导读谷歌于 2026 年 10 月 13 日全球开放模型 Gemini 4 Argon，并公开了一次代码优化案例：采用 Argon 的编程 Agent 在 Antigravity 中自主工作 11 小时，为智能体开发框架 ADK 提出六项优化，维护者最终保留两项。本文讲清模型、工具环境与框架的分工，解释会话复制和按需加载怎样减少框架耗时，以及这些改动为何仍需兼容性检查和代码审核。
本文 2986 字，阅读约 7 分钟｜通宵工作以后，还要有人决定哪些代码留下 → 把目标写清楚，才能判断它有没有完成 → 留下的两项，减少了哪些冗余工作？ → 另外四项，为何没有合入？ → 约 40% 的下降，究竟发生在哪里？ → 接收 Agent 的优化，要让收益和代价一起可见
通宵工作以后，还要有人决定哪些代码留下
Gemini 4 Argon 此次全球开放，谷歌展示了一个已有 Python 项目的性能优化案例。先把参与者分清，后面的“自主工作”与“提速”才不会混在一起：
•Argon 是模型：根据任务、代码和工具返回的结果，分析问题并生成修改方案。
•Antigravity 是编程环境：让模型通过工具读取文件、修改代码、执行测试，把运行结果交回模型继续判断。
•ADK 是被优化的框架：全称 Agent Development Kit，用于组织模型调用、工具执行和会话记录；这次修改的是它的 Python 代码。
本文的“编程 Agent”，指模型与工具、任务执行流程组成的系统。在这个案例中，Argon 提供推理和代码生成能力，Antigravity 提供运行环境。系统反复查看代码、提出修改、执行检查，并根据结果继续工作。
任务目标是减少 ADK 复制记录、加载模块等工作花费的时间。收益发生在改动后的框架运行过程中，服务于使用 ADK 构建的应用。
谷歌工程团队披露，通宵运行持续 11 小时，交出六项优化提案。维护者保留其中两项，并结合此前一轮的有效改动，整理成涉及 22 个文件的合入提交。
我更关心这个合并结果。性能优化要同时回答几个问题：省下了哪段时间，原有应用还能不能正常运行，未来升级是否多出维护负担。对于被其他应用依赖的框架，这些问题会直接影响改动能否合入。
自主运行之后，还要把性能收益和兼容性放在一起审核。这次案例把这一过程公开了一部分。
把目标写清楚，才能判断它有没有完成
性能优化容易写成一句宽泛要求：“把项目跑快一点。”但快在哪里，允许改变什么，怎样证明，必须先约定。
工程团队先给编程 Agent 一段目标说明：减少 ADK 的运行开销，同时保持使用 ADK 的应用发给模型的请求内容、ADK 的公开接口不变。第一轮找到了会话复制与包导入的瓶颈，但提交的改动仍遗漏了部分维护规范。
随后，团队把规范放进仓库的 .agents/skills 目录。这里的 Skills 是供编程 Agent 按需读取的项目说明，交代模块访问、导入检查等约定，不是对模型进行训练。
第二轮又在 Antigravity 中启用了 /goal 模式，让任务目标在上下文压缩后继续保留，并要求编程 Agent 交付带前后测量的合并请求，不自行合并。合并请求是一份提交给维护者审核的代码变更，提出修改与决定合入是两个环节。
图片说明：目标要求保留在界面中，运行记录展示修改、测试和测量。谷歌为隐藏内部工作区细节，在公开 Antigravity 界面重放了该截图。图片来源：Google Developers Blog，ADK 工程详解 Figure 3。
这些要求把“优化”变成了可检查的交付：接口约束决定哪些改动可以尝试，测试检查已有行为，测量说明收益，合并请求则让人能逐项审查。
两轮同时改变了规范、运行方式和交付要求，无法据此分离 Skills 的单独贡献。对实际任务更有用的启示是：在开始修改之前，就把验收要求交给模型。
AGENTS.md、Skill 怎么用？一次端侧 NEON 优化把边界说清
留下的两项，减少了哪些冗余工作？
第一项围绕会话记录的复制。
会话里存着交互事件和状态。调用者可能只需要最近一段记录，框架却仍要处理返回对象与内部存储之间的关系。深复制会递归复制对象内部的数据，以隔开原对象与副本；记录越多，这项工作可能越重。
合入版本的读取代码，先按最近事件数或时间条件筛选，再复制需要返回的会话。列出会话但不需要事件时，则不再为这些事件付出复制成本。
用一个示意例子就能理解差异：保存了 1000 条事件，这次只要最近 20 条。先复制全部再筛选，会为最终不用的记录付出复制成本；先筛选再复制，把工作集中到实际返回的范围。这里的条数用于解释机制，并非官方测试条件。
前后取出的仍是同样的 20 条记录。变化发生在程序内部的处理顺序，不是进一步缩短交给模型的历史内容。
减少复制范围，同时保持调用者拿到的内容不变，才是这项优化的目标。如果只是省掉复制，却让外部修改意外影响内部存储，就改变了原有行为。审核不能只看代码变短了多少。
第二项是模块按需加载。
Python 导入一个包时，可能沿着依赖关系继续加载其他模块。若当前任务只用其中一部分，把其余依赖一起加载，就会提前支付初始化成本。
合入代码保留了原来的公开名称，并在访问这些名称时按需加载对应模块。访问器就是处理这次名称访问的代码：先找到实现，加载后再交给调用者。
这里也有兼容性要求。已有应用或测试可能从固定模块路径访问某个名称，甚至临时替换它来模拟外部行为。直接删掉导入语句，可能省了时间，却破坏这些访问方式。
因此，按需加载要同时处理加载时机与访问约定。它能延后一部分工作，但延后的依赖首次使用时仍要加载，收益要放回具体计时范围里看。
另外四项，为何没有合入？
四项提案没有合入，各自卡在不同地方：
•事件缓存：可能跨会话返回陈旧数据，缓存结果与当前状态不再对应。
