今日热点Antigravity 的 Teamwork 多 Agent 框架正在推动数学、硬件仿真、开源性能优化等领域的突破。了解 Teamwork 如何攻克极具挑战性的开放式难题。
今天，我们宣布 Teamwork 的多项重大更新。Teamwork 是我们在 Google I/O 大会上首次发布的 Antigravity 多 Agent 编排框架。在 Teamwork 中，多个 Agent 可以在数小时乃至数天的时间里，自主地提出方案、相互评判并不断完善彼此的工作。这些能力建立在我们迄今最聪明的模型 Gemini 3.7 Flash 发布的基础之上。
Gemini 3.7 Flash 提供了日常开发者任务所需的速度与成本效益；而将其与 Teamwork 的前沿编排能力相结合，则能在科研与软件工程领域的复杂长周期难题上释放出强大的性能表现。
在本文中，我们将分享 Antigravity 中 Teamwork 的一些最新更新，以及在以最大化智能水平为目标的多个领域中，结合使用 Gemini 模型与 Teamwork 所取得的瞩目成果：
- 数学研究与理论计算机科学：成功解决了七个开放问题——包括稀疏凸优化（JMLR）、子空间逼近（FOCS）、可证明的大语言模型量化、向量嵌入、前缀矩阵分解（Prefix-Matrix Factorizations）以及高德纳循环猜想（Knuth’s Cycles Conjecture，已在 Lean 中完成形式化验证）——同时在 TCSBench 上取得了 71% 的成绩（这是我们内部测试中的最高分）。
- 系统工程：从零开始构建了一个周期精确级（cycle-accurate）的 RISC-V CPU 模拟器，并成功引导启动了操作系统。
- 开源软件：完成了多项性能优化，并直接贡献及合入到包括 Eigen 和 ParlayHash 在内的上游开源库中。
什么是 Teamwork？
乍看之下，各种多 Agent 设置似乎大同小异。对于常规任务而言，基础的多 Agent 方法通常就足够了——但在棘手的科研和工程难题上，多 Agent 系统经常会遇到编排困境。松散组织的 Agent 会迅速偏离正轨，盲目赞同其他 Agent 早期的错误，并在存在缺陷的想法之上自信地继续构建。
许多科研和工程问题都具有共同的结构：生成候选方案、对其执行压力测试，并将最优秀的想法融合成更强大的候选方案。Teamwork 将这一循环具象化并设为可配置，在自动执行迭代过程的同时，让人类牢牢掌握目标设定和最终验收大权。该功能专为那些规模过大、不确定性过高或过于开放、以至于单个 Agent 循环难以胜任的问题而构建。Teamwork 现已作为 /teamwork-preview 命令在 Antigravity 的所有付费方案中提供，它将 Agent 组织成协作团队，在数小时或数天内自主地相互质疑各自的工作、在深入构建前排查缺陷，并将最有力的部分组合成可行的解决方案。
一个框架，多种模式
Teamwork 并不是一个铁板一块的单一 Agent 团队。不同的挑战需要不同的团队结构，我们将每一种独特的配置称为一种“模式”——即一份定义哪些 Agent 参与、它们各自扮演什么角色，以及推进工作所需满足的标准的蓝图。
当你调用 /teamwork-preview 时，Gemini 会分析你的提示词并自动选择合适的模式。以下示例展示了其中几种模式的成果，并重点深入解析了“长证明”模式。
Teamwork 模式的强大适应性依赖于一项根本性的解耦：编排逻辑与 Agent 描述相互分离。一个模式只是一份规范说明，而非可执行程序。它本身不包含任何编排代码；相反，框架会读取该模式，并根据任务需求自动启动合适的 Agent。因此，诸如对抗性评判循环（adversarial critique loop）之类的专门机制，无需修改即可跨不同领域直接移植。
至关重要的是，这些模式在运行时具有自适应能力。框架会根据任务需求动态决定派生多少个 Agent，而不是采用预设的固定数量。随着问题逐步明朗，Agent 的数量和团队结构可以在运行中途动态调整——这使得每一次任务攻关都是一个鲜活演进的过程，而非死板的固定流水线。
目前，Teamwork 内置了多种专业模式，系统会根据你的任务自动选择，每种模式都针对不同类别的问题经过专门调优：
- 迭代式编码：适用于难以拆解的问题，通过紧凑的“Agent—测试—优化”循环加以解决。
- 分布式编码：适用于可拆解的工程任务，将任务分发给并行的工作 Agent 并配合评判者审查。
- 长证明：适用于开放式的数学与理论计算机科学问题，每个候选方案在推进前都会经过严格的压力测试。
- 自我验证：适用于深度优先的数学推理，在每一个推理步骤都执行严格的自我检查。
- 文档审查：适用于结构化分析与评判学术论文和技术文档。
例如，分布式编码模式的运作方式如下：
虽然图中展示了所涉及的核心角色，但实际执行过程是动态的——编排器会根据手头的问题自行决定部署多少个 Agent 以及运行多少轮迭代。
数学与计算机科学
