Antigravity 子代理人實戰：雲端資料庫同步憑什麼卡住你的開發節奏？

用 Antigravity 子代理人打造「後景無感」的雲端資料庫同步

為什麼一個資料庫同步，就能讓整個開發節奏停擺？因為它霸佔了你唯一的主線程——AI 代理人在等 I/O 回應，你也只能跟著等。Antigravity 的子代理人（Subagent）架構，把這類耗時工作交給獨立 Context、獨立執行緒的背景代理人，讓等待從你的工作流裡消失。

本文要解決的核心問題是：當 AI 代理人在等資料庫回應時，你的主工作流為什麼會卡住，以及如何用 Antigravity 的子代理人架構把這段等待「藏」起來。作法分三步——定義一個 isolation_level: background 的子代理人、餵給它固定的同步腳本（而非每次都用 LLM 重新推理）、再用事件機制只在「真的出事」時才打斷你。下面是完整的實作與原理拆解。

時間來到 2026 年，如果你還在盯著終端機的進度條發呆，看著資料庫遷移（Migration）或同步（Sync）跑完才能繼續寫下一行 Code，那你真的該更新一下開發軍火庫了。自從 Google Antigravity 成為日常開發的 Agentic IDE 主力後，「單一代理人」（Single Agent）的線性工作模式已經無法滿足資深工程師的需求。誰想要等 AI 寫完 SQL 才能繼續修前端的 Bug？

為什麼單一代理人會「卡住」你？

在 2024 年代，我們習慣用 VS Code 配合 Copilot，那時候我們是「駕駛」，AI 是「副駕駛」。但在 2026 年的 Antigravity 環境下，我們更像是「指揮官」。然而很多開發者犯了同一個錯誤：把所有任務都塞進同一個 Agent context。

這個錯誤之所以致命，是因為它同時踩中代理人架構的兩個瓶頸：

• Context Window 被稀釋。你叫 Agent 重構 WooCommerce 結帳邏輯，同時又要它同步大量訂單資料到測試區。兩件事的上下文互相干擾，模型的注意力被攤薄，推理品質與速度都下滑。
• 同步等待造成線程阻塞。資料庫 I/O 本質上是慢且不可預測的（網路延遲、鎖等待、大批次寫入）。當這個等待發生在你的主對話線程上，整個互動就被「凍結」，你連下一道指令都打不出去。

換句話說，問題不在 AI 不夠強，而在你把「需要你即時參與的思考工作」和「不需要你盯著的等待工作」綁在了同一條線程上。

Subagent 到底是什麼？

Subagents（子代理人）就是為了拆開這兩件事而存在的。它們是輕量級、任務導向的執行單元，擁有獨立的 Context Window 和執行緒。一個合理的職責劃分如下：

• Main Agent（指揮官）：負責與你對話，處理核心商業邏輯與程式碼架構。
• Sync Subagent（苦力）：專門負責資料庫 I/O，監聽地端變更並默默推送到雲端；出錯了自己重試，不用回報給指揮官（除非徹底失敗）。

關鍵心法：主代理人的 Context 是稀缺資源，要留給「需要推理的決策」；凡是可重複、可預期、會卡時間的雜務，都該下放給子代理人在背景吞掉。

實作場景：地端到雲端的無感同步

我們要實作的場景是：當你在本地開發環境（Localhost）對 WordPress 資料庫進行操作（例如匯入新的產品資料或修改了 Schema）時，一個背景運作的 Subagent 會自動偵測，並把這些變更同步到開發用的雲端資料庫（可能是 Neon Serverless 或 Supabase 2.0 這類服務），讓遠端協作的隊友也能即時看到變更。整個過程你完全感覺不到它在跑。

步驟一：定義 Subagent 的權限範圍（Manifest）

在 Antigravity 專案根目錄的 .gravity/agents.yaml 中，定義一個專門處理資料庫的子代理人。這裡的關鍵是 isolation_level，設為 background 讓 Agent 以「無頭」方式在背景運行；以及 trigger，決定它在什麼事件下被喚醒。

