Antigravity vs Codex：Agent 優先 IDE vs 雲端程式碼代理
Google 的 agentic 開發者 IDE 與 OpenAI 的非同步雲端程式碼代理——深入比較
Douglas Lai
Google Antigravity 和 OpenAI Codex 都是為軟體開發者設計，並且都使用自主 AI 代理來執行程式碼任務。但它們對於工作應該在哪裡、以及如何進行，起點恰好相反。
Antigravity 是完整的開發者 IDE：代理位於你的編輯器內，與你即時協作，在前端、後端、測試和 DevOps 之間編排平行工作，並且可以自動操作瀏覽器來驗證它們所建立的內容。Codex 則是雲端程式碼代理：你透過 ChatGPT 指派離散任務，這些任務會在與 GitHub 連接的沙箱環境中非同步執行，最後你會收到一個 diff 和一個 PR。
這兩種方式都很強大。了解哪一種適合你的工作流程，以及各自在哪些地方會失效，就是這份指南的目的。
什麼是 Google Antigravity？
Google Antigravity 是一款 agent-first IDE，於 2025 年 11 月與 Gemini 3 一同推出。它建立在 Electron/Chromium 分支版的 VS Code 之上，將程式碼編輯器從文字工具轉變為即時編排環境，讓多個專門化 AI 代理能平行規劃、建置、測試並驗證軟體。[1][2]
主要功能：
- Manager View — 視覺化的任務控制面板（隨 2026 年 3 月的 AgentKit 2.0 一同推出），可同時編排前端、後端、測試與 DevOps 類別的 16 個專門代理[2][3]
- Editor View — 標準 IDE 體驗，搭配代理側邊欄，提供行內協助、程式碼補全與重構[1]
- 內建 Chromium 瀏覽器 — 代理可直接操作網頁 UI、擷取螢幕截圖，並透過 Chrome DevTools Protocol (CDP) 驗證執行中的應用程式，無須離開 IDE[4]
- 多模型代理指派 — 可在單一工作階段中將不同模型指派給不同代理：Gemini 3 Pro、Gemini Flash、Claude Opus 4.6、Claude Sonnet 4.6 或 GPT 變體[5]
- MCP 與 n8n 整合 — 原生支援 Model Context Protocol，並可透過 n8n 進行工作流程自動化，連接外部系統[1]
.agent/skills 資料夾與GEMINI.md— 專案層級設定，用於定義代理規則、skills 與工作流程[1]- VS Code 擴充功能生態系 — 完整相容 Open VSX registry，可使用數千個既有擴充功能[1]
- 平台 — Windows、macOS、Linux（x86_64 與 aarch64）[1]
Antigravity 的定價採配額制，綁定 Google AI/One 訂閱方案，使用 Prompt Credits 與 Flow Credits。配額消耗是社群特別關注的問題，也因此出現了專門用來監控與管理它的第三方工具。[6]
什麼是 OpenAI Codex？
OpenAI Codex（2025 版本——與 2021 年的 API 模型不同）是一款雲端、非同步的 AI 程式碼代理，於 2025 年 5 月推出。它不是 IDE，也不是桌面應用程式。它存在於 ChatGPT 內部，並在與你的 GitHub 儲存庫連接的隔離雲端沙箱中執行任務。[7][8]
主要功能：
- GitHub 原生工作流程 — Codex 會將你的儲存庫複製到沙箱環境中，在其中進行工作，並提供 diff 或 pull request 供你審查[8][9]
- 非同步任務執行 — 你指派任務後只需等待結果，而不是逐回合互動；多個任務可以在不同沙箱中平行執行[7][8]
- 完整的沙箱終端機 — 容器內提供 shell 存取，可執行測試、linter、建置工具與套件安裝[8]
- PR 自動化 — 自動開啟 pull request、撰寫 commit 訊息，並生成變更紀錄[9]
- Codex-1 模型 — 針對軟體工程任務微調的 o3 推理模型變體，並以真實程式碼環境中的強化學習進行最佳化[7]
- 以安全為優先的沙箱 — 預設限制網路存取；代理無法任意發出外部 HTTP 請求，降低供應鏈風險[8]
