Google เปิดตัว Antigravity 2.0 เป็น standalone desktop app ตัวใหม่สำหรับ orchestrate AI agent หลายตัวพร้อมกัน ช่อง Google Antigravity ยังเผยแพร่คลิปแนะนำการใช้งานเบื้องต้นความยาว 16 นาที ชื่อ "Google Antigravity 2.0 Beginner's Guide" ในคลิปสาธิตการสร้างเว็บเกมตั้งแต่ศูนย์จนเป็น full-stack app ภายในไม่กี่นาที โดยใช้โมเดล Gemini 3.5 Flash เป็นเครื่องยนต์หลัก จุดที่ต่างจาก AI IDE ทั่วไปคือ Antigravity 2.0 ออกแบบมาให้รัน agent หลายตัวขนานกัน มี sub-agent ที่ agent ตัวหลักเรียกใช้เองได้ มี scheduled task รายวัน และยังทำงานเบื้องหลังต่อแม้ปิดหน้าต่างแอปไปแล้ว
ก่อนหน้านี้ Google เปิดตัว Antigravity IDE ครั้งแรกเมื่อไม่ถึงหนึ่งปีก่อน ซึ่งมาพร้อมฟีเจอร์ Agent Manager ที่เป็นหนึ่งใน agent-first GUI รุ่นแรก ๆ ของตลาด ทาง Google ระบุว่ามีผู้ใช้งานหลักล้านคน ทั้งนักพัฒนาและคนที่ไม่ใช่นักพัฒนา จึงเก็บ feedback มาปรับปรุงและรวมเข้ากับความสามารถที่ Gemini รุ่นใหม่ทำได้ดีขึ้น จนกลายเป็น Antigravity 2.0 ที่วางตัวเป็น "เดสก์ท็อปแอปสั่งงาน agent" ไม่ใช่แค่ตัวแก้โค้ดอีกต่อไป
1. Antigravity 2.0 คืออะไร และต่างจาก IDE เดิมตรงไหน
Antigravity 2.0 คือ standalone desktop app ที่ทำหน้าที่เป็น launchpad สำหรับสั่ง AI agent ไม่ใช่ text editor ที่ใส่ AI ครอบไว้ด้านบน แกนของแอปคือ "project" หรือกล่องรวม folder ของไฟล์ + git repository ให้ agent เข้าไปทำงาน เมื่อสร้าง project แล้ว ผู้ใช้เปิดบทสนทนากับ agent ได้หลายเส้นทางพร้อมกัน โดยแต่ละบทสนทนาเรียกว่า conversation และทำงานแยกกันได้อย่างอิสระ
ตามที่ Google Antigravity นำเสนอในคลิป ผู้ใช้งานเดิมของ Antigravity IDE จะได้ Antigravity 2.0 ผ่านอัปเดตของ IDE ตัวเดิม และเลือกเก็บแอป IDE เดิมไว้ใช้ควบคู่ระหว่าง migrate ได้ ส่วนผู้ใช้ใหม่จะเริ่มที่หน้า onboarding ให้เลือกติดตั้ง skill และ plugin ที่เชื่อมกับผลิตภัณฑ์ Google เช่น modern web guidance สำหรับให้ agent เข้าใจแนวทางพัฒนาเว็บยุคปัจจุบัน หรือ Chrome Dev Tools สำหรับเชื่อม agent เข้ากับ Chrome โดยตรง
จุดที่ทำให้ Antigravity 2.0 เป็น agent-first จริง ๆ มีอยู่หลายชั้น ซึ่งบทความนี้จะแยกอธิบายทีละจุด เพื่อให้นักพัฒนาและผู้สนใจ AI ในไทยเห็นภาพชัดว่าแอปสไตล์นี้ทำอะไรได้บ้าง และเหมาะกับงานแบบไหน
2. Voice input และ artifact implementation plan: เริ่มจากแผน ไม่ใช่จากโค้ด
ฟีเจอร์แรกที่ Google Antigravity ชูในคลิปคือการสั่งงาน agent ด้วยเสียง ผู้ใช้กดปุ่ม mic แล้วพูดสิ่งที่ต้องการได้เลย ในตัวอย่าง ผู้ใช้สั่งให้สร้างเว็บเกมชื่อ Street Guesser ที่ให้ผู้เล่นใส่ชื่อเมืองหรือลากกรอบบนแผนที่ แล้วทายชื่อถนนในย่านนั้นให้ครบ พร้อมระบุงบประมาณว่าให้ใช้ API ที่ราคาถูกที่สุด จุดสำคัญคือผู้ใช้ขอให้ agent ยังไม่เขียนโค้ด แต่ให้สร้าง implementation plan ออกมาก่อนในรูปของ artifact
artifact ในที่นี้คือเอกสารหรือ output ที่แยกออกมาเป็น panel ของตัวเอง ไม่ใช่แค่ข้อความใน chat Antigravity 2.0 ใช้ Gemini 3.5 Flash สร้างแผนภาพสถาปัตยกรรม (architecture diagram) ของระบบ พร้อมถามกลับให้ผู้ใช้ตัดสินใจ เช่น จะอนุญาตให้ผู้เล่นทายเมืองไหนในโลกได้บ้าง หรือจะใช้ full-stack framework หรือไม่ จากนั้นผู้ใช้ตอบด้วยการ leave comment ลงบน artifact โดยตรง คล้าย comment ใน Google Docs