# .gravity/agents.yaml

agents:
  - id: "main_architect"
    role: "primary"
    capabilities: ["code_edit", "file_system", "terminal"]

  - id: "db_sync_worker"
    role: "subagent"
    isolation_level: "background" # 關鍵：背景執行，不佔用主對話視窗
    parent: "main_architect"
    trigger:
      - event: "file_change"
        pattern: "**/*.sql"
      - event: "database_mutation"
        connection: "local_mysql"
    capabilities: ["database_connect", "api_request"]
    memory_limit: "2GB" # 限制記憶體，避免吃掉開發機資源

這段設定告訴 Antigravity：只要本地資料庫有變動，或有 SQL 檔案被修改，就喚醒 db_sync_worker 這個子代理人。注意 parent 欄位——它建立了子代理人對主代理人的從屬關係，這是後面錯誤回報能找得到「該通知誰」的基礎。

步驟二：撰寫同步邏輯——讓 Subagent 執行固定腳本，而非每次重想

雖然 Subagent 是 AI，但我們不該讓它每次都「重新思考」怎麼同步——那樣既慢又容易在邊界情況出錯，還白白燒 Token。正確作法是餵給它一段「標準作業程序」（SOP），在 Antigravity 中稱為 Workflow Context，讓它去呼叫一支寫死的、行為可預期的腳本。

我們在 WordPress 外掛目錄中建立一支專用同步腳本。這裡用 PHP，因為它是專案的原生語言：

<?php
// wp-content/plugins/gravity-sync/sync-handler.php

namespace Gravity\Sync;

class CloudSync {
    protected $cloud_endpoint;
    protected $api_key;

    public function __construct() {
        // 2026 年我們通常從 Antigravity 的 Secure Vault 讀取憑證
        $this->cloud_endpoint = getenv('GRAVITY_CLOUD_DB_URL');
        $this->api_key = getenv('GRAVITY_SUBAGENT_TOKEN');
    }

    public function push_changes($table, $data) {
        // 將資料推送到雲端 API
        $response = wp_remote_post($this->cloud_endpoint . '/sync/' . $table, [
            'headers' => [
                'Authorization' => 'Bearer ' . $this->api_key,
                'Content-Type'  => 'application/json',
                'X-Agent-ID'    => 'db_sync_worker' // 標記是由子代理人執行的
            ],
            'body' => json_encode($data),
            'blocking' => true, // 對 Subagent 來說是阻塞，對使用者來說無感
            'timeout' => 30
        ]);

        if (is_wp_error($response)) {
            // 這裡不僅是紀錄 Log，還要觸發 Antigravity 的 Alert Event
            do_action('gravity_agent_alert', 'Sync failed: ' . $response->get_error_message());
            return false;
        }

        return true;
    }
}

這段程式碼看起來很普通？重點不在程式碼本身，而在誰去執行它、在哪條線程上執行。請特別看 'blocking' => true 這一行：HTTP 請求對發起它的行程而言是阻塞的（要等對方回應才往下走），這沒問題——因為發起它的是 db_sync_worker 這個背景行程，被阻塞的是它，不是你。

對照傳統作法：如果把這段掛在 WordPress 的 save_post hook 上，那麼每次你按「更新文章」，請求就會卡在你眼前的瀏覽器轉圈圈。把同樣的阻塞操作搬到獨立背景行程後，阻塞依然存在，但它對你「不可見」了——這就是「後景無感」的本質：不是消除等待，而是把等待移出你的視線。

步驟三：通訊協定——只在「真的出事」時才打斷你

最關鍵的設計來了：如果同步失敗了怎麼辦？我們不希望 Subagent 直接在 Terminal 噴錯，那會打斷寫 Code 的心流（Flow）。Antigravity 提供了 Agent RPC（Remote Procedure Call）機制來處理子代理人與主代理人之間的訊號傳遞。

原則是分級處理：

• 可自行處理的暫時性錯誤（網路抖動、逾時）：Subagent 自己重試，你完全不會知道。
• 無法自行解決的衝突（雲端資料庫被鎖定、Schema 嚴重不合）：才向 Main Agent 發送訊號，由它在 IDE 側邊欄優雅地彈出通知，把決策權交還給你。

// .gravity/workflows/error-handling.js

// 當子代理人發出 'sync_critical_error' 時觸發
antigravity.onEvent('sync_critical_error', async (payload) => {
    const decision = await antigravity.ui.askUser({
        title: "雲端同步衝突",
        message: `子代理人回報資料表 ${payload.table} 同步失敗。`,
        options: ["忽略", "強制覆蓋雲端", "查看 Diff"]
    });

    if (decision === "查看 Diff") {
        // 喚醒主代理人進行深度分析
        await antigravity.agents.get('main_architect').executeTask('analyze_db_diff', payload);
    } else if (decision === "強制覆蓋雲端") {
        // 指揮子代理人重試
        await antigravity.agents.get('db_sync_worker').executeTask('force_push', payload);
    }
});

這就是「主動性」與「干擾控制」的平衡：背景靜默到底、但出大事一定找得到你。注意這裡 force_push（強制覆蓋）是個破壞性決策，因此它被刻意設計成「需要人類明確點選」才會執行，而不是讓 Subagent 自作主張——這條界線在自動化系統裡非常重要。

進階技巧：用 Subagent 做資料「預熱」

除了同步，還有一個很實用的延伸用法：資料預熱（Data Warming）。當你在本地開發一個複雜的 WooCommerce 報表頁面時，可以先請 Subagent：「去幫我生成一批測試訂單，要符合常態分佈，每筆訂單間隔 5 分鐘。」

以前這需要寫 Seeders 然後跑半天。現在 Subagent 在背景默默產生 SQL Insert，而你可以繼續寫前端的 Vue.js 元件。等前端寫好、切到瀏覽器一看，測試資料已經在那裡等你了。這種「零等待」的開發體驗，習慣了就回不去。

它的本質和前面的同步是同一招：把「會佔時間但不需要你參與」的工作整批丟到背景，讓你的主線程永遠保持在做需要動腦的事。

資深工程師的三個忠告

引入 Subagents 雖然強大，但有幾個坑要小心：

1. 資源控管：雖然是背景執行，但 Subagent 開太多，你的開發機還是會發燙。記得在 YAML 檔中設定 concurrency_limit 與 memory_limit，替背景工作設一個資源天花板。
2. 資料競爭（Race Conditions）：確保同步邏輯有處理樂觀鎖（Optimistic Locking）。否則當背景 Agent 與你的手動操作同時修改同一筆資料時，後寫入的會無聲覆蓋先寫入的，造成資料遺失。樂觀鎖的作法是讓每筆資料帶一個版本號，寫入前先比對版本，版本不符就拒絕並重讀。
3. Token 成本：Subagent 也會消耗 API Token。重複性的簡單邏輯盡量寫成固定的 Shell Script 或 PHP 讓 Agent 呼叫，而不是讓 Agent 每次都用 LLM 現場生成邏輯——這既省錢，也讓行為更可預測、更容易除錯。

Antigravity 的強大不只在於它是一個 IDE，而在於它是一個數位團隊的指揮中心。善用 Subagent，你就不再是一個人在戰鬥，而是一個帶著一群專業工兵的架構師。

延伸閱讀

• Antigravity、Claude Code、Codex 三大 AI Coding Agent 完整比較
• 一個人抵一個團隊？Google Antigravity 多代理人（Multi-Agent）開發工作流實戰：從架構設計到自動部署
• AI 寫 Code 不只是自動補全！Antigravity『任務導向』開發實戰：讓 AI 幫你規劃、實作、驗證一條龍
• 告別資料庫垃圾山！利用 LLM 打造 CRM 自動化清洗流水線：從重複偵測到格式標準化的 AI 實戰