- 無需本機用戶端 — 完全可透過 ChatGPT 網頁介面使用；不需要安裝或設定 IDE[7]
- 平台 — 基於網頁；可在任何具備瀏覽器的裝置上執行[7]
Codex 包含於 ChatGPT Plus（每月 20 美元）、Pro（每月 200 美元）、Team 與 Enterprise 方案中。較高階的訂閱方案可獲得更多任務配額與優先執行權。[7][9]
Antigravity vs Codex：逐項功能比較
| 功能 | Google Antigravity | OpenAI Codex |
|---|---|---|
| 型態 | 完整的本機 IDE（VS Code 分支） | 雲端代理，無本機用戶端 |
| 互動模式 | 即時 IDE 增強 | 非同步任務委派 |
| 主要模型 | Gemini 3 Pro / Flash | codex-1（基於 o3） |
| 多模型支援 | 有 — 每個代理可使用 Gemini、Claude、GPT | 無 — 僅限 codex-1 |
| 多代理編排 | 視覺化 Manager View，16+ 平行代理 | 每個任務單一代理 |
| 瀏覽器整合 | 透過 CDP 內建 Chromium | 無（沙箱化） |
| GitHub 整合 | 基於 IDE 的 git 工作流程 | 原生 — 複製 repo、開啟 PR |
| 終端機存取 | 完整 IDE 終端機，支援代理執行 | 沙箱內完整 shell |
| 檔案系統存取 | 完整 IDE 檔案系統 | 沙箱化雲端環境 |
| Artifact / 輸出系統 | 視覺化 artifacts（截圖、計畫、錄影） | 只有 diff 與 PR |
| MCP / 工具支援 | 原生 MCP + n8n 整合 | 上線初期較有限 |
| 人工核准 | 可選（支援自動接受模式） | 合併前先審查 diff/PR |
| 離線運作 | 否（需要 Google API） | 否（僅限雲端） |
| 開源 | 否 | 否 |
| 平台 | Windows、macOS、Linux | 網頁（任何瀏覽器） |
| 定價模式 | Google AI/One 訂閱（配額制） | ChatGPT 訂閱（每月 20–200 美元） |
| 目標使用者 | 即時協作的開發者 | 委派離散任務的開發者 |
架構：即時 IDE vs. 非同步雲端沙箱
這是兩個平台之間最根本的分野，也決定了各自最適合處理哪些工作流程。
Antigravity：將 IDE 變成任務指揮中心
Antigravity 的架構把程式碼編輯器視為開發者的主要操作介面。它不是把開發者帶到新工具，而是把代理直接帶進 IDE 本身。
Manager View 將傳統的單一檔案編輯器轉變為多代理編排面板。你可以讓前端代理建立 React 元件、讓測試代理撰寫它剛看到新增的函式之 Jest 規格、讓後端代理實作對應的 API 端點，以及讓 DevOps 代理更新部署流程——所有這些都能在同一個 IDE 工作階段中同時執行，並各自顯示視覺化狀態。[2][3]
內建的 Chromium 環境讓瀏覽器自動化成為一等公民功能。剛撰寫完功能的代理可以直接在內嵌瀏覽器中開啟執行中的應用程式、與其互動、擷取視覺化 artifacts，甚至在你還沒切換視窗之前就把回歸問題回傳到 IDE 內。[4]
多模型路由讓你能依任務控制成本與能力之間的取捨。Gemini Flash 處理快速、低成本的工具型工作；Gemini 3 Pro 或 Claude Opus 4.6 則處理複雜規劃與架構決策——這些都能在代理層級最佳化，而不必更改全域模型設定。[5]
Codex：將任務非同步委派到雲端沙箱
Codex 的架構從另一個前提出發：大多數單獨的程式碼任務——修 bug、實作功能、產生測試、撰寫文件——都是離散且可平行化的。它們不需要開發者盯著代理工作。更有效率的模式是委派：交出去，去做別的事，回來時再看 PR。
每個 Codex 任務都在獨立的容器化 Linux 環境中執行，並擁有儲存庫的專屬副本。代理會讀取檔案、撰寫程式碼、執行測試套件，並反覆迭代直到任務完成或卡住。接著它會提供結構化 diff 與 pull request，讓人類在任何內容合併之前先行審查。[7][8][9]
非同步模式帶來真正的平行化：開發者可以同時啟動五個獨立的 Codex 任務——修這個 bug、加這個功能、為這個模組寫測試、重構那個函式、更新文件——等它們完成後再一次審查，而不是逐一盯著每個任務執行。[8]
代價是互動性降低。Codex 無法在任務進行中以自然方式詢問澄清問題。它也無法展示一個部分完成的功能並請你指示方向。而且沙箱環境限制網路存取，代表它無法瀏覽網頁、與執行中的瀏覽器互動，或存取非 GitHub 連接的外部系統。[8]
GitHub 整合：不同的模型
GitHub 整合是兩個平台最明顯呈現不同哲學的地方。
Antigravity 透過 IDE 以 git 方式整合，就像任何基於 VS Code 的編輯器一樣——代理會提交變更、暫存檔案，並透過 IDE 的原始碼控制面板與終端機操作分支。對任何 VS Code 使用者來說這都很熟悉，但它並不像 Codex 那樣是 GitHub 原生。Antigravity 內沒有與 Codex 的 clone→build→diff→PR 流程相同的原生 PR 建立介面。[1]
Codex 則是專為 GitHub 的 PR 模式打造。整個流程被設計為：指派任務 → Codex 複製 repo → Codex 在沙箱中工作 → Codex 開啟 PR → 人類審查 diff → 合併。對於以 GitHub 作為開發中樞，並重視可審查的非同步程式碼交付的團隊來說，這非常自然。對於偏好在 IDE 內持續迭代，而不是批次審查 PR 的團隊來說，它則顯得較為割裂。[8][9]
Artifact 系統：豐富 vs. 精簡
Antigravity 在代理執行過程中會產生豐富的中間輸出：任務計畫、執行追蹤、來自瀏覽器自動化的截圖、測試結果，以及開發者可在每個步驟檢視的錄影。這套「artifact」系統透過讓代理推理過程即時可見，來提升對自主行動的信任。[1][2]
Codex 的輸出介面則更簡潔：顯示代理實際變更內容的 diff，以及一個 PR。沒有逐步執行追蹤，也沒有瀏覽器 artifact。對於偏好乾淨訊號而非豐富細節的開發者來說，這種簡潔是優點；但對於想理解代理為何做出某項架構選擇的團隊而言，這就是限制。[8]
開發者工作流程適配性
什麼情況下 Antigravity 更有優勢
複雜、多元件功能。 當一個功能需要同時跨前端、後端、測試與基礎架構平行作業時，Antigravity 的視覺化代理管理器可讓你同時編排四條工作線，且每條都能清楚追蹤。[2][3]
可由瀏覽器驗證的開發。 代理在寫完程式碼後，能直接在執行中的瀏覽器裡進行視覺驗證——發現版面錯誤、互動 bug 與視覺回歸——而不必切換情境或另行設定測試流程。[4]
迭代式、即時工作流程。 當你希望一直待在 IDE 中、隨時檢視代理進度、在任務中途重新導向並緊密迭代時，Antigravity 的即時模式比 Codex 的非同步委派更符合這種工作風格。[1][2]
多模型最佳化。 當你有足夠多的平行代理，足以讓模型路由具備價值——以較便宜、較快的模型處理簡單任務，把高品質模型留給複雜規劃——Antigravity 的每代理模型指派就很實用。[5]
什麼情況下 Codex 更有優勢
離散、定義清楚的任務。 修 bug、依明確規格新增功能、為既有程式碼產生測試、更新文件——這些具有明確輸入與可審查輸出的任務，正是 Codex 最擅長的。[7][8]
非同步、高吞吐量團隊。 想一次委派多個任務、平行化處理待辦，並批次審查結果，而不是盯著每個任務執行的開發者，會從 Codex 的模式中獲得更高效益。[8]
GitHub 優先的工作流程。 如果團隊每次變更都要先經 PR 審查再合併，diff 是主要審查成果，而且 GitHub 是標準的專案管理介面，那麼 Codex 的架構會非常自然。[9]
零設定存取。 Codex 不需要安裝 IDE、不需要本機設定，也不需要擴充功能安裝。對於在多台機器間工作，或想從平板或瀏覽器委派任務而不想先建置開發環境的開發者來說，Codex 的純網頁存取是一大優勢。[7]
定價
Google Antigravity 使用與 Google AI/One 訂閱方案綁定的配額制。適用兩種配額：Prompt Credits（用於輸入處理）與 Flow Credits（用於代理執行）。同時運行多個平行代理會依照啟用代理數量消耗 Flow Credits，因此 Manager View 最強大的工作流程也是最耗配額的。[6]
OpenAI Codex 包含於 ChatGPT 訂閱方案中：
| 方案 | 價格 | Codex 存取 |
|---|---|---|
