為了統計程式碼是 AI 還是人類，我試過把 Git 的 Author 身分來標記為 Agy 的 GitHub 帳號。但這導致了一個嚴重的問題：開發者在 GitHub 上的綠色貢獻圖表（Contributions Graph）消失了！
為了解決這個問題，我在後續的更新中，改為在 Commit 訊息最下方加上 Co-authored-by: Google Antigravity <...> 標籤。這樣不僅保留了開發者的主作者身分，也完美標記了 AI 的協作貢獻。
2. 從「純文字提示」到「混合架構」
最初，我試圖用純粹的提示詞讓 AI 處理所有事情。但很快發現，面對複雜的 Diff 分析與版號計算（Semantic Versioning），純 Prompt 容易產生幻覺。因此，我們重構了架構，將複雜邏輯抽離到 scripts/ 資料夾下，透過 Node.js 腳本處理精確的分析，再交由 AI 產生自然語言描述。
3. 防呆機制與跨平台支援
透過歷史紀錄可以發現，我們加入了防敏機制與錯誤處理。例如：避免 AI 在 main 分支上直接 Commit，而是主動詢問使用者是否要建立 hotfix 或 feature 分支。同時，也優化了文件與腳本，確保在 Windows、macOS 與 Linux 跨平台環境下都能順利運行。
給開發者的實戰指南：如何打造你的 Git Flow 自動化工具？
如果你也想為自己的團隊打造類似的 Git Flow 自動化專案，以下是我總結的三大核心原則：
原則一：建立清晰的 SOP（標準作業流程）
AI 助理非常聰明，但也需要明確的指引。在你的 SKILL.md（技能設定檔）中，不要只是模糊地說「幫我處理 Git」，而是應該將繁瑣的指令拆解為人類可讀的步驟。
例如在 init 技能中，我們明確寫下：
- 執行
git status檢查狀態。 - 若無提交，建立
README.md並初始存檔。 - 將分支更名為
main，並切出develop。
原則二：善用互動設計（如 ask_question 工具）
永遠不要讓 AI 在沒有確認的情況下執行危險操作！
在我們的 commit 技能中，如果系統發現有「未曾追蹤過的新檔案」，它不會盲目地 git add -A，而是被強制要求呼叫 ask_question 工具，在終端機彈出互動選單詢問開發者：
「發現未追蹤的新檔案，請問要：1. 全部加入 2. 我要手動處理 3. 先不提交」
這種將「執行權」與「決策權」分離的設計，是讓自動化工具既聰明又安全的關鍵。
原則三：結合外部腳本處理複雜邏輯
如前所述，AI 擅長理解意圖與生成文字，但不擅長精準的數學計算或複雜的字串解析。
當你發現某個任務常常出錯時，請勇敢地把它寫成一個 Shell 或 Node.js 腳本（例如我們專案中的 scripts/analyze.js）。在你的技能說明中，只需教導 AI 去執行這個腳本並讀取輸出結果，這會讓你的外掛穩定性大幅提升。
沒有留言:
張貼留言