•遥测检查：为了判断运行监测功能是否启用，读取了依赖库的私有属性，库升级后可能失效。
•会话内容重写：核心路径更难读，但在独立验收基准中没有改善端到端延迟。
•回放索引：增加状态跟踪逻辑，收益主要出现在合成回放测试中。
图片说明：蓝色两项为合入的会话复制与按需加载，灰色四项为审核后删除的提案；具体原因见相邻正文。图片来源：Google Developers Blog，ADK 工程详解 Figure 4。
前两项暴露了可靠性与依赖稳定性问题，后两项需要回答收益是否值得维护。即使某个测试跑得更快，也要检查它是否接近日常负载，以及新增逻辑是否换来了足够收益。
按需加载这项最终被保留的优化，也经历了修正。编程 Agent 提交的初版修改删掉部分导入后，全部 16892 项公开测试通过，谷歌内部却有 25 个测试目标失败：这些测试会临时替换那些模块属性。保留原有访问方式，才让优化兼顾了这类使用约定。
测试通过，说明所运行的检查没有发现问题。测试数量不能替代覆盖范围。哪些下游应用、依赖版本和使用方式尚未被检查，仍需要维护者根据项目实际情况判断。
约 40% 的下降，究竟发生在哪里？
合入提交记录了几种不同的测量。已有 50 和 150 个内部步骤的内存会话中，下一次模型请求之前的框架准备开销，从 64 毫秒降到 36 毫秒、从 200 毫秒降到 122 毫秒，分别约下降 43% 和 39%。这就是“约 40%”的具体口径。
团队还准备了未向 Argon 提供的独立验收基准，用另一组负载检查修改，避免只凭优化过程中反复调整的测试认定收益。包导入耗时下降 21%，从新进程启动到首次模型请求则基本不变。
图片说明：五行分别测量长会话准备、包导入、新进程到首次请求，以及完整 158 步运行。前两行关闭垃圾回收，最后一行开启；数据为 6–12 次运行中位数，使用即时返回的模型与工具以测量框架开销。图片来源：Google Developers Blog，ADK 工程详解 Figure 5；数据对应公开合入提交。
按需加载把部分工作移到了首次使用，所以导入更快，不代表首次调用也同比变快。图中的新进程到首次请求从 3.07 秒变为 3.09 秒，正好提醒我们查看完整路径。
在该框架基准里，完整 158 步运行从 65.6 秒降到 56.1 秒，节省 9.5 秒，约为 14%。这里的内部步骤包括工具调用等动作，不是 158 次用户提问；一次用户请求可能在框架内部推进多个步骤。
基准让模型和工具即时返回，目的是隔离框架自身耗时。实际应用还要等待模型生成、工具执行或外部服务响应。因此，这组数字支持框架开销下降，不能直接写成用户任务整体提速 40%。
这里的开销也不是 token 用量。Token 是模型处理文本等内容时使用的计量单位；优化前后，ADK 应用发给模型的请求内容保持不变，测量的是框架处理这些请求的耗时。这些结果没有证明 token 用量或 API 费用下降。
还要分开两笔工作：编程 Agent 用 11 小时完成代码优化；使用 ADK 的应用在后续运行时获得上述收益。计时结果没有给出前一项工作的 token 成本，也没有涉及模型训练或回答能力的提升。
若要判断自己的项目能否受益，先确认是否走同样的内存会话读取路径，再看复制与导入占了多少耗时。瓶颈在模型响应或外部服务时，这两项改动的影响可能很小。
接收 Agent 的优化，要让收益和代价一起可见
这次案例展示了一个有用的分工：Argon 根据代码与反馈提出下一步修改，Antigravity 中的工具执行读写、测试和测量，维护者再判断哪些变化符合项目的兼容性与维护要求。
对接手合并请求的工程师，我建议要求它提供三类材料：
•同条件测量：改动前后分别测了什么，收益发生在哪一段。
•回归检查：哪些已有使用方式通过了检查，哪些下游依赖尚未覆盖。
•维护代价：新增了哪些状态和依赖，为什么值得保留。
这是从本次案例归纳的验收建议。六项提案保留两项，不足以计算模型的通用工程成功率；但两项最终合入的修改，让模型的工作留下了可检查的收益。合并请求能把这些收益及其条件讲清楚，维护者才有依据决定是否接收。
参考资料
•Gemini 4 Argon 全球开放公告： https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/
•ADK 通宵优化、代码审核与测量说明： https://developers.googleblog.com/optimizing-a-200000-line-python-codebase-overnight-with-gemini-4-argon/
•ADK 公开合入提交及基准结果： https://github.com/google/adk-python/commit/1754b3eeb6cdb2c16e3b30619a12066623df132e
•ADK 会话筛选与复制实现，固定至上述提交： https://raw.githubusercontent.com/google/adk-python/1754b3eeb6cdb2c16e3b30619a12066623df132e/src/google/adk/sessions/in_memory_session_service.py
•ADK 包属性按需加载实现，固定至上述提交： https://raw.githubusercontent.com/google/adk-python/1754b3eeb6cdb2c16e3b30619a12066623df132e/src/google/adk/init.py
•ADK 框架介绍： https://github.com/google/adk-python
— THE END —
文章仅做学术分享，如有侵权请联系删除，非常感谢！