攻克数学与计算机科学领域的开放问题
在编程和机器学习任务之外，我们还针对长周期的博士级数学和计算机科学研究构建了两种模式：通过竞争性策略搜索解决开放式问题的“长证明”模式，以及在每一步都执行严格自我检查的深度优先推理“自我验证”模式。作为我们此前工作的延伸，“长证明”模式最初是作为独立的研究测试框架开发的，随后被移植到了 Teamwork 框架中。
长证明模式的工作原理
长证明模式不仅关注证明编写本身，更在策略选择上投入了大量精力。对于开放问题，许多看似充满希望的方法最终都会失败——而且其中的致命缺陷往往要到尝试深入到很晚阶段才会暴露出来。该模式依赖于以下核心设计原则：
- 竞争性策略搜索：并行生成许多候选策略，每个策略都配有一个唯一职责就是找出其破绽的“证伪者”（falsifier）。随后，综合树会将这些候选策略及其检验报告结合起来。被证伪的路线会连同其反对意见一起保留在流程中——因为一条走不通的路线中可能依然包含着有价值的思路。
- 分解使长证明变得易于处理：选定的策略会被展开为一份证明计划，其中的各个子问题都具有明确的目标和显式的依赖关系。由此生成的依赖关系图允许相互独立的子问题并行运行，而具有依赖关系的子问题则按拓扑顺序依次推进。
- 每个子问题都拥有自己的锦标赛网络：在综合树（synthesis tree）中，每个节点都会读取一批候选方案样本及其对应的评判意见，并生成一个改进后的解决方案。如果综合出的解决方案失败，该网络会结合累积的反对意见重新运行。
- 跨轮次持续学习：失败的草稿会保留下来供下一次尝试参考，同时验证器发现的问题会被提炼到一个与具体答案无关的“陷阱注册表”（pitfall registry）中。共享知识目录会记录下已证明的结论、有用的观察、失败的尝试以及相关参考文献，以备后续使用。
Teamwork 长证明模式的科研成果
利用长证明模式（它大幅强化并泛化了我们早期工作中使用的推理工作流），我们已经攻克了理论计算机科学领域的多个开放问题，包括来自 FOCS 和 JMLR 等顶级会议与期刊的问题，以及模型量化和向量嵌入等实际应用难题。在下方，我们展示了七项代表性成果；除高德纳循环猜想（Knuth’s Cycles，其长达 40 页的证明已在 Lean 中完成形式化验证）外，其余成果均已由人类专家审阅并确认为正确。其中五篇论文现已发布在 arXiv 上。虽然这些成果是使用 Gemini 3.1 Pro 取得的，但其中三项（问题 1、3、4）使用 Gemini 3.7 Flash 同样成功复现——这是 Flash 级别模型首次在恰当的编排框架配合下产出如此博士水准的数学研究成果。其中部分成果使用了高于默认设置的并行度。Antigravity 上提供的版本在成本与能力之间取得了平衡，同时完整支持相同的工作流。
| 问题 | 运行结果 | 问题与解答链接 |
|---|---|---|
| 1. Lp 子空间逼近的核心集（Coresets） | 改进了 p>2 时 ℓp 子空间逼近的核心集构造界限 | 开放问题：FOCS 2025 解答：arXiv:2608.26047 |
| 2. 稀疏凸优化 | 建立了稀疏最小二乘目标函数条件数的条件性下界 | 开放问题：JMLR 2021 解答：arXiv:2608.02588 |
| 3. 最大内积嵌入（Maximal Inner Product Embeddings） | 几乎弥合了单向量与多向量嵌入在 Chamfer 相似度上的复杂度差距 | 开放问题：Jayaram 2026 解答：arXiv:2607.20393 |
| 4. 可证明的阿达玛量化（Provable Hadamard Quantization） | 消除了第二量化阶段，将主导常数降低了约 5.93× | 开放问题：Feng 等人，2026 解答：arXiv:2608.02564 |
| 5. 埃尔德什单位距离问题 (Erdős Unit Distance Problem) | 独立复现了关于单位距离指数的突破性成果 | 解答：GitHub（在无互联网访问的条件下独立重新发现了该问题的解法） |
| 6. 前缀矩阵分解（Prefix-Matrix Factorizations） | 前缀矩阵分解的近优下界 | 开放问题：Bulanek 等人，2026 解答：arXiv:2608.08238 |
| 7. 高德纳循环猜想（Knuth’s Cycles Conjecture） | 首次完成了偶数整数情形下两种更简洁构造的证明（篇幅分别达 40 多页和 70 多页）。 | 解答：GitHub |
使用 3.7 Flash 和 Teamwork 开展理论计算机科学基准测试
