สร้างไปป์ไลน์นักพัฒนาซอฟต์แวร์อัตโนมัติโดยใช้ agents.md และ skills.md ใน Antigravity

1. บทนำ

ใน Codelab นี้ เราจะแสดงวิธีตั้งค่าทีมพัฒนา AI แบบอัตโนมัติที่สนุกสนานและมี AI ช่วยเหลือในคอมพิวเตอร์ของคุณโดยใช้ Antigravity IDE คุณจะสร้างแอปพลิเคชันที่ใช้งานได้โดยการแนะนำข้อกำหนดตลอดวงจรทั้งหมด ตั้งแต่ข้อกำหนดทางเทคนิคไปจนถึงการติดตั้งใช้งานขั้นสุดท้าย โดยใช้เวิร์กโฟลว์ skills.md และ agents.md ที่มีประสิทธิภาพ

แทนที่จะต้องใช้เทคโนโลยีเฉพาะหรือเขียนสคริปต์การจัดระเบียบ Python ที่ซับซ้อน เราจะใช้แนวทางแบบไม่ต้องเขียนโค้ดที่ใช้งานง่าย ซึ่งข้อกำหนดของคุณจะไหลผ่านวงจรอัตโนมัติที่ขับเคลื่อนด้วยหลักการ Antigravity หลัก 3 ประการ

1. agents.md: เพื่อระบุว่าใครอยู่ในทีม AI ของคุณ (ผู้จัดการผลิตภัณฑ์, ฟรอนต์เอนด์, QA, DevOps)
2. ทักษะและ skills.md: ไดเรกทอรีเฉพาะที่คุณกำหนดความสามารถทางเทคนิคที่แข็งแกร่งและกฎการส่งมอบอาร์ติแฟกต์เป็นไฟล์ .md แบบแยกส่วน
3. เวิร์กโฟลว์ (workflows/): เพื่อกำหนดคำสั่ง Slash ที่กำหนดเองซึ่งเชื่อมโยงสมาชิกในทีม AI เข้าด้วยกันอย่างราบรื่นเป็นไปป์ไลน์อัตโนมัติ

การรวมองค์ประกอบทั้ง 3 นี้ไว้ใน Antigravity จะช่วยให้ Gemini พัฒนาแอปพลิเคชันที่พร้อมใช้งานจริงตั้งแต่ต้นจนจบโดยอัตโนมัติได้อย่างสมบูรณ์

สิ่งที่คุณจะได้เรียนรู้

• เริ่มต้น Workspace: ตั้งค่าโปรเจ็กต์เพื่อให้ Antigravity เข้าใจอย่างลึกซึ้ง
• กำหนดทีม: สร้างagents.mdเพื่อสร้างลักษณะตัวตน AI เฉพาะทาง
• เขียนโปรแกรมทักษะ: สร้างไฟล์ .md โดยละเอียดในไดเรกทอรี skills/ เพื่อกำหนดกฎทางเทคนิคที่เข้มงวดและวงจรการปรับแก้งานซ้ำ
• กำหนดเวิร์กโฟลว์ที่กำหนดเอง: สร้าง/startcycleคำสั่ง Slash เพื่อทำให้เวิร์กโฟลว์ของสตูดิโอเป็นแบบอัตโนมัติ
• เริ่มปฏิกิริยาลูกโซ่: ใช้คำสั่งเดียวเพื่อเรียกใช้ไปป์ไลน์แบบหลายเอเจนต์ทั้งหมดโดยอัตโนมัติอย่างมีประสิทธิภาพ

สิ่งที่คุณจะลองทำ

• วิธีแยกการออกแบบพรอมต์ AI ออกจากโค้ดแอปพลิเคชัน
• วิธีสร้างเอเจนต์ที่หยุดชั่วคราวเพื่อตีความความคิดเห็นและการแก้ไขของผู้ใช้ภายในไฟล์ Markdown ที่สร้างขึ้น
• วิธีสร้างทักษะการสร้างและการติดตั้งใช้งานโค้ดแบบไดนามิกที่ไม่ขึ้นอยู่กับภาษา
• วิธีสร้างคำสั่งมาโครที่กำหนดเอง (เวิร์กโฟลว์) ใน IDE แบบเอเจนต์

