Antigravity vs Codex：Agent 优先 IDE vs 云端编码代理

Google Antigravity 和 OpenAI Codex 都是为软件开发者设计的，也都使用自主 AI 代理来执行编码任务。但它们对工作应该发生在何处、以及如何发生，起点完全相反。

Antigravity 是一个完整的开发者 IDE：代理驻留在你的编辑器中，与你实时协作，在前端、后端、测试和 DevOps 之间并行编排工作流，还能自动化浏览器来验证它们构建的内容。Codex 则是一个云端编码代理：你通过 ChatGPT 委派离散任务，它们在与 GitHub 连接的沙盒环境中异步运行，然后你回来查看 diff 和 PR。

这两种方式都很强大。理解哪一个适合你的工作流，以及各自的局限在哪里，正是本指南的目的。

什么是 Google Antigravity？

Google Antigravity 是一个于 2025 年 11 月随 Gemini 3 一起发布的 agent-first IDE。它基于 Electron/Chromium 分支构建自 VS Code，将代码编辑器从文本工具转变为一个实时编排环境，让多个专门的 AI 代理能够并行规划、构建、测试和验证软件。^[1][2]

主要功能：

• Manager View — 一个可视化任务指挥面板（随 2026 年 3 月的 AgentKit 2.0 发布），可同时编排横跨前端、后端、测试和 DevOps 类别的 16 个专门代理^[2][3]
• Editor View — 标准 IDE 体验，带有代理侧边栏，可用于行内辅助、代码补全和重构^[1]
• 内置 Chromium 浏览器 — 代理可与 Web UI 交互、捕获截图，并通过 Chrome DevTools Protocol（CDP）验证正在运行的应用，无需离开 IDE^[4]
• 多模型代理分配 — 可在单个会话中为不同代理分配不同模型：Gemini 3 Pro、Gemini Flash、Claude Opus 4.6、Claude Sonnet 4.6 或 GPT 变体^[5]
• MCP 和 n8n 集成 — 原生支持 Model Context Protocol，并可通过 n8n 实现工作流自动化，连接外部系统^[1]
• .agent/ skills 文件夹和 GEMINI.md — 项目级配置，用于代理规则、技能和工作流^[1]
• VS Code 扩展生态 — 完整兼容 Open VSX 注册表，可使用数千个现有扩展^[1]
• 平台 — Windows、macOS、Linux（x86_64 和 aarch64）^[1]

Antigravity 的定价基于配额，绑定 Google AI/One 订阅计划，使用 Prompt Credits 和 Flow Credits。配额消耗是社区关注的一个重要问题，已有第三方工具专门用于监控和管理它。^[6]

什么是 OpenAI Codex？

OpenAI Codex（2025 版本——与 2021 年的 API 模型不同）是一个基于云端、异步的 AI 编码代理，于 2025 年 5 月发布。它不是 IDE，也不是桌面应用。它运行在 ChatGPT 中，并在与你的 GitHub 仓库相连的隔离云沙盒里执行任务。^[7][8]

主要功能：

• GitHub 原生工作流 — Codex 将你的仓库克隆到沙盒环境中，在其中工作，并提供 diff 或 pull request 供你审阅^[8][9]
• 异步任务执行 — 你分配任务后回来查看结果，而不是逐轮交互；多个任务可以在不同沙盒中并行运行^[7][8]
• 完整的沙盒终端 — 容器内提供 shell 访问，可运行测试、lint 工具、构建工具和包安装^[8]
• PR 自动化 — 自动打开 pull request、编写提交信息并生成 changelog^[9]
• Codex-1 模型 — 针对软件工程任务微调的 o3 推理模型变体，通过真实编码环境中的强化学习进行优化^[7]
• 安全优先的沙盒 — 默认限制网络访问；代理不能随意发起外部 HTTP 请求，从而降低供应链风险^[8]
• 无需本地客户端 — 完全通过 ChatGPT 网页界面访问；无需安装或配置 IDE^[7]
• 平台 — 基于 Web；可在任何带浏览器的设备上运行^[7]

Codex 包含在 ChatGPT Plus（$20/月）、Pro（$200/月）、Team 和 Enterprise 方案中。更高订阅层级可获得更多任务配额和优先执行。^[7][9]