Teamwork 的长证明模式旨在通过协调众多 Agent（而非依赖单一的超大模型），充分发挥 Flash 系列模型的最大潜力。我们在 TCSBench 上对此完成了测试——TCSBench 是 Google 内部独立开发的一套涵盖理论计算机科学领域开放且具挑战性难题的评估套件。通过结合使用 Gemini 3.7 Flash 与 3.1 Pro，长证明模式在 TCSBench 上取得了 71% 的准确率——高于 TCSBench 论文中结合使用 Gemini 3.6 Flash 与 3.1 Pro 所报告的 67.7%，也是我们内部测试迄今取得的最高分。在长证明模式中组合使用 Flash 和 Pro 模型的能力将在后续更新中推出。
基于 Aletheia 的自我验证
Teamwork 还引入了“自我验证”模式，它可以迭代式地生成、验证和修订数学论证。该模式的灵感源自今年早些时候发布的自主数学研究 Agent Aletheia。Aletheia 曾在 FirstProof 挑战赛中展现出研究级的数学能力，现在我们通过 Antigravity 中的 /teamwork-preview，将受该测试框架启发的模式分享给广大数学家和科研人员。
系统工程
CPU 仿真领域的实例
可引导操作系统的 RISC-V 模拟器
利用 Gemini 3.7 Flash，Teamwork 从零构建了一个高精度的周期级乱序执行（OoO）RISC-V CPU 模拟器，不仅成功将操作系统（xv6）引导启动至 Shell 界面，还成功仿真运行了 100 多个 RISC-V 标准基准测试。Teamwork 通过两个独立阶段实现了这一目标：（1）微架构功能正确性阶段与（2）周期级时序验证阶段。在第一阶段，Agent 开发核心执行逻辑，包括乱序执行（OoO）流水线和重排序缓冲区（ROB）。这一阶段重点确保模拟器能够引导启动操作系统，并在与功能参考标准（functional oracle）比对验证时保持正确的架构状态。在第二阶段，Teamwork 将性能特征与严格的时序参考标准对齐校准。
Teamwork 通过执行微架构基准测试、对其生成的架构执行轨迹开展推理，并对比物理隔离的 BOOM 模拟器与 Teamwork 生成方案之间的最终周期数差距，从而自主构建并验证不同的微架构单元（如 MSHR、ROB 和缓存）。与 BOOM 硬件执行的真实基准数据（ground truth）相比，Teamwork 模拟器在未见过的测试工作负载上实现了平均仅 0.71% 的周期对齐误差。
这项工作超越了静态软件转换，深入到了复杂、非确定性的时序硬件仿真领域。其中的核心挑战在于我们所说的“静默执行差距”（silent execution gap）：在长达数百个时钟周期的窗口期内，微架构状态可能已经悄然发生偏离，直到很久之后才表现为可见的架构级故障。为了防止作弊，我们对 Spike 模拟器的源代码实施了沙箱隔离。Teamwork 的解决方案通过与物理隔离的 Spike 参考模拟器保持持续的锁步同步协同仿真，有效克服了这一执行差距。
工程与编程
开源工程贡献
性能优化：Eigen 与 ParlayHash
Eigen 是一个高度优化的线性代数 C++ 模板库，在 Google 内部以及更广泛的开源社区中被广泛使用。我们指示 Teamwork 运行 Eigen 微基准测试套件，对具体实现方式不设任何限制——唯一的要求是基准测试本身必须保持原样不变。
Teamwork 发现 Eigen 库在处理单行或单列矩阵的 GeMV 运算时存在次优实现。它为此创建了一条专用的快速执行路径，实现了直接数据访问以及带 4 路累加器展开的 SIMD 运算。在 Gemini 3.6 Flash 的协助下，我们走完了完整的开源代码审查流程，成功将该项修改贡献给了上游 Eigen 库。
此外，Teamwork 还参与了 Swiss Parlay 的构思设计，将 Swiss Table 的多项优化引入到高性能开源并发哈希表 ParlayHash 中。与原版 ParlayHash 相比，Swiss Parlay 取得了以下成果：
- 在 64 线程初始插入操作上实现了 2 倍吞吐量提升
- 在单线程下实现了 1.5 倍整体吞吐量提升
- 在每个元素减少 25% 内存占用的同时，接近最佳顺序哈希表（FlatHashMap）的性能表现
- 该项优化已合入上游 ParlayHash 库
这两项变更均已正式合入对应的开源代码库（Eigen 提交记录、ParlayHash 分支）。这些绝非仅停留在纸面基准测试上的数字，而是通过标准开源代码审查、被外部维护者正式接纳的真实工程贡献。
下一步计划
我们在此展示的这些问题——开放性数学猜想、性能关键型基础库代码以及硬件仿真——传统上都是资深专家需要耗费数月心血才能攻克的专属领域。Teamwork 大幅压缩了迭代周期，同时让领域专家始终牢牢把控研究方向与最终验收标准。
Teamwork 由公开可用的 Gemini 模型驱动，我们将在未来几周内把这些改进以及更多功能陆续推送到 Antigravity 的 /teamwork-preview 中。如果你正在从事前沿创新任务，哪怕智能水平只有微小的提升也能带来巨大改变，欢迎在 Google Antigravity 中试用 /teamwork-preview，探索多 Agent 协作能为你自己的科研与工程挑战带来怎样的突破。