| Plus | 每月 20 美元 | 包含（標準配額） |
| Pro | 每月 200 美元 | 包含（更高配額 + 優先權） |
| Team | 每位使用者每月 30 美元 | 包含 |
| Enterprise | 客製化 | 包含 |
對於只偶爾執行少量離散任務的開發者來說，每月 20 美元的 ChatGPT Plus 就能提供可負擔的 Codex 使用權。對於重度使用——多個平行任務、大型儲存庫、密集測試執行——則更適合 Pro 每月 200 美元或 Team 方案。[7][9]
兩個平台的成本比較高度取決於使用模式。Antigravity 的配額系統在受控使用下可能具成本效益，但當 Manager View 以完整平行度運作時就會變得昂貴。對於任務量穩定且中等的開發者來說，Codex 的訂閱模式則更可預測。
什麼情況下選擇 Antigravity
- 你希望代理即時存在於你的 IDE 中，而不是在獨立的雲端環境裡執行
- 你需要從視覺化管理介面同時編排跨多個面向的平行代理（前端、後端、測試、DevOps）
- 瀏覽器自動化是你工作流程的核心——在 IDE 內直接視覺驗證 UI、擷取截圖、測試互動
- 你想要多模型彈性，能根據成本與能力將不同 LLM 指派給不同代理
- 你處理的是複雜、多元件任務，且在任務中途進行迭代式重新導向很有價值
- 你希望以 Gemini + VS Code 生態系作為主要開發平台
什麼情況下選擇 Codex
- 你的主要工作流程是委派明確定義的程式碼任務，並以 diff 或 PR 的形式審查結果
- 你希望任務能非同步執行，這樣就能在不盯著代理運作的情況下平行處理待辦
- GitHub 原生的 PR 工作流程就是你們團隊審查與交付程式碼的方式
- 你想從任何瀏覽器零設定存取一個能力強大的程式碼代理，而不必安裝或設定 IDE
- 你的任務以程式碼為核心（修 bug、實作功能、測試、文件），且有清楚的輸入與可審查輸出
- 你已經在使用 ChatGPT Pro 或 Plus，並希望善用既有訂閱
為什麼要把 Eigent 當作你的開源替代方案
如果 Antigravity 的封閉原始碼、配額限制模式是一種限制，或者 Codex 的單代理、僅限 GitHub 架構過於侷限，Eigent 則提供了一條開源路徑：把 Antigravity 的多代理編排能力，與 Codex 的結構化任務執行結合起來，並在你自己的基礎架構上本機運行。
Eigent 相較於兩者的優勢：
- 多代理工作團隊 — root coordinator 加上 Developer、Browser、Document 與自訂代理可平行運行，以開源、可自架的形式對應 Antigravity 的 Manager View[10][11]
- 200+ MCP 工具 — 比 Codex 上線配置更廣泛的工具整合，包含外部服務、內部 API 與自訂 MCP 伺服器[10][12]
- 模型無綁定 — 可透過 Ollama 執行 Gemini、Claude、GPT 或完全本地模型，不受限於單一供應商[11]
- 100% 開源（Apache 2.0） — 完整程式碼庫在 GitHub 上，可稽核、可 fork、可自架[10]
- 本機優先部署 — 所有資料與代理執行都保留在你的機器上；沒有雲端沙箱，也沒有外部資料路由[10][11]
- 企業治理 — SSO、RBAC 與稽核記錄，且無額外供應商成本[11]
對於處理敏感程式碼庫、身處受監管產業，或想在不受 Google 或 OpenAI 配額上限限制的情況下運作 agentic 開發工作流程的團隊來說，Eigent 提供了基礎架構，但沒有那些約束。
-> 立即開始使用 Eigent — 開源多代理替代方案 ->
常見問題
Antigravity 能取代像 VS Code 或 Cursor 這類傳統 IDE 嗎？ 可以，對於想要 agent-first 工作流程的開發者而言。Antigravity 本身就是 VS Code 分支，並支援完整的 Open VSX 擴充功能生態系，因此既有的 VS Code 設定幾乎可以無痛遷移。代理管理器與多模型路由是在標準 IDE 功能之上的附加能力，而不是替代品。[1]
Codex 可以在沒有 GitHub 的情況下運作嗎？ Codex 的核心工作流程是圍繞 GitHub 建立的——它會複製儲存庫、建立分支並開啟 PR。直接在沒有 GitHub 的情況下使用（例如本機儲存庫、GitLab、Bitbucket）並不是上線初期主要支援的配置。沒有把 GitHub 當作主要平台的團隊，會覺得 Codex 明顯受限。[8][9]
Antigravity 是否支援像 Codex 一樣的 PR 型輸出？ Antigravity 的代理會透過 IDE 終端機與原始碼控制面板操作 git，這可以透過標準 git 操作產生 PR。但這並不是像 Codex 那樣結構化、單一步驟的「任務 → PR」流程。對於以乾淨 PR diff 為中心的程式碼審查流程來說，Codex 的輸出更直接有用。[1][8]
哪個平台更適合大型程式碼庫？ Codex 透過具備本地索引的沙箱環境明確處理大型儲存庫上下文——代理會在開始工作前先讀取整個程式碼庫。Antigravity 的上下文視窗管理則取決於在 IDE 工作階段中，每個代理被授權存取多少儲存庫內容。兩者都能處理大型專案，但方法不同。[7][8]
有辦法使用 codex-1 以外的模型嗎？ 沒有。Codex 僅以 codex-1（OpenAI 基於 o3 的程式碼模型）運作。使用者無法自行設定模型選擇。對於希望控制模型路由的團隊來說，Antigravity 的多模型代理指派是一項重要差異。[7][5]
Antigravity 和 Codex 可以一起使用嗎？ 可以。有些團隊會將 Antigravity 作為主要 IDE，用於複雜、多代理、即時開發工作流程，並將 Codex 用於適合非同步執行與乾淨 PR 輸出的離散背景任務（修 bug、產生測試、撰寫文件）。在這種配置下，兩者更像是互補而非競爭。
結論：Antigravity vs Codex
選擇 Antigravity，如果你想要的是一個由代理驅動的 IDE，讓多個專門代理能即時在你身邊工作——編排平行開發線、將瀏覽器驗證自動化，並讓你全程待在編輯器裡。對於將工作流程視為連續、迭代且多維度的開發者來說，它是最強大的 agentic IDE。
選擇 Codex，如果你的工作流程以委派為主——辨識離散的程式碼任務、交出去，並以 PR 形式審查輸出。它是目前最無摩擦的非同步程式碼代理：零設定、GitHub 原生、由 OpenAI 最強的推理模型支援，並直接整合進多數開發者已在使用的 ChatGPT 介面。
兩者都不能絕對說更好。它們針對的是不同的開發工作模式。許多團隊會發現，同時使用兩者最有價值。
對於想要兼具 Antigravity 的多代理能力與 Codex 的乾淨任務委派模型、且希望在自己的基礎架構上運行、不受配額上限或供應商綁定限制的團隊，Eigent 是開源路徑。
準備好探索開源替代方案了嗎？ 可免費下載、完全可自架，且可在 10 分鐘內上線。立即前往 eigent.ai 開始使用
Sources
[1] Google Antigravity — 概覽與文件
[2] Awesome Antigravity — 社群資源中心
[3] AgentKit 2.0 多代理發布 — Factory Engineering
[4] Antigravity 瀏覽器/CDP 整合 — antigravity-link-extension
[5] Antigravity 的多模型支援 — opencode-antigravity-auth
[6] Antigravity 配額追蹤 — antigravity-panel
[7] Introducing Codex — OpenAI
[8] OpenAI Codex：雲端 AI 程式碼代理 — TechCrunch
[9] OpenAI Codex GitHub 整合 — The Verge
Recent Posts
Claude Tag：Anthropic 的 Slack 常駐 AI 協作夥伴
了解 Claude Tag 是什麼、@Claude 如何在 Slack 頻道中運作，以及 Anthropic 的常駐 AI 協作夥伴如何支援團隊合作與自動化。
Douglas Lai
Claude 香港教學：介面、Prompt 與粵語內容
這是一篇實用的 Claude 香港用戶教學：介面導覽、粵語與繁體中文 prompt 模板、寫程式技巧，以及一個免費替代方案。
Douglas Lai
如何在香港使用 Claude：完整指南
香港 IP 無法連上 Claude.ai？本指南說明原因，介紹 VPN 與手機驗證的解法、企業可用的 AWS 方案，以及一個免費替代方案。
Douglas Lai