ในคลิปของ Google Antigravity ระบุว่า workflow แบบ "plan ก่อน build" สำคัญ เพราะ agent ที่รันงานยาวต้องมีเป้าหมายชัดก่อนเริ่ม ไม่อย่างนั้นอาจหลุดทิศกลางทาง การให้ agent สร้างแผนเป็น artifact ที่ผู้ใช้เห็นและแก้ได้ก่อน proceed จึงช่วยลด rework และสอดคล้องกับ pattern ที่นักพัฒนา agent หลายค่ายใช้ในปัจจุบัน
3. Approve, reject, whitelist: control gate ที่ผู้ใช้ตั้งระดับเองได้
หลังจากรีวิว plan ผ่านแล้ว เมื่อกด proceed agent จะเริ่ม run command บนเครื่อง แต่ Antigravity 2.0 จะไม่ปล่อยให้ทำทันที ระบบจะถามผู้ใช้ก่อนทุก command ว่าจะ accept, reject หรือ whitelist คำสั่งนั้นไว้ตลอด ผู้ใช้ตั้ง default policy นี้ได้ใน settings ของแอป โดยมีตัวเลือกอย่าง sandboxing และ network permissioning สำหรับปรับระดับการ isolate ของ agent ให้ละเอียดขึ้น
Google Antigravity อธิบายในคลิปว่า gate นี้มีไว้เพื่อความปลอดภัย และช่วยให้ผู้ใช้เข้าใจว่า agent กำลังทำอะไรบนเครื่องอยู่ ผู้ใช้ที่คล่องแล้วสามารถลด friction ด้วยการ whitelist กลุ่มคำสั่งที่ใช้บ่อย เช่น npm install หรือคำสั่ง git ทั่วไป ขณะที่บางคำสั่งที่อาจกระทบระบบยังคงให้ถามทุกครั้ง
design นี้สำคัญสำหรับองค์กรในไทยที่กังวลเรื่องการให้ AI รันคำสั่งบนเครื่องโดยไม่ผ่านการอนุมัติ เพราะ policy ไม่ได้ฮาร์ดโค้ดแบบ all-or-nothing ผู้ใช้จึงกำหนดระดับเองได้ตามความเสี่ยงของ project
4. Work tree และ parallel conversation: รัน agent คู่ขนานโดยไม่ทับ branch กันเอง
เมื่อ feature แรกเสร็จและ agent run npm run dev ให้แล้ว ผู้ใช้ในคลิปต้องการเพิ่มฟีเจอร์อีกหลายอย่างพร้อมกัน เช่น เพิ่ม confetti animation, ออกแบบ trophy ด้วย image generation และเพิ่ม preset เมืองยอดนิยมบนหน้า homepage Antigravity 2.0 จึงใส่ work tree เข้ามา เป็นการ spin up folder ใหม่ที่ copy โค้ดของ project ไปทำงานคู่ขนานในพื้นที่แยก ขณะที่ agent หลักของบทสนทนาเดิมยังทำงานต่อใน folder หลักโดยไม่กระทบกัน
work tree เป็นกลไกที่นักพัฒนาคุ้น git จะเข้าใจทันที เพราะ git มีคำสั่ง git worktree ให้ทำงานในหลาย branch พร้อมกันโดยไม่ต้อง switch กลับไปกลับมา Antigravity 2.0 หยิบแนวคิดนี้มาผูกกับ conversation ของ agent โดยตรง เมื่อสั่งงานใหม่ ผู้ใช้เลือกได้ว่าจะให้ agent ทำใน main conversation หรือสร้าง work tree ใหม่ จึงรัน 3-5 conversation พร้อมกันใน 3-5 work tree แยกได้อย่างเป็นระเบียบ
นอกจากนี้ Google Antigravity ระบุว่าการรันด้วยโมเดลเร็วอย่าง Gemini 3.5 Flash ทำให้ agent ทำงานจบเร็วมาก จน "agent รอให้ผู้ใช้ feedback" บ่อยกว่าที่ผู้ใช้ต้องรอ agent นับเป็นการพลิกประสบการณ์ใช้ AI dev tool แบบเดิมที่มักต้องรอ output นานหลายนาทีต่อ task
5. Sub-agent: agent ที่บริหารทีม agent ของตัวเอง
