前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片NEW
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 业务场景题真实业务问题与追问
  • 查漏补缺常见问题解析
  • AI 模拟面试NEW模拟真实面试 + 报告
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
    • AI 定制路线NEW按你的简历现排
    • AI 知识地图NEW串起全站知识点
  • 动态
    • AI 热点NEWAI 每日动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
AI 助手NEW
旧版
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片NEW
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 业务场景题真实业务问题与追问
  • 查漏补缺常见问题解析
  • AI 模拟面试NEW模拟真实面试 + 报告
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
    • AI 定制路线NEW按你的简历现排
    • AI 知识地图NEW串起全站知识点
  • 动态
    • AI 热点NEWAI 每日动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
AI 助手NEW
旧版
返回 AI 情报前线
All News · 全部资讯8634
  • Claude Code 实测:96.8% token 用于重读聊天历史
  • 别造仪表板,造造仪表板的能力
  • CISO 面临 AI 安全新挑战
  • 企业数据平台从以人为中心向 AI 转变
  • 15 款免费 AI 模型实测对比
  • AI 定价引擎如何应对噪声数据:6 层防护架构
  • Gemini Flash:速度与上下文的实战对比
  • ChatGPT 输出事实核查的可复用 Prompt
  • Claude Code 自身循环问题:系统在处理自己的输出
  • AI 芯片军备竞争如何推高整体基础设施成本
  • DeepMind:语言模型难以创新,世界模型更有潜力
  • Superpowers:Agent 开发的完整方法论框架
  • OpenCodeReview:支持多 LLM 的混合架构代码审查
  • OpenWork:开源 AI 工作流分享应用
  • 微软 VibeVoice:压缩至 1.5GB 的实时语音识别引擎
  • Agent2Agent 协议周年:自主 Agent 安全协作框架
  • Jules:AI 编码 Agent 的度量框架
  • ADK Go 2.0:图基工作流引擎与多 Agent 编排
  • MaxText 弹性训练:秒级故障恢复
  • Gemini 企业版新增并行网络搜索 Grounding
  • Conductor 演进:自然对话式的 Spec 驱动开发
  • A2A 协议实战:Python 与 Go Agent 跨语言协作
  • Genkit 新增 Agents API:简化对话 AI 开发
  • LiteRT.js:Google 浏览器端 AI 推理运行时
  • Tunix:解决 TPU 闲置的高吞吐量 Agent 训练库
  • Ray 在 TPU 上的分布式 AI 工作流优化
  • Agent 资源发现规范:工具/技能/Agent 查询标准
  • A2UI + MCP:声明式 UI 与自定义 Agent UI 架构对比
  • 编码 Agent 质量飞轮:自动化评估五阶段流程
  • 千问 3.5 MoE 在 TPU 上的系统优化实战
  • 模块化 Prompt 转译:让系统指令可复用可验证
  • 微软弃追超大模型,转向廉价专用模型
  • MCP 服务发现注册表的安全保证
  • 理解 LLM 无状态性与 Agent 内存设计
  • Agent 内存系统的隐形 bug:时间漂移
  • 视觉 Agent 的可复现测试:宝可梦游戏案例
  • LangChain 初阶教程:内存与中间件
  • 5 大协议主导 Agent 商务交互
  • 何时需要给 Agent 设置权限边界
  • Microsoft 365 Copilot 破 3000 万付费座位
  • 美国 FCC 禁止进口中国机器人和逆变器
  • OpenJDK 发布生成式 AI 使用临时政策指南
  • Grafana 开源 Go LLM SDK,支持流式与工具调用
  • GCC 编译器社区发布生成式 AI 使用政策
  • 本体论复兴:如何让 AI Agent 行为可控
  • 监管以儿童保护名义施压开源 AI 项目
  • LLM 根本缺陷:为何完全安全防护不可能
  • 腾讯开源 AngelSpec:LLM 推理加速框架
  • OpenAI发布GPT-5.6,性价比大幅提升
  • Agent-Manager:统一管理多个 AI 编程助手的终端工具
  • OpenAI 争议声明 GPT-5.6 超越 Opus
  • 已加载 51 / 8634
7.0
热点
AI SCORE
编程提效2026-07-30 21:18

Conductor 演进:自然对话式的 Spec 驱动开发

Google Developers Blog#工作流#Spec驱动#多平台
Editor brief · 编辑速览

Conductor 从 Gemini 扩展进化为便携式插件,支持 Claude 等多个编辑器的自然语言驱动开发。工作流更灵活,支持更多 AI 平台。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

去年,我们推出了 Conductor,将 Spec-Driven Development(规格驱动开发)直接带到终端。Conductor 把项目认知从转瞬即逝的聊天记录转移到持久化、纳入版本控制的 Markdown 文件中,帮助全球开发者在动手构建之前完成架构规划。

今天,我们很高兴地宣布这一旅程进入下一个阶段:Conductor 正在从 Gemini CLI 扩展演进为 Conductor Plugin。Plugin 可以在一个软件包中包含 skills、rules、MCP servers 和 hooks。将 Conductor 转型为 Plugin,既能带来更加流畅、自然的对话体验,又不会牺牲 Spec-Driven Development(SDD)在流程上的严谨性。这也意味着 Conductor 能够兼容 Antigravity CLI 等工具。

通过自然对话推动 SDD

通过将 Conductor 转型为 Plugin,我们消除了严格命令顺序带来的使用阻力。现在,Conductor 会以对话方式与你协作:在你讨论功能需求的过程中,自然而然地动态生成上下文、spec 和计划。你仍然可以享受持久化 Markdown 产物带来的好处——你的 spec.md 和 plan.md 都会保留下来——但创建和迭代这些文件的过程,如今就像与 AI assistant 聊天一样简单。它能够智能判断何时更新上下文,或在计划中勾选已经完成的任务,让你专注于架构,而 AI 则在后台管理项目状态。

面向 Antigravity CLI 及更多工具的 Conductor

将 Conductor 转型为 Plugin 的一项优势,是打破原有工作流的限制,使其能够支持多种工具。此前,Conductor 一直以扩展的形式专用于 Gemini CLI。成为 Plugin 之后,Conductor 如今变成了一项可移植、覆盖整个生态系统的能力。

无论你选择哪种工具,AI agent 都能理解描述项目架构、规范和目标的基础文档。共享配置和持续进行的开发轨迹可以无缝延续,这意味着,在一种工具中启动的 AI 辅助工作流,可以在另一种工具中继续推进,不会丢失任何上下文。

这对你的团队意味着什么

向后兼容:新的 Conductor Plugin 明确兼容旧版 Conductor 命令,以及现有的计划和 spec。

自然交互:减少记忆命令所花费的时间,把更多精力投入到实现策略的讨论中。

可移植性:无论当前任务更适合 Antigravity CLI、Claude 还是其他工具,都可以在相应工具中使用 Conductor。

保留上下文:继续兑现 Spec-Driven Development 的核心承诺。你的代码仓库仍然是唯一事实来源,但现在,与这些事实进行交互的方式直观得多。

提高任务完成率:在 TerminalBench 最复杂的任务子集上,与未使用 SDD 的用户相比,Conductor Plugin 取得了更高的成功率。

Conductor 的使命始终是帮助开发者以安全、可预测且符合良好架构原则的方式开展 AI 开发。通过演进为对话式 Plugin,我们让这项能力更易于使用,也更能适应你独特的工作流。我们迫不及待想看到你接下来构建出的成果。想进一步了解?欢迎通过我们的动手实践 Codelab,亲自体验 Conductor Plugin 的各项功能。

准备开始构建了吗?立即安装并开始使用 Conductor Plugin,或者运行以下命令,将其与 Antigravity CLI 集成:

agy plugins install https://github.com/gemini-cli-extensions/conductor

Original source

本文由 AI 翻译整理自 Google Developers Blog,原文版权归原作者所有。

阅读英文原文
上一篇
Gemini 企业版新增并行网络搜索 Grounding
下一篇
A2A 协议实战:Python 与 Go Agent 跨语言协作