Antigravity vs Codex：逐项功能对比

架构：实时 IDE vs. 异步云端沙盒

这是两个平台之间最根本的分界线，也决定了各自擅长哪些工作流。

Antigravity：将 IDE 变成任务指挥中心

Antigravity 的架构把代码编辑器视为开发者的主要工作界面。它不是把开发者带到一个新工具里，而是把代理直接带进 IDE 本身。

Manager View 将传统的单文件编辑器转变为一个多代理编排面板。你可以让一个前端代理搭建 React 组件，一个测试代理为刚刚新增的函数编写 Jest 规范，一个后端代理实现对应的 API 端点，以及一个 DevOps 代理更新部署流水线——所有这些都可以在同一个 IDE 会话中同时运行，并且每个都有可视化状态。^[2][3]

内置 Chromium 环境让浏览器自动化成为一等公民能力。一个刚刚编写完功能的代理可以在嵌入式浏览器中打开正在运行的应用，与之交互，捕获视觉产物，并在你切换窗口之前就把回归问题反馈回 IDE。^[4]

多模型路由让你可以按任务控制成本与能力之间的权衡。Gemini Flash 负责快速、低成本的辅助性工作；Gemini 3 Pro 或 Claude Opus 4.6 负责复杂的规划和架构决策——在代理级别进行优化，而无需更改全局模型设置。^[5]

Codex：委派到云端沙盒的异步执行

Codex 的架构基于不同的前提：大多数单个编码任务——修复 bug、实现功能、生成测试、编写文档——都是离散且可并行化的。它们不需要开发者盯着代理工作。更高效的模式是委派：交出去，去做别的事，然后回来查看 PR。

每个 Codex 任务都在一个隔离的容器化 Linux 环境中运行，并拥有你仓库的独立副本。代理读取文件、编写代码、运行测试套件，并不断迭代，直到任务完成或陷入停滞。随后它会提供结构化 diff 和 pull request，供人工在合并前审阅。^[7][8][9]

异步模式实现了真正的并行：开发者可以同时启动五个独立的 Codex 任务——修这个 bug、加这个功能、为这个模块写测试、重构那个函数、更新文档——等它们回来后统一审阅，而不是逐个盯着它们执行。^[8]

代价是交互性。Codex 不能在任务进行中以自然方式追问澄清。它也不能把一个部分完成的功能展示给你并请求方向。再加上这个沙盒环境默认限制网络访问，因此它无法浏览网页、与运行中的浏览器交互，或访问那些未与 GitHub 连接的外部系统。^[8]

GitHub 集成：不同的模型

GitHub 集成是两个平台理念差异最明显的地方。

Antigravity 通过 IDE 与 git 集成，就像任何基于 VS Code 的编辑器一样——代理通过 IDE 的源代码控制面板和终端提交更改、暂存文件，并与分支交互。对于任何 VS Code 用户来说，这种体验都很熟悉，但它并不像 Codex 那样 GitHub 原生。Antigravity 内部没有与 Codex 的 clone→build→diff→PR 流水线相匹配的原生 PR 创建界面。^[1]

Codex 则是围绕 GitHub 的 PR 模式专门构建的。整个工作流结构为：分配任务 → Codex 克隆仓库 → Codex 在沙盒中工作 → Codex 打开 PR → 人工审阅 diff → 合并。对于以 GitHub 作为开发中心、重视异步且可审阅的代码交付的团队来说，这是很自然的契合。对于更偏好在 IDE 内持续迭代，而不是批量审阅 PR 的团队来说，它会显得有些割裂。^[8][9]

产物系统：丰富 vs. 简洁

Antigravity 在代理执行期间会生成丰富的中间输出：任务计划、执行轨迹、浏览器自动化截图、测试结果，以及开发者可以在每一步审阅的录制内容。这个“产物”系统通过让代理推理过程实时可见，来增强对自主操作的信任。^[1][2]

Codex 的输出界面更简单：一个显示代理具体改动的 diff，再加上一个 PR。没有逐步执行轨迹，也没有浏览器产物。对于偏好简洁信号而非丰富细节的开发者来说，这种简单性是一种优势。对于希望理解代理为何做出某个架构选择的团队来说，这就是一个限制。^[8]

开发者工作流适配度

何时选择 Antigravity

复杂的多组件功能。 当一个功能需要在前端、后端、测试和基础设施之间并行推进时，Antigravity 的可视化代理管理器让你可以同时编排这四条工作线，并且对每一条都有可见性。^[2][3]

浏览器验证开发。 代理编写代码后，能在正在运行的浏览器中进行可视化验证——捕获布局问题、交互 bug 和视觉回归——无需切换上下文或单独搭建测试流水线。^[4]

迭代式实时工作流。 当你想始终停留在 IDE 中，随着代理推进逐步审阅其工作、在任务中途重新定向并紧密迭代时，Antigravity 的实时模式比 Codex 的异步委派更符合这种工作方式。^[1][2]

