Google Antigravity IDE 教學 (三)：Agentic Workflows - 打造自動化團隊
發布日期：2026年1月
從「超級個體」到「夢幻團隊」
在上一章，我們學會了如何訓練 Agent 成為特定領域的專家 (Skill)。但如果我們要蓋房子，光有頂尖的木工是不夠的，我們需要的是藍圖與工頭。
這就是 Agentic Workflows 的核心概念：定義一套標準作業程序 (SOP)，指揮多位 AI 專家協同合作，從單兵作戰升級為團隊協作。
概念篇：專家 (Skill) vs. 經理 (Workflow)
在 Antigravity 的生態系中，我們應該這樣理解兩者的關係：
| 特性 | Agent Skill (技能) | Agent Workflow (流程) |
|---|---|---|
| 角色定位 | 領域專家 (The Specialist) | 專案經理 (The Manager) |
| 比喻 | 「資深資安工程師」(會看 Code 找漏洞) | 「年度資安稽核流程」(規定何時掃描、何時修補) |
| 用途 | 解決單點、困難的任務 | 串聯多個任務，確保順序與品質 |
實戰一：建立基本 Workflow
Workflows 存放於 .agent/workflows/ 資料夾中。讓我們來建立一個 PM
每天都要做的流程：用戶回饋分析
(Feedback Analysis)。
請使用同樣的方式 (終端機或右鍵) 建立檔案：.agent/workflows/analyze_feedback.md
---
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 / (斜線)，您會看到專案中所有可用的 Workflows 列表。選擇
analyze_feedback 即可立即執行。
比起用自然語言（例如：「幫我執行那個...」），使用 Slash Command 能確保機器的精確執行，這就是 Professional 的用法。
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 .mdAgent 會自動分析您的需求，並產生如下圖的完整工作流定義檔：
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)
專門讀取逐字稿或會議記錄，提取核心痛點與業務目標，產生結構化的
requirements.json。
讀取需求 JSON，自動產生包含背景、User Stories 以及
Acceptance Criteria 的專業 PRD.md。
解析 PRD，自動將 User Stories 切割為 Jira Ticket
格式的草稿 tickets.csv，方便整批匯入。
2. 定義 Workflow (workflow_auto_prd.md)
---
description: 將會議記錄轉換為 PRD 與開發 Tickets
---
1. 分析需求 (Analyze)
- 執行 `meeting_summarizer` 讀取 `raw_data/kickoff_meeting.txt`。
- 產出 `requirements.json`。
2. 撰寫規格 (Draft PRD)
- 執行 `prd_architect` 讀取 `requirements.json`。
- 產出 `PRD_v1.md` 包含完整 User Stories 格式。
3. 產生工單 (Generate Tickets)
- 執行 `ticket_creator` 讀取 `PRD_v1.md`。
- 產出工程師適用的 `jira_tickets.csv`。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，找出高潛力客戶並進行精準推銷 (Cold Outreach) 極度耗時。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 成為您的全天候超級業務助理。
1. 準備兩位專家 (Skills)
負責網路搜尋全台各級醫院的近期動態（如：新院區擴建、衛福部次世代 HIS 補助計畫申請、高層主管發言），過濾出近期有系統汰換或升級意願的醫院名單。
點擊展開 SKILL.md 源碼概念
---
name: lead_researcher
description: 搜尋台灣醫院 HIS 系統升級與轉置的高潛力商機。
---
# 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. 將高分醫院名單、院長/資訊室主任等關鍵人物整理為 `his_leads_scoring.csv`。針對高分醫院，分析其痛點（例如：舊系統維護成本高、資料不互通），並結合我方 HIS 系統的優勢，撰寫高度客製化的 Cold Email。
點擊展開 SKILL.md 源碼概念
---
name: email_personalizer
description: 根據醫院近況自動生成高度客製化的 HIS 系統推銷開發信。
---
# 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. 輸出至 `his_outreach_drafts.md`。2. 成果展示 (Synergy)
執行此 Workflow 後，BD 團隊只需打開
his_outreach_drafts.md，審閱這些精準切中醫院痛點的客製化信件並點擊發送，徹底改變了醫療軟體銷售開發的工作型態！