ฟีเจอร์ที่ Google Antigravity เน้นมากที่สุดในคลิปคือ sub-agent หรือความสามารถของ agent หลักในการ spawn agent ลูกหลายตัว เพื่อแบ่งงานยากออกเป็นชิ้นเล็กแล้วทำขนานกัน ในตัวอย่าง ผู้ใช้สั่งงานใหญ่หนึ่ง task คือเพิ่ม backend SQLite ให้ Street Guesser เพื่อเก็บ favorite map, ประวัติเกม และคะแนนสูงสุดของผู้เล่น พร้อมขอให้ agent spin up sub-agent หลายตัวพร้อมกัน แล้วบอกเมื่อทุกตัวเสร็จ
ในตัวอย่าง agent หลักแบ่งงานออกเป็น 3 sub-agent ที่มี role ต่างกัน ได้แก่ browser test agent สำหรับ end-to-end QA, UI/UX designer agent และ database + API engineer agent จากนั้น agent หลักตั้ง timer ของตัวเองไว้ 90 วินาทีเพื่อกลับมาเช็คความคืบหน้าของ sub-agent ทั้งหมด ถ้า sub-agent ตัวไหนติด เช่น ต้องการสิทธิ์เข้า /dashboard ระบบจะโผล่ปุ่ม approve ให้ผู้ใช้กดผ่านได้จาก artifact pane เพียงคลิกเดียว
Google Antigravity ยกตัวอย่างว่าใน task ที่ซับซ้อนกว่านี้ agent อาจ spawn sub-agent ตั้งแต่ 5 ถึง 20 ตัว เพื่อกระจายงานให้ทำขนานกันและให้ sub-agent ตรวจงานของกันเอง แนวคิดนี้สะท้อนทิศทางใหม่ของ AI agent tool ที่เริ่มย้ายจาก "1 agent ทำงานยาว" ไปสู่ "agent หลายตัวทำงานเป็นทีม" คล้าย pattern multi-agent ที่ Anthropic ใช้ใน Claude หรือ pattern subagent ใน Claude Code ซึ่งเป็นทิศทางที่นักพัฒนา agent ในไทยน่าติดตาม
6. /browser command: ให้ agent ทดสอบโค้ดของตัวเองผ่าน Chrome จริง
ฟีเจอร์ที่ทำให้ผู้ใช้ในคลิปประหลาดใจคือ /browser command ซึ่งต่อ agent เข้ากับ Chrome ที่ทำงานในโหมด remote debugging เพื่อให้ agent ทดสอบ web app ของตัวเองได้จริง setup ใช้เวลาเพียงไม่กี่คลิก เพราะ Antigravity 2.0 พาผู้ใช้ไปที่หน้า remote debugging ของ Chrome แล้วกลับมาตรวจสอบให้อัตโนมัติ
ตัวอย่างที่น่าสนใจคือผู้ใช้สั่ง /browser แล้วให้ agent ลองเล่นเกมที่เพิ่งสร้างเสร็จ โดยตั้งโจทย์ให้ทาย street ใน Treasure Island, San Francisco และอนุญาตให้ agent โกงด้วยการ web search หาคำตอบ agent เรียก sub-agent มาทำหน้าที่นี้ และดึง list ของ street name จาก API ในขั้นแรก จากนั้น sub-agent พบเองว่าไม่ได้กดปุ่ม Enter หลังพิมพ์ชื่อ street แต่ละครั้ง จึงไม่มี street ใด register เข้าไป agent จึงปรับ logic ของตัวเองและทำสำเร็จ 100% ในรอบถัดไป
ความสำคัญของ /browser ในมุม dev คือ agent ไม่ได้แค่ "เขียนโค้ด" แต่ปิด loop ทดสอบโค้ดของตัวเองได้ด้วย ซึ่งเป็นขั้นสำคัญที่สุดของ workflow agentic เพราะถ้า agent verify งานของตัวเองได้ ผู้ใช้ก็ไม่ต้องเปิด browser ไปตรวจ manual ทุกรอบ ส่วนในมุม non-coder ฟีเจอร์นี้แปลว่า agent ทำหน้าที่ QA ที่กดทดสอบ flow ในเว็บแทนผู้ใช้ได้
7. Scheduled task: prompt ที่รันเป็น cron อยู่เบื้องหลังตลอดเวลา
ฟีเจอร์ใหม่อีกตัวที่ Antigravity 2.0 แนะนำในคลิปคือ scheduled task สำหรับตั้ง prompt ให้ agent รัน loop ตามเวลาที่กำหนด ตัวอย่างคือผู้ใช้ตั้ง task ชื่อ "morning street guesser" ให้รันตอนตี 5 ของทุกวัน โดยสั่งให้ agent เลือกเมืองใหญ่ในโลกที่ใช้ชื่อ street เป็นภาษาอังกฤษ เลือก sub-region ที่มี street ดัง พร้อมแนบ landmark หรือเรื่องราวประวัติศาสตร์ของย่านนั้น แล้วