Gemini 4 Argon 官方开发者指南:长任务怎么交给 AI,结果怎么验收

从修复整站页面、理解录屏,到生成 3D 场景:Google 的这份指南把重点放在目标、工具和验证闭环,也带来了共享百万 token 窗口与长解码。

作者:Geneviève Huskens、Jack Wotherspoon / Google10-20 · 18 分钟⚑ 产品发布

Google 发布了 Gemini 4 Argon,把重点放在需要持续推进的复杂工作:读懂项目、调用工具、检查结果,再根据反馈修改,直到完成约定目标。它面向开发者和企业,适合跨文件重构、漏洞修补、多模态资料处理与 3D 应用等任务。

这份官方开发者指南给出了三类值得关注的用法:

  • 把一项工程任务持续推进到交付:让模型运行测试、阅读报错、修改多个文件,减少人逐轮发指令的负担。
  • 把多种资料转成可用成果:结合视频、PDF、表格与账目核对信息,制作看板、幻灯片或带修改记录的文档。
  • 完成需要反复试验的创作与仿真:编写 3D 场景、游戏和渲染程序,借助实际运行结果调整实现。

Google 同时开放了输入、思考与回答共用的百万 token 窗口,以及超过原有单次响应长度的长解码。更大的额度给复杂任务留出空间,真正让工作向前走的,还包括清楚的目标和可检查的反馈。

长任务先对齐目标,再建立验证循环

以“修好整个网站的布局和无障碍问题”为例,先约定完成标准:哪些页面要检查、哪些设备要覆盖、什么结果算通过,哪些操作要由人确认。还可以让 Argon 先提出澄清问题,讨论架构和里程碑,并确认它能访问代码、文档与所需工具。

这些准备决定了模型往哪里走。目标明确以后,可以让它连续执行计划,运行检查并根据结果修改;遇到不可逆操作,仍应暂停等人确认。

模型要知道一处修改有没有效果,需要真实反馈。编译器报错、测试失败记录、运行日志、浏览器截图与页面结构,都能让下一次修改有依据。Agent 是把模型接到工具上、让它根据结果继续行动的程序;普通聊天生成一段代码,并不意味着已经运行或验证了它。

没有现成检查脚本时,可以先让它编写一个:遍历网站页面,记录当前失败项,形成修改前的基线。再把失败项按共同根因归类,例如多个页面都受同一个公共导航组件影响,就先修这个组件,而不是逐页打补丁。

目标与边界 → 测出基线 → 按根因修改 → 重新检查;失败就继续定位,达标后交付。

每次修改都重新运行同一套检查,才能看出修复是否有效、有没有影响其他页面。脚本显示“零违规”只说明它能检查的项目通过了;真实页面的阅读、操作和视觉效果仍需查看。

实战资产:Web 应用无障碍与布局排查自动化基准 Prompt

在已经连接项目仓库、能启动网站并运行浏览器检查的 Antigravity 或其他 Agent 环境中,发送以下提示词。中英文任选一种;请将 src/routes/ 换成项目实际路由目录。普通聊天可以协助写脚本,但不会凭这段话自动取得你电脑上的项目。

英文原文

We want to fix accessibility and layout issues across our web app, but we don't have automated checks yet. First, write a headless Chrome script that crawls every route in src/routes/, inspects the live DOM and accessibility tree, and logs all violations to record our baseline score. Group the failing checks into shared root causes across our shared components, then fix them one cluster at a time. Re-run your script after each change to verify that each single fix resolves the entire cluster with zero regressions. Keep going until all routes pass with zero violations.

中文翻译

我们需要全面修复 Web 应用中的无障碍及布局问题,但目前项目尚未建立自动化检查体系。首先,请编写一个 Headless Chrome 自动化脚本,遍历爬取 src/routes/ 目录下的所有路由页面,审查实时运行的 DOM 和无障碍可访问性树(Accessibility Tree),并记录所有违规项以建立初始基线评分。接着,将失败检查项按照跨公共组件的根本原因进行归类聚类,随后以集群为单位逐一进行代码修复。每次完成局部修改后,重新执行你的基准脚本,验证该次修改是否彻底解决了该集群的问题且没有引入任何功能回退(Regression)。持续循环迭代,直到所有路由页面均以零违规通过检查。

参考图与录屏,也能成为任务说明

想让 AI 复现一种界面风格,给一两张具体参考图,比只写“高级、简洁”更容易对齐。也可以先让它把字体、配色和布局规则写进轻量的 DESIGN.md,让后续组件按同一套规则实现。

动画、交互和时序故障则适合用视频说明:录一段操作应用的画面,一边点击,一边说哪里不顺,同时保留相关日志。Argon 的视频 Agent 能力可以主动跳到相关时间点、检查高清帧,并把画面与声音中的线索对应起来。Google 还给出一个用法:提供 20 分钟用户测试录屏,让它找到用户卡住的位置,再修对应组件。

这样,视频参与的是定位过程。多模态资料也可以作为业务工作的原料:把长视频、PDF、表格、账本等放在同一任务中交叉核对,再整理成看板、幻灯片或文档修改稿。

1. 复杂业务流水到交互式数据呈现

在企业财务与运营场景中,杂乱的账本、发票扫描件、PDF 财报常常难以直观比对。指南中的 Finance Story 应用会接收过去一年的交易数据,再制作成动画与可视化。

Finance Story 交互式财务可视化演示界面
财务账目跨周期动态热力可视化。
Finance Story 的示例界面把交易按月份与星期排成热力图。画面中的 96 笔账目和 711,862 美元支出是演示账本数据。

2. 用户意向到全功能应用交付

除了静态分析,托管环境中的 Argon 能够在沙盒内完成从界面构思、玩法编写、自主试玩调试到最终交付的全套流程。

Pixel Arcade 像素街机生成器交互界面
像素街机游戏生成入口。
展示了 Pixel Arcade 的生成交互起始屏,使用者只需输入昵称与游戏意向,这个应用会让托管 Agent 构建并试玩游戏,再返回结果。

3. 把空间与光影写成可以运行的程序

图书馆视频展示了一条具体实现路径:Argon 编写约 5,500 行 Python/NumPy 代码,用光线追踪表现窗边日光、木材、玻璃和阴影。光线追踪会计算光线与场景物体怎样相遇,再形成画面中的明暗与反射。这个案例把数学实现变成了能观察的视觉结果。

纯 Python/NumPy 构建的光线追踪渲染。
画面展示了 Argon 编写的约 5,500 行原生 Python 光线追踪引擎,独立实现了程序化材质(Procedural Materials)、日光阴影(Daylight & Shadows)以及玻璃焦散(Glass Caustics)渲染,背景音轨则由多模态音乐模型 Lyria 3.5 协同生成。

让 Argon 定方向,让 Flash 并行执行

Google 团队给出了一种分工方式:Argon 负责拆任务、设计接口和审查结果;把范围清楚、可以独立推进的实现工作交给 Gemini 3.8 Flash 子代理。这样可以并行探索,同时把整体架构交给同一个主控把关。

分工逻辑

  1. 主控 Argon(设置 thinking_level="medium" 或 "high"):专注于大局。通读整个项目背景、理清架构设计、敲定模块边界与 API 规范,并在各子任务交付后进行严格的代码审查(Code Review);
  2. Flash 子代理(如 Gemini 3.8 Flash):并行打下手。负责全代码库快速关键词扫描、批量补写单元测试样板代码、迁移相互独立的小模块;
  3. 分别负责图像、语音和音乐的模型:如界面 UI 图像与像素精灵交给 Nano Banana,语音交给 Gemini 3.8 Flash TTS,音乐交给 Lyria。
单 Argon 与 Argon 加 Flash 子代理的同场景对照。
在火星漫游车着陆物理仿真任务中(需考虑降落伞撕裂阈值、推进器燃料、横向侧风与 18 度撞击坑坡度),左侧单 Argon 耗时 14 分 13 秒历经 6 次设计,花费 0.11 美元;右侧 Argon 统筹 Flash 子代理耗时 8 分 33 秒历经 26 次设计,花费 0.08 美元完成安全着陆。

视频只有 26 秒,压缩展示的是数分钟运行过程。这一次演示中,协作方案尝试了更多设计,用时和费用也更低;单个案例不能证明所有工程任务都会得到同样的收益。

任务结束后,留下可复用的经验和解释

在长时间自主编码或调试复杂的边缘问题时,模型不可避免会走弯路。项目代码库中常常隐藏着各种非显性的“暗坑”——例如某些私有构建参数、特定的代码规范偏好、已经废弃却未清理的内部工具库。

如果每次开启新会话都让模型从零摸索,会白白浪费大量 Token。可以在任务结束后,让 Argon 复盘本次会话全过程,把摸索出的教训提取出来,直接沉淀到代码库的 AGENTS.md 文件或团队 Skill 中。

实战资产:会话复盘与经验固化 Prompt

在复杂调试告一段落时,中英文任选一种发送给模型:

英文原文

Investigate our current session to see where things stalled or required extra steps, and analyze why. Propose updates to our AGENTS.md or custom skills so we can improve our flow and take a more direct path next time.

中文翻译

请深入审查我们当前会话的完整执行过程,定位在哪些步骤出现了停滞或耗费了多余的调试轮次,并分析具体原因。随后,请为我们项目根目录的 AGENTS.md 文件或自定义技能规范(Custom Skills)提出增量修改建议,以便我们在后续会话中规避这些陷阱,直接走通最高效的操作路径。

长任务改了几十个文件后,人也需要理解方案。可以要求 Argon 生成一张可交互的架构图、数据流图或逐步管线讲解,把改动怎样协作展示出来。它能帮助审阅者在合并前检查设计,也能让不熟悉渲染算法或数学逻辑的人看懂改动的作用;测试通过和解释清楚,分别承担验证与理解的任务。

百万 token 怎样分给材料、思考与回答

Argon 的统一窗口上限是 1,048,576 token,由输入、思考和回答共同使用。(token 是模型处理内容时使用的计量单位,并不等于一个字或一个单词)它允许一个难题使用更多推理与回答空间,也意味着输入材料越多,留给生成的余量越少。

例如,输入已经用了 800,000 token,思考和回答合计最多还剩 248,576 token。这个算术关系不会因为把输出参数设得更大而改变。

思考档位决定投入,额度上限决定何时停止

thinking_level 有三档:low 适合分类、路由与定向提取;默认 medium 面向多数编程和 Agent 工作;high 适合最难的跨文件排错、数学与科学推理。可以在自己的任务上比较三档,选达到质量要求的最低一档。

另一个参数 max_output_tokens 限制的是思考加回答的总量。假设把它设成 8,192,而模型把额度全部用于思考,最后可能没有可见回答。这是额度耗尽的可能情形,并不是 high 固定会消耗多少 token。

想降低推理投入,可以调低思考档位;把额度硬压得很小,则可能把尚未完成的回答截断。更高上限也只是允许模型多用一些,不能保证答案更好或一定写满。

一百万 token,怎样分给输入、思考和回答?

这是额度算术示例。思考用量由你假设,不是根据模型档位预测;给出的回答空间也是上限,不代表模型一定写满。

蓝:输入紫:假设思考绿:回答空间底色:未分配
窗口扣除输入后998,576token 可供思考与回答
本例中回答最多可用49,152token

max(0,min(65,536,1,048,576 − 50,000) − 16,384) = 49,152

额度同时覆盖思考与回答。thinking_level 调整推理投入,没有固定 token 换算表。

本例的额度未超过 64K,无需长解码。多轮 Agent 每轮都很短时,通常也不需要开启长解码。

长解码怎样接着生成

在 Interactions API 中,普通流式与非流式请求默认都以 65,536 token 为上限。需要超过它时,必须同时设置 background=True 和大于 65,536 的 max_output_tokens;只开启后台模式,默认仍停在 64K。

服务端会以每段最多 64K token 继续生成:第一段结束后,将原始输入与已经生成的内容交给下一段,直到模型结束或达到额度。每段都在同一个 interaction 中留下一个 model_output 步骤,取结果时需要把这些步骤的文本合并。

这里会出现一个容易误读的数字:total_input_tokens 是各段输入的累计值,不是当前窗口大小。官方示例中,1,000 token 输入生成 200,000 token 的思考与回答,分成四段;各段输入合计约 397,000 token,但窗口里实际只需容纳约 201,000 token。重复输入有隐式缓存优惠,仍应根据实际用量核对费用。

长解码解决的是某一次响应需要很长思考或输出的问题。Agent 如果每次调用工具只用很短一轮,通常不需要长解码;把每一轮都放大,反而会更快填满共享窗口。大多数普通任务也不必开启它,更不能把上限理解为模型能按要求稳定写出固定字数。

Interactions API 的方式由服务器负责续接;如果要自己管理每段重试与错误恢复,GenerateContent API 也提供客户端续接方式。

怎样开始使用,以及迁移时要改什么

不想写代码,可以在 Google AI Studio Playground 试提示词,或在 AI Studio Build 做应用。指南列出的使用路径包括 Google AI Ultra 订阅,以及 Gemini API 付费层;Ultra 用户也可以在 Google Antigravity 选择 Argon 进行复杂任务规划与执行。

要在自己的程序中调用,可以使用 Google 官方 google-genai SDK。下面示例用于说明接入方式,未在本次解读中执行付费 API 调用。

1. 前置准备与环境配置

首先安装官方最新 SDK:

pip install google-genai

在运行任何代码前,必须确保终端中已配置有效的付费 API 密钥(Gemini 4 Argon 为全功能付费模型,暂不提供免费配额层):

export GEMINI_API_KEY="your-paid-api-key-here"

2. 基础调用:单文件 Web Audio 鼓机与合成器生成

体验 Argon 的默认开发调用方式非常直接。以下官方示例使用默认 thinking_level="medium" 请求生成带 16 步进音序器与动态波形显示的独立音频 Web 应用:

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-argon",
    input=(
        "Build a single-file HTML drum machine and synth using the "
        "Web Audio API with a 16-step sequencer, tempo slider, and "
        "a live waveform visualizer."
    ),
    generation_config={
        "thinking_level": "medium"  # 可选: "low" | "medium" (默认) | "high"
    },
)

print(interaction.output_text)

把代码存成 try_argon.py,在配置好密钥的同一终端运行 python3 try_argon.py,终端会打印生成结果。检查返回内容,把其中完整 HTML 保存成 drum-machine.html,用浏览器打开后尝试音序器、速度滑块和波形显示。生成结果可能需要调试,应以实际运行效果验收。

不写调用代码,也可以发送鼓机提示词

中英文任选一种;在 AI Studio 打开已填入英文提示词的官方示例。

  • 英文原文:Build a single-file HTML drum machine and synth using the Web Audio API with a 16-step sequencer, tempo slider, and a live waveform visualizer.
  • 中文意译:使用 Web Audio API 构建一个单文件 HTML 鼓机与合成器,包含 16 步进音序器、节拍速度滑块以及实时音频波形可视化画布。
进阶:长解码后台任务完整代码与状态处理

长解码后台任务模式(跨越 64K 生成边界)

对于需要超长推导或生成完整大型源码库的任务,必须显式开启 background=True,并赋予充足的 max_output_tokens。下面代码由开发者每隔 5 秒查询状态,再拼接各段 model_output。后台方式要求保存交互(store=True);示例中的证明请求来自官方文档,生成文本仍需要数学核验。

import time
from google import genai

client = genai.Client()

# 发起长解码后台任务
interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Write a complete, rigorous proof of the prime number theorem.",
    background=True,
    store=True,
    generation_config={
        "max_output_tokens": 262144,  # 提升硬顶,防止思考吃满正文
        "thinking_level": "high",      # 极高难度任务开启高思考
    },
)

# 轮询等待后台分段 Hop 生成完成
while interaction.status in ("in_progress", "queued"):
    time.sleep(5)
    interaction = client.interactions.get(id=interaction.id)

# 退出等待后检查状态;completed 表示生成结束,不代表内容已核验。
if interaction.status != "completed":
    raise RuntimeError(f"Interaction ended with {interaction.status}: inspect status and usage")

# 合并各段 model_output 文本
text = "".join(
    content.text
    for step in interaction.steps
    if step.type == "model_output"
    for content in step.content
    if content.type == "text"
)

print(text)
print("最终交互状态:", interaction.status)
print("实际计费使用统计:", interaction.usage)

completed 表示这次生成已结束;requires_action 表示需要执行工具并回传结果;incomplete 可能是额度用完;failed 与 cancelled 需分别处理。退出等待循环不能直接当成成功。多轮对话或工具调用可通过 previous_interaction_id 续接已有交互。

进阶:让托管 Agent 搜索、运行代码并验证

接入托管沙盒 Agent(Managed Agents)

如果你希望直接借助 Google 托管的基础设施让 Argon 自主调用网络搜索、运行代码并生成审查报告,可以调用托管 Antigravity Agent。它提供运行沙箱与工具调度环境,支持搜索、写代码、验证以及调用 MCP 工具。MCP 是让 Agent 接入外部工具的一种接口方式。下面示例要求它检查网站表现并整理优先修复项:

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-09-2026",
    agent_config={
        "type": "antigravity",
        "model": "gemini-4-argon",
    },
    input=(
        "Audit https://web.dev for performance, Core Web Vitals, and SEO. "
        "Query Google's PageSpeed Insights API for both Mobile and Desktop strategies. "
        "Check search indexing with Google Search for site:web.dev. "
        "Format the output as a side-by-side scorecard table with prioritized fixes."
    ),
    environment="remote",
)

print(interaction.output_text)

从旧模型迁移时的关键改动清单

如果你正准备把现有的 Gemini 项目切换到 gemini-4-argon,要检查参数兼容性和运行设置:

  1. 废弃 thinking_budget:改为使用显式的 thinking_level("low" | "medium" | "high");
  2. 彻底移除采样参数:temperature、top_p、top_k 在 Argon 中已不再生效,强行传入会收到废弃警告;
  3. 下线显式缓存管理:不要再调用 cachedContents 或 caches.create。Argon 对至少 4,096 token 的提示词默认启用隐式缓存,只有命中的输入部分享受 95% 折扣;
  4. 拉长客户端网络超时:深度推理或长解码单次任务可能持续运行数分钟,务必开启 background=True,或将 HTTP 客户端超时时间至少设置为 15 至 20 分钟。

价格怎样算,长时间运行要留意什么

Gemini 4 Argon 不提供 Gemini API 免费层。官方列出了促销价与之后恢复的常规价,截止与生效安排见页末来源说明及官方实时定价。

计费项 (每 1M Tokens) 当前促销价 之后常规价 关键适用条件与计费说明
常规输入 (Input) $2.00 $4.00 包含提示词、上传的多模态媒体及历史会话上下文
缓存输入 (Cached Input) $0.10 $0.20 命中部分减免 95%。要求单次输入达到 4,096 Tokens 阈值且命中隐式缓存
输出与思考 (Output & Thinking) $10.00 $20.00 按输出费率计费。模型在后台展开的深度思考(Thought Tokens)与最终正文按统一费率结算

必须看清的成本底线

  1. 思考过程也付费:假设模型为一个棘手问题使用了 10 万个思考 token,这 10 万个 Token 与最终回答中的 token 按同一输出费率收费。因此,面对简单工作,切忌随意将 thinking_level 拉到 high;
  2. 分段续接会重复读取输入:各段输入累计会拉高 total_input_tokens,重复读取的部分有 95% 的隐式缓存折扣。核对成本时要区分输入、缓存命中输入、思考和回答。

后台任务即使失败或取消,已经执行的部分仍会计费。结束后应查看 usage,而不是只看有没有得到最终正文。

实操带走包

滚动查看原始 Markdown,复制后可按团队实际系统与政策修改。

Markdown · 会员
正在载入 Markdown…
来源
Gemini 4 Argon: Developer GuideGeneviève Huskens、Jack Wotherspoon / Google·2026-10-13·查看主材料
本站说明
指南发布于2026-10-13;本次核对时间为2026-10-20。官方促销价截至2026-11-30,2026-12-01起恢复文中常规价;使用前请核对官方实时定价。原文作者头像及品牌标志不纳入正文,其余两张应用截图和两段视频均保留。