Google Antigravity IDE 教學 (三)：Agentic Workflows - 打造自動化團隊

概念篇：專家 (Skill) vs. 經理 (Workflow)

在 Antigravity 的生態系中，可以這樣理解 Skill、Rule 與 Workflow 的差異：

實戰一：建立基本 Workflow

依官方文件，建議從 Editor agent panel 上方的 Customizations 入口建立 Workflow：進入 Workflows panel 後，可選擇 + Global 建立全域 workflow，或選擇 + Workspace 建立只屬於目前 workspace 的 workflow。

以下示範一個 PM 常用流程：用戶回饋分析 (Feedback Analysis)。Workflow 會以 Markdown 儲存，內容包含 title、description 與一系列給 Agent 執行的步驟。官方文件也提到 workflow 單檔上限為 12,000 characters，因此大型流程應拆成多個 workflow 並互相呼叫。

---
title: Analyze Feedback
description: 自動分析用戶回饋 CSV 並產出洞察報告
---
1. 讀取回饋資料 (Read Feedback)
   - 讀取 `raw_data/feedback_export.csv`。
   
2. 分類與貼標 (Categorize)
   - 逐條分析回饋內容。
   - 標記為 [Bug], [Feature Request], 或 [UX Issue]。
   - 判斷情緒分數 (Sentiment Score)。

3. 總結洞察 (Summarize Insights)
   - 統計 Top 3 最頻繁出現的痛點。
   - 挑選 5 條最具代表性的使用者原音 (Quotes)。
   - 輸出報告至 `reports/weekly_insight.md`。

如何執行？ (The Slash Command)

存檔後，在 Agent 對話框中輸入 workflow slash command，例如 /analyze-feedback，Agent 會依 workflow 中的步驟順序執行。官方文件也說明，workflow 可以呼叫其他 workflow，例如在一個總流程中寫下「Call /workflow-2」。

如果您使用 slash command 選單，請以目前 App 介面列出的 workflow 名稱為準。

比起每次用自然語言重新描述，slash command 的好處是讓固定流程可重複、可審核、可交接。

Zero Code: 讓 Agent 幫你寫 Workflow

跟 Skill 一樣，您可以直接用自然語言請 Agent 幫您規劃工作流。

試著輸入：

幫我建立一個 deep_research workflow。
當我提出深入研究、搜尋等關鍵字時，自動幫我搜尋網路最新最權威資訊並提供前5個最佳結果。
接著產生素材 .md 檔案，最後根據素材分析摘要成 報告 .md

官方文件也支援由 Agent 產生 workflows。實務上，最好的時機通常是您已經和 Agent 手動跑過一輪流程，再請它根據對話歷史整理成可重複執行的 workflow。

當您實際執行這個 Deep Research Workflow 時，Agent 會自動進行聯網搜尋、整理素材，最後產出專業的分析報告（如下圖）：

經典案例一：產品經理的自動化 PRD 生產線 (Auto-PRD Pipeline)

對於 PM 而言，將冗長的會議紀錄或使用者訪談收斂成可開發的技術規格是一大痛點。我們能透過 Workflow 串聯多個 Agent，打造一條從「會議紀錄」直接產出「工程師 Ticket」的自動化生產線。

1. 準備三位專家 (Skills)

2. 定義 Workflow (/auto-prd)

---
title: Auto PRD Pipeline
description: 將會議記錄轉換為 PRD 與開發 Tickets
---
1. 分析需求 (Analyze)
   - 使用 meeting summarizer skill 讀取 `raw_data/kickoff_meeting.txt`。
   - 產出 `requirements.json`。

2. 撰寫規格 (Draft PRD)
   - 使用 PRD architect skill 讀取 `requirements.json`。
   - 產出 `PRD_v1.md` 包含完整 User Stories 格式。

3. 產生工單 (Generate Tickets)
   - 使用 ticket creator skill 讀取 `PRD_v1.md`。
   - 產出工程師適用的 `jira_tickets.csv`。

4. 審核與交付 (Review)
   - 產出摘要 artifact，列出新增檔案、假設、風險與需要 PM 確認的問題。

經典案例二：B2B 業務開發自動化管線 (Lead Generation Pipeline)

對於 BD (Business Development) 來說，找出高潛力客戶並準備初稿素材很耗時。以「尋找台灣醫院 HIS 系統轉置商機」為例，我們可以透過 Workflow，讓 Agent 先完成研究、整理與草稿產出，再由真人審核是否可以對外使用。

1. 準備兩位專家 (Skills)

---
description: 搜尋台灣醫院 HIS 系統升級與轉置的公開資訊，整理可能需要人工追蹤的商機線索。
---
# Instructions
1. 搜尋目標關鍵字相關的醫院最新動態 (如："次世代 HIS"、"醫院擴建"、"系統招標")。
2. 根據新聞發布時間與預算規模進行潛在客戶評分 (Lead Scoring)。
3. 僅使用公開資訊，避免臆測個人聯絡方式或處理非公開個資。
4. 將高分醫院名單、公開來源與追蹤理由整理為 `his_leads_scoring.csv`。

---
description: 根據公開醫院近況與使用者提供的產品資訊，生成需人工審核的 HIS 系統開發信草稿。
---
# Instructions
1. 讀取 `his_leads_scoring.csv` 中的高潛力醫院與聯絡人。
2. 針對每家醫院的「近期動態」或「痛點」，結合我方 HIS 雲端化與 FHIR 標準優勢，撰寫客製化 Email 草稿。
3. 不得自動寄送，不得捏造聯絡人或私人資訊。
4. 輸出至 `his_outreach_drafts.md`，並標示每封信依據的公開來源。

2. 成果展示 (Synergy)

執行此 Workflow 後，BD 團隊只需打開 his_outreach_drafts.md，審閱來源、語氣、合規性與是否適合對外寄送。這類 workflow 的價值不是替真人做最終決策，而是把重複研究與草稿整理流程標準化。