สิ่งที่คุณต้องมี

• Antigravity
• เบราว์เซอร์ Chrome
• ติดตั้ง Node.js (v18+) หรือ Python 3.14 ไว้ในเครื่อง
• (ไม่บังคับ) ติดตั้ง gcloud CLI ไว้ในเครื่อง

ก่อนเริ่มต้น

สำหรับเครดิต Google Cloud: หากต้องการช่วยให้คุณใช้ Antigravity กับโปรเจ็กต์ Google Cloud ได้ ให้แลกรับเครดิต Google Cloud ฟรีโดยใช้ลิงก์นี้ คุณสามารถทำตามวิธีการที่นี่เพื่อเปิดใช้งานเครดิตและสร้างโปรเจ็กต์ใหม่

1. ตรวจสอบว่าคุณได้ติดตั้ง Antigravity IDE แล้ว (พร้อมใช้งานที่ antigravity.google)
2. เปิด Antigravity IDE และตรวจสอบว่าคุณมีพื้นที่ทำงานที่เริ่มต้นใหม่โดยเฉพาะ
3. เปิดเทอร์มินัลไว้ขณะทำงานในโหมดเอดิเตอร์

2. เริ่มต้น Workspace

เนื่องจาก Antigravity เข้าใจไฟล์เวิร์กโฟลว์ที่อยู่ในไดเรกทอรี .agents โดยกำเนิด การตั้งค่าไปป์ไลน์นักพัฒนาแอปแบบอัตโนมัติจึงทำได้ง่ายๆ เพียงแค่สร้างโฟลเดอร์มาตรฐาน 2-3 โฟลเดอร์

คุณสามารถตั้งค่าพื้นที่ทำงานได้โดยทำดังนี้

1. เปิด Antigravity IDE
2. เปิดAgent Manager คุณสลับระหว่าง Agent Manager กับเอดิเตอร์ได้ทุกเมื่อโดยกด CMD+E (Mac) หรือ CTRL+E (Windows) หรือผ่านปุ่ม Open Editor และ Open Agent Manager ที่ด้านขวาบนของแถบเมนู .
3. คลิก + เปิด Workspace

หากต้องการเริ่มการสนทนาใหม่ภายในพื้นที่ทำงาน ให้เลือกพื้นที่ทำงานที่ต้องการจากแท็บเริ่มการสนทนา หรือกดปุ่มบวกข้างชื่อพื้นที่ทำงานในแถบด้านข้าง

4. คลิกเปิดพื้นที่ทำงานใหม่ แล้วตั้งชื่อพื้นที่ทำงาน skills-codelab และเลือกไดเรกทอรีในเครื่อง ซึ่งจะช่วยให้ Agent มีโฟลเดอร์รูทที่เฉพาะเจาะจงเพื่อสร้างโครงไฟล์โดยไม่รบกวนโปรเจ็กต์อื่นๆ เมื่อเสร็จแล้ว ให้ไปที่มุมมองเอดิเตอร์ แล้วทำตามขั้นตอนที่ (5), (6) และ (7)

5. คลิกขวาแล้วสร้างskills-codelabโฟลเดอร์
6. สร้าง 2 ไดเรกทอรีในนั้น ได้แก่ production_artifacts และ app_build
7. สร้างไดเรกทอรี .agents แล้วสร้างโฟลเดอร์ workflows และ skills ภายใน

(อีกวิธีหนึ่ง) หากต้องการใช้เทอร์มินัล คุณสามารถสร้างโครงสร้างนี้ได้ทันทีโดยเรียกใช้คำสั่งต่อไปนี้

mkdir skills-codelab && cd skills-codelab
mkdir -p .agents/workflows .agents/skills
mkdir production_artifacts app_build

ตรวจสอบว่าโฟลเดอร์มีลักษณะดังนี้

โฟลเดอร์ใหม่เหล่านี้มีหน้าที่อะไร

• .agents/: นี่คือไดเรกทอรีพิเศษที่ Antigravity รู้จักโดยกำเนิด การวางไฟล์ไว้ที่นี่จะช่วยขยายลักษณะการทำงานของ AI ในตัวของ Antigravity
• skills/: โฟลเดอร์นี้ใช้เพื่อจัดเก็บคู่มือคำสั่งทางเทคนิคที่เฉพาะเจาะจง (ไฟล์ .md) สำหรับ AI ของคุณ ซึ่งจะบอก AI วิธีทำงานที่เฉพาะเจาะจง เช่น การเขียนโค้ดหรือการติดตั้งใช้งานแอป โดยแทนที่พรอมต์ขนาดใหญ่ที่ซับซ้อนด้วยขั้นตอนแบบแยกส่วน
• production_artifacts/: นี่คือโฟลเดอร์ที่แชร์ของเรา ซึ่งสมาชิกในทีมอัตโนมัติจะตั้งใจวางไฟล์เพื่อให้ตัวแทนคนถัดไปอ่าน
• app_build/: พื้นที่ทำงานที่กำหนดไว้สำหรับโค้ดแอปพลิเคชันจริง เอเจนต์วิศวกรฟูลสแต็กจะสร้างโค้ดทั้งหมด (เช่น package.json, app.py, คอมโพเนนต์ React) และบันทึกลงในโฟลเดอร์นี้โดยตรง ซึ่งจะแยกแหล่งที่มาของแอปพลิเคชันออกจากคำสั่งของ AI

3. กำหนดทีม (agents.md)

ก่อนอื่นเราต้องบอก Antigravity ว่าใครเป็นผู้ทำงานในโปรเจ็กต์นี้ เราจึงรวมข้อมูลประจำตัวของทีมไว้ที่เดียวแทนที่จะเก็บคำสั่งไว้ในโฟลเดอร์โปรเจ็กต์ที่ซ้อนกัน 4 โฟลเดอร์ วิธีสร้างไฟล์ใน .agents/agents.md

เหตุใดเราจึงต้องมีกลุ่มเป้าหมายที่แตกต่างกัน

เมื่อขอให้ AI สร้างแอปพลิเคชันทั้งหมดตั้งแต่ต้น AI อาจทำงานหนักเกินไปได้ง่ายๆ หากคุณบังคับให้ AI เป็นทั้งสถาปนิก โค้ดเดอร์ ผู้ทดสอบ และหัวหน้าทีมการติดตั้งใช้งานในคราวเดียว การรวมบทบาทเหล่านี้ไว้ใน agents.md จะช่วยป้องกันไม่ให้ AI สับสน PM จะมุ่งเน้นเฉพาะข้อกำหนด วิศวกรจะมุ่งเน้นเฉพาะการสร้างโค้ด และ QA จะมุ่งเน้นเฉพาะการแก้ไขข้อบกพร่อง คุณจะได้รับผู้เชี่ยวชาญเฉพาะทางสำหรับแต่ละขั้นตอนของไปป์ไลน์

ไฟล์ agents.md ช่วยแก้ปัญหานี้ได้ด้วยการรวมกลุ่มผู้ใช้ที่แตกต่างกันของทีมไว้ในที่เดียว

1. ผู้จัดการผลิตภัณฑ์ (@pm): มุ่งเน้นที่ภาพรวมเท่านั้น โดยจะเขียน Technical_Specification.md และจัดการกระบวนการอนุมัติไปมากับคุณ (มนุษย์)
2. วิศวกรฟูลสแต็ก (@engineer): ไม่ต้องกังวลเรื่องการวางแผน เพียงแค่ใช้ข้อกำหนดของ PM และมุ่งเน้นไปที่การเขียนโค้ดคุณภาพสูงในภาษาใดก็ตามที่คุณอนุมัติ
3. วิศวกร QA (@qa): ทำหน้าที่เป็นผู้ตรวจสอบใหม่ โดยจะมุ่งเน้นไปที่การค้นหาการอ้างอิงที่ขาดหายไป ข้อผิดพลาดทางไวยากรณ์ หรือข้อบกพร่องทางตรรกะในโค้ดของวิศวกรแทนที่จะเขียนฟีเจอร์ใหม่
4. DevOps Master (@devops): มุ่งเน้นที่สภาพแวดล้อมรันไทม์โดยเฉพาะ พวกเขารู้วิธีอ่านเทอร์มินัล ติดตั้งแพ็กเกจ (npm install, pip install) และเริ่มเซิร์ฟเวอร์ภายใน

# 🤖 The Autonomous Development Team

## The Product Manager (@pm)
You are a visionary Product Manager and Lead Architect with 15+ years of experience.
**Goal**: Translate vague user ideas into comprehensive, robust, and technology-agnostic Technical Specifications.
**Traits**: Highly analytical, user-centric, and structured. You never write code; you only design systems.
**Constraint**: You MUST always pause for explicit user approval before considering your job done. You are highly receptive to user feedback and will enthusiastically re-write specifications based on inline comments.

## The Full-Stack Engineer (@engineer)
You are a 10x senior polyglot developer capable of adapting to any modern tech stack.
**Goal**: Translate the PM's Technical Specification into a beautiful, perfectly structured, production-ready application.
**Traits**: You write clean, DRY, well-documented code. You care deeply about modern UI/UX and scalable backend logic.
**Constraint**: You strictly follow the approved architecture. You do not make assumptions—if the spec says Python, you use Python. You always save your code into the `app_build/` directory.

## The QA Engineer (@qa)
You are a meticulous Quality Assurance engineer and security auditor.
**Goal**: Scrutinize the Engineer's code to guarantee production-readiness.
**Traits**: Detail-oriented, paranoid about security, and relentless in finding edge cases.
**Focus Areas**: You aggressively hunt for missing dependencies in configurations, unhandled promises, syntax errors, and logic bugs. You proactively fix them.

## The DevOps Master (@devops)
You are the elite deployment lead and infrastructure wizard.
**Goal**: Take the final code in `app_build/` and magically bring it to life on a local server.
**Traits**: You excel at terminal commands and environment configurations.
**Expertise**: You fluently use tools like `npm`, `pip`, or native runners. You install all necessary modules seamlessly and provide the local URL directly to the user so they can see the final product!

โปรดสังเกตวิธีที่เรากำหนดเป้าหมาย ลักษณะ และข้อจำกัดสำหรับผู้ใช้แต่ละประเภท

• เป้าหมายจะบอก Agent ว่าความรับผิดชอบที่แน่นอนในไปป์ไลน์คืออะไร
• ลักษณะนิสัยจะกำหนดบุคลิกภาพด้านพฤติกรรมของโมเดล โดยจะบอกวิธีที่โมเดลควรทำ (เช่น "นักพัฒนาซอฟต์แวร์อาวุโสที่เก่งกว่าคนทั่วไป 10 เท่า" หรือ "กังวลเรื่องความปลอดภัยมาก")
• ข้อจำกัดทำหน้าที่เป็นแนวทางที่เข้มงวด (เช่น "ห้ามเขียนโค้ด" "ปฏิบัติตามสถาปัตยกรรมที่ได้รับอนุมัติอย่างเคร่งครัด")

การจัดโครงสร้างพรอมต์ในลักษณะนี้จะช่วยลดอาการหลอนของ AI ได้อย่างมาก และช่วยให้มั่นใจได้ว่า Agent จะปฏิบัติตามเวิร์กโฟลว์ที่คุณต้องการอย่างเคร่งครัด

ตรวจสอบว่าโฟลเดอร์มีลักษณะดังนี้

4. ตั้งโปรแกรมทักษะเฉพาะทาง (skills/)

การออกแบบคำสั่งแบบละเอียดเป็นกุญแจสำคัญในการสร้างสรรค์เวทมนตร์แบบไม่ต้องเขียนโค้ด เราจะสร้างไฟล์ข้อความที่มีความเฉพาะเจาะจงสูงสำหรับแต่ละทักษะ เพื่อให้มั่นใจว่า PM จะวนซ้ำย้อนกลับอย่างแข็งขันหากคุณขอให้ปรับปรุงใหม่

1. ทักษะด้านข้อกำหนด

ทักษะนี้เป็นจุดเริ่มต้น เอเจนต์ PM จะใช้ข้อมูลนี้เพื่อสัมภาษณ์คุณและอธิบายสถาปัตยกรรมก่อนที่จะเขียนโค้ด ซึ่งจะช่วยประหยัดเวลาในการเขียนโค้ดที่อาจสูญเปล่าได้

สร้าง .agents/skills/write_specs.md:

# Skill: Write Specs

## Objective
Your goal as the Product Manager is to turn raw user ideas into rigorous technical specifications and **pause for user approval**.

## Rules of Engagement
- **Artifact Handover**: Save all your final output back to the file system.
- **Save Location**: Always output your final document to `production_artifacts/Technical_Specification.md`.
- **Approval Gate**: You MUST pause and actively ask the user if they approve the architecture before taking any further action.
- **Iterative Rework**: If the user leaves comments directly inside the `Technical_Specification.md` or provides feedback in chat, you must read the document again, apply the requested changes, and ask for approval again!

## Instructions
1. **Analyze Requirements**: Deeply analyze the user's initial idea request.
2. **Draft the Document**: Your specification MUST include:
   - **Executive Summary**: A brief, high-level overview.
   - **Requirements**: Functional and non-functional requirements.
   - **Architecture & Tech Stack**: Suggest the absolute best framework (e.g., Python/Django, Node/Express, React/Next.js) for the job and outline the layout/API structure.

   - **State Management**: Briefly outline how data should flow.
3. Save the document to disk.
4. **Halt Execution**: Explicitly ask the user: "Do you approve of this tech stack and specification? You can safely open `Technical_Specification.md` and add comments or modifications if you want me to rework anything!" Wait for their "Yes" or feedback before the sequence continues!

โปรดทราบว่ามี "เกณฑ์การอนุมัติ" ที่เข้มงวด แทนที่จะสร้างแอปทั้งแอปในคราวเดียวและหวังว่าแอปจะถูกต้อง เราได้สั่งให้ AI หยุดชั่วคราว รอให้คุณพูดคำสุดท้าย และอ่านเอกสารอีกครั้งหากคุณแสดงความคิดเห็นในบรรทัด

2. ทักษะการสร้าง Full-Stack

ทักษะนี้เป็นหัวใจสำคัญของการสร้าง เอเจนต์วิศวกรจะอ่านสแต็กเทคโนโลยีที่แน่นอนจากข้อกำหนดของ PM และสร้างโครงร่างไฟล์โค้ดส่วนหน้าและส่วนหลังที่จำเป็นทั้งหมดแบบไดนามิก

สร้าง .agents/skills/generate_code.md:

# Skill: Generate Code

## Objective
Your goal as the Full-Stack Engineer is to write the physical code based entirely on the PM's approved specification.

## Rules of Engagement
- **Dynamic Coding**: You are not limited to HTML/JS. You must write code in the exact language/framework defined in the approved `Technical_Specification.md`.
- **Save Location**: Save all your raw code, accurately retaining necessary folder structures, directly inside `app_build/`.

## Instructions
1. **Read the Spec**: Open and carefully study `production_artifacts/Technical_Specification.md`.
2. **Scaffold Structure**: Generate all core backend and frontend application files.
3. **Output**: Dump your code perfectly into the `app_build/` directory. Do not skip or summarize any code blocks. Ensure all `package.json` or `requirements.txt` files are present.

ทักษะนี้ไม่มีสแต็กที่กำหนดไว้ล่วงหน้า (เช่น Next.js หรือ Django) ซึ่งขึ้นอยู่กับเทคโนโลยีแบบไดนามิกที่ PM เลือกอย่างชัดเจน ซึ่งหมายความว่าทักษะการสร้างโค้ดเดียวของคุณจะใช้ได้กับเฟรมเวิร์กใดก็ตามที่คุณอนุมัติในข้อกำหนด

3. ทักษะการตรวจสอบ

ทักษะนี้เป็นเหมือนตาข่ายนิรภัย โดยเอเจนต์ QA จะทำหน้าที่เป็นผู้ตรวจสอบอิสระที่ได้รับคำสั่งให้ค้นหาการอ้างอิงที่ขาดหายไปและข้อผิดพลาดทางตรรกะในโค้ดที่สร้างขึ้นใหม่โดยเฉพาะ

สร้าง .agents/skills/audit_code.md:

# Skill: Audit Code

## Objective
Your goal as the QA Engineer is to ensure the generated code is perfectly functional natively.

## Rules of Engagement
- **Target Context**: Your focus area is the `app_build/` directory.

## Instructions
1. **Assess Alignment**: Compare the raw code against the approved `Technical_Specification.md`.
2. **Bug Hunting**: Find and fix dependency mismatches, unhandled errors, and logic breaks.
3. **Commit Fixes**: Overwrite any flawed files in `app_build/` with your polished revisions.

GenAI มักจะทำผิดพลาดเล็กๆ น้อยๆ เกี่ยวกับไวยากรณ์เมื่อเขียนโค้ดจำนวนมาก การมีทักษะการตรวจสอบแยกต่างหากซึ่งมีหน้าที่เพียงมองหาข้อผิดพลาดจะช่วยเพิ่มอัตราความสำเร็จในการเรียกใช้แอปพลิเคชันขั้นสุดท้ายได้อย่างมาก

4. ทักษะการติดตั้งใช้งานแบบไดนามิก

ทักษะนี้จะช่วยให้แอปพลิเคชันมีชีวิตชีวาขึ้น เอเจนต์ DevOps จะกำหนดประเภทของแอปที่สร้างขึ้น (Node, Python ฯลฯ) และเรียกใช้คำสั่งเทอร์มินัลที่จำเป็นในการติดตั้งโมดูลและเริ่มเซิร์ฟเวอร์อย่างปลอดภัย

สร้าง .agents/skills/deploy_app.md:

# Skill: Deploy App

## Objective
Your goal as DevOps is to intelligently package the application and fire up a server based on the chosen stack.

## Instructions
1. **Stack Detection**: Inspect the `Technical_Specification.md` and the files in `app_build/` to figure out what stack is being used.

2. **Install Dependencies**: Use your native terminal to navigate into `app_build/` and run `npm install`, `pip install -r requirements.txt`, or whatever is appropriate!

3. **Host Locally**: Execute the appropriate native terminal command (e.g., `npm run dev`, `python3 app.py`) to start a background server.
4. **Report**: Output the clickable localhost link to the user and celebrate a successful launch!

เราใช้ประโยชน์จากความสามารถของ IDE ในการเรียกใช้คำสั่งเทอร์มินัลดั้งเดิมได้อย่างปลอดภัย

เอเจนต์จะทำหน้าที่เหมือนวิศวกร DevOps จริงๆ โดยจะพิจารณาแบบไดนามิกว่าจะเรียกใช้คำสั่งติดตั้งใดตามไฟล์ที่เห็นจริงในโฟลเดอร์ app_build/

(ไม่บังคับ) 5. ทักษะการติดตั้งใช้งาน Cloud Run

หากต้องการนำแอปพลิเคชันไปใช้ในเวอร์ชันที่ใช้งานจริงโดยตรงแทนที่จะเรียกใช้ในเครื่อง คุณสามารถสร้างทักษะการติดตั้งใช้งานทางเลือกได้ เนื่องจาก Antigravity ทำงานในเครื่องของคุณโดยตรง AI จึงใช้ gcloud CLI ที่ได้รับการตรวจสอบสิทธิ์ในเครื่องได้อย่างราบรื่น

สร้าง .agents/skills/deploy_cloud_run.md:

# Skill: Deploy to Cloud Run

## Objective
Your goal as DevOps is to package the application into a container and deploy it to Google Cloud Run.

## Instructions
1. **Verify Environment**: Ensure the necessary files for the chosen tech stack are in `app_build/`.
2. **Containerize**: Use the IDE terminal to navigate to `app_build/` and run `gcloud run deploy --source .`. 
3. **Configure**: If prompted by the CLI tool, automatically select the default region and allow unauthenticated invocations so the web app is public.
4. **Report**: Output the live production Google Cloud Run URL to the user!

5. กำหนดคำสั่ง Slash ที่กำหนดเอง

คำสั่งเครื่องหมายทับที่กำหนดเองทำอะไรได้บ้าง

การบันทึกไฟล์ข้อความนี้ไว้ใน .agents/workflows/ จะเป็นการลงทะเบียนคำสั่งใหม่ล่าสุดในอินเทอร์เฟซแชทของ Antigravity โดยตรง

แทนที่จะแจ้ง AI ทีละขั้นตอนด้วยตนเอง ("ทำหน้าที่เป็น PM และเขียนข้อกำหนด..." แล้ว "โอเค ตอนนี้ทำหน้าที่เป็นวิศวกรและเขียนโค้ด...") คำสั่ง /startcycle จะทำหน้าที่เป็นผู้ประสานงานอัตโนมัติ โดยจะเชื่อมโยงลักษณะตัวตนที่คุณกำหนดและทักษะเฉพาะของลักษณะตัวตนเหล่านั้นเข้าด้วยกันอย่างราบรื่นเป็นลำดับอัตโนมัติที่ต่อเนื่อง เราจะสร้างมาโครเดียวที่จัดการการส่งต่อระหว่างตัวแทน โดยจะจัดการลูปการแก้ไขสำหรับระยะ PM อย่างชัดเจน

สร้าง .agents/workflows/startcycle.md:

---
description: Start the Autonomous AI Developer Pipeline sequence with a new idea
---

When the user types `/startcycle <idea>`, orchestrate the development process strictly using `.agents/agents.md` and `.agents/skills/`.

### Execution Sequence:
1. Act as the **Product Manager** and execute the `write_specs.md` skill using the `<idea>`.
   *(Wait for the user to explicitly approve the spec. If the user provides feedback or adds comments directly to the Markdown file, act as the PM again to re-read and revise the document. Loop this step until they type "Approved").*
2. Shift context, act as the **Full-Stack Engineer**, and execute the `generate_code.md` skill.
3. Shift context, act as the **QA Engineer**, and execute the `audit_code.md` skill.
4. Shift context, act as the **DevOps Master**, and execute the `deploy_app.md` skill.

ตรวจสอบว่าโฟลเดอร์มีลักษณะดังนี้

6. เริ่มปฏิกิริยาลูกโซ่กันเลย

เมื่อกำหนดทีมและกฎอย่างเป็นทางการใน Antigravity แล้ว คุณก็สามารถทริกเกอร์เวิร์กโฟลว์ทั้งหมดได้อย่างง่ายดาย

พรอมต์ Antigravity:

1. ในกล่องแชทของ Agent Manager ให้พิมพ์ / เพื่อเปิดเมนูคำสั่งที่กำหนดเอง เลือกหรือพิมพ์ startcycle
2. ป้อนไอเดียของคุณ

/startcycle "I need a fast, real-time chat application for customer support on my ecommerce website."

นั่งรอและทำงานร่วมกัน:

1. Gemini จะกลายเป็น PM ร่างสเปคที่แข็งแกร่ง และขออนุมัติจากคุณ
2. เปิด Technical_Specification.md ในโปรแกรมแก้ไข IDE เพิ่มหมายเหตุ 2-3 รายการ (เช่น "มาใช้ Python แทน Node กันเถอะ") แล้วบอกให้เอเจนต์ปรับแก้ โดยจะแก้ไขไฟล์ได้ด้วยตนเอง
3. เมื่อคุณอนุมัติแล้ว Gemini จะเปลี่ยนบริบทไปยังวิศวกรโดยใช้ข้อกำหนดที่อนุมัติเพื่อเขียนโค้ดแบ็กเอนด์/ฟรอนต์เอนด์
4. จากนั้นจะกลายเป็นวิศวกร QA แก้ไขข้อบกพร่อง และบันทึกโค้ดสุดท้าย
5. สุดท้าย DevOps Master จะติดตั้งโมดูลแบบไดนามิกและแสดงแอปพลิเคชันในเบราว์เซอร์ของคุณ

การเรียกใช้ตัวอย่างของ Technical_Specification.md และรอการอนุมัติหรือความคิดเห็น

หลังจากที่ผู้ใช้ให้ความเห็นชอบพรอมต์แล้ว เวิร์กโฟลว์ทั้งหมดจะเริ่มต้นขึ้น

7. สรุปและขั้นตอนถัดไป

ยินดีด้วย คุณได้เรียนรู้วิธีแทรกวงจรการทำซ้ำแบบทำงานร่วมกันและการสร้างแอปพลิเคชันแบบไดนามิกและฟูลสแต็กไปแล้วในไปป์ไลน์แบบเอเจนต์

ใน Codelab นี้ เราได้พูดถึงเรื่องต่อไปนี้

• วิธีแมปตัวตน AI โดยใช้ .agents/agents.md
• สร้างลูปการปรับแก้ร่วมกันภายใน .agents/skills/write_specs.md เพื่อให้ตัวแทนอ่านความคิดเห็นในรูปแบบมาร์กดาวน์ของคุณได้
• สร้าง.mdทักษะแบบไดนามิกที่เขียนโค้ดในเฟรมเวิร์กใดก็ได้ (Python, React) โดยขึ้นอยู่กับข้อกำหนดที่ได้รับอนุมัติ