多模型优化。 当并行代理数量足以让模型路由变得有价值时——用更便宜、更快的模型处理简单任务，把高质量模型留给复杂规划——Antigravity 的按代理模型分配就很实用。^[5]

何时选择 Codex

离散、定义清晰的任务。 修复 bug、在规格明确的情况下添加功能、为现有代码生成测试、更新文档——这些输入清晰、输出可审阅的任务，正是 Codex 的优化目标。^[7][8]

异步、高吞吐团队。 想要通过一次委派多个任务来并行化 backlog，并批量审阅结果，而不是看着每个任务执行的开发者，会从 Codex 的模式中获得更大收益。^[8]

GitHub 优先的工作流。 所有变更在合并前都要经过 PR 审核、diff 是主要审阅产物、GitHub 是权威项目管理界面的团队，会天然适配 Codex 的架构。^[9]

零配置访问。 Codex 不需要安装 IDE、不需要本地配置、不需要设置扩展。对于在多台机器上工作，或希望从平板或浏览器委派任务而无需搭建开发环境的开发者来说，Codex 仅网页可用的访问方式是一个实打实的优势。^[7]

定价

Google Antigravity 使用与 Google AI/One 订阅计划挂钩的基于配额的模型。适用两类配额：Prompt Credits（用于输入处理）和 Flow Credits（用于代理执行）。同时运行多个并行代理会按活跃代理数量的比例消耗 Flow Credits，这使得 Manager View 最强大的工作流也是配额消耗最高的。^[6]

OpenAI Codex 包含在 ChatGPT 订阅层级中：

对于只偶尔运行离散任务的开发者，$20/月 的 ChatGPT Plus 已可提供易用的 Codex 访问。对于重度使用——多任务并行、大型仓库、大量测试执行——则更适合选择 $200/月 的 Pro 或 Team 方案。^[7][9]

这两个平台的成本对比很大程度上取决于使用模式。Antigravity 的配额系统在可控使用下可能很划算，但当 Manager View 以完全并行方式运行时会变得昂贵。对于任务量稳定、适中的开发者，Codex 的订阅模式则更可预测。

何时选择 Antigravity

• 你希望代理实时驻留在 IDE 内，而不是运行在独立的云环境中
• 你需要从一个可视化管理界面同时编排跨多个关注点（前端、后端、测试、DevOps）的并行代理
• 浏览器自动化是你工作流的核心——在 IDE 内可视化验证 UI、捕获截图、测试交互
• 你希望具备多模型灵活性，能根据成本和能力为不同代理分配不同 LLM
• 你处理的是复杂的、多组件任务，且在任务中途迭代性改向很有价值
• 你希望将 Gemini + VS Code 生态作为主要开发平台

何时选择 Codex

• 你的主要工作流是委派离散、定义清晰的编码任务，并以 diff 或 PR 的形式审阅结果
• 你希望通过异步任务执行来并行化 backlog，而无需盯着代理工作
• GitHub 原生 PR 工作流就是你团队审查和交付代码的方式
• 你希望从任何浏览器零配置访问一个能力强大的编码代理，而无需安装或配置 IDE
• 你的任务以代码为中心（修复 bug、实现功能、编写测试、撰写文档），并且有清晰输入和可审阅输出
• 你已经在使用 ChatGPT Pro 或 Plus，希望利用现有订阅

为什么要把 Eigent 视为你的开源替代方案

如果 Antigravity 的闭源、配额受限模式是一个限制，或者 Codex 的单代理、仅 GitHub 架构过于狭窄，Eigent 提供了一条开源路径：它将 Antigravity 的多代理编排能力与 Codex 的结构化任务执行结合起来，并可在你自己的基础设施上本地运行。

Eigent 相比两者的优势：

• 多代理工作力 — 根协调器加上 Developer、Browser、Document 和自定义代理并行运行，以开源、自托管的形式匹配 Antigravity 的 Manager View^[10][11]
• 200+ MCP 工具 — 比 Codex 发布初期配置拥有更广泛的工具集成，包括外部服务、内部 API 和自定义 MCP 服务器^[10][12]
• 模型无关 — 可运行 Gemini、Claude、GPT 或通过 Ollama 运行完全本地模型，不受限于任何单一供应商^[11]
• 100% 开源（Apache 2.0） — GitHub 上完整代码库，可审计、可 fork、可自托管^[10]
• 本地优先部署 — 所有数据和代理执行都留在你的机器上；没有云沙盒，也没有外部数据路由^[10][11]
• 企业级治理 — SSO、RBAC 和审计日志，无需额外支付供应商费用^[11]

对于构建敏感代码库、身处受监管行业，或希望在没有 Google 或 OpenAI 配额上限的情况下运行代理式开发工作流的团队，Eigent 提供了基础设施，而没有这些约束。

-> 开始使用 Eigent —— 开源多代理替代方案 ->

常见问题

Antigravity 能替代传统 IDE，比如 VS Code 或 Cursor 吗？ 可以，适合想要 agent-first 工作流的开发者。Antigravity 本身就是 VS Code 分支，并支持完整的 Open VSX 扩展生态，因此现有 VS Code 配置可以以最小迁移成本接入。代理管理器和多模型路由是对标准 IDE 功能的增强，而不是替代。^[1]

Codex 可以在没有 GitHub 的情况下使用吗？ Codex 的核心工作流是围绕 GitHub 构建的——它会克隆仓库、创建分支并打开 PR。不使用 GitHub（例如本地仓库、GitLab、Bitbucket）的直接使用方式并不是发布初期的主要支持配置。没有把 GitHub 作为主要平台的团队会发现 Codex 明显受限。^[8][9]

Antigravity 支持和 Codex 一样的基于 PR 的输出吗？ Antigravity 的代理通过 IDE 终端和源代码控制面板与 git 交互，可以通过标准 git 操作生成 PR。但这并不是像 Codex 那样结构化、单步式的“任务 → PR”流水线。对于代码审查流程以干净的 PR diff 为中心的团队来说，Codex 的输出更直接有用。^[1][8]

哪个平台更适合大型代码库？ Codex 通过其带有本地索引的沙盒环境明确处理大型仓库上下文——代理会在开始工作前读取完整代码库。Antigravity 的上下文窗口管理取决于在 IDE 会话中给每个代理分配了多少仓库访问权限。两者都能处理大型项目，但方式不同。^[7][8]

有没有办法让 Codex 使用 codex-1 之外的模型？ 没有。Codex 仅运行在 codex-1（OpenAI 基于 o3 的编码模型）上。用户无法配置模型选择。对于希望控制模型路由的团队来说，Antigravity 的多模型代理分配是一个重要区别点。^[7][5]

Antigravity 和 Codex 可以一起使用吗？ 可以。有些团队将 Antigravity 作为主要 IDE，用于复杂的、多代理、实时开发工作流；同时将 Codex 用于适合异步执行和干净 PR 输出的离散后台任务（bug 修复、测试生成、文档编写）。在这种配置下，两者更像是互补而非竞争。

结论：Antigravity vs Codex

选择 Antigravity，如果你想要一个由代理驱动的 IDE，在其中多个专门代理与你实时协作——编排并行开发轨道、自动化基于浏览器的验证，并让你全程留在编辑器中。对于把工作流看作连续、迭代且多维的开发者来说，它是最强大的代理式 IDE。

选择 Codex，如果你的工作流偏向委派——识别离散的编码任务、交出去、并以 PR 的形式审阅输出。它是目前最无摩擦的异步编码代理：零配置、GitHub 原生、由 OpenAI 最强推理模型驱动，并直接集成到大多数开发者已经在使用的 ChatGPT 界面中。

两者并没有绝对优劣。它们分别针对不同的开发工作模式进行了优化。许多团队会发现同时使用两者也很有价值。

对于想要同时拥有 Antigravity 的多代理能力和 Codex 的清晰任务委派模型——并且希望运行在自己的基础设施上、没有配额上限或供应商锁定——Eigent 是开源路径。

准备好探索开源替代方案了吗？ 可免费下载，完全支持自托管，并可在 10 分钟内运行起来。前往 eigent.ai 开始使用

Sources

^[1] Google Antigravity — Overview and Documentation

^[2] Awesome Antigravity — Community Resource Hub

^[3] AgentKit 2.0 Multi-Agent Launch — Factory Engineering

^[4] Antigravity Browser/CDP Integration — antigravity-link-extension

^[5] Multi-Model Support in Antigravity — opencode-antigravity-auth

^[6] Antigravity Quota Tracking — antigravity-panel

^[7] Introducing Codex — OpenAI

^[8] OpenAI Codex: Cloud-Based AI Coding Agent — TechCrunch

^[9] OpenAI Codex GitHub Integration — The Verge

^[10] Eigent Documentation

^[11] Eigent Review — SonuSahani.com

^[12] Eigent AI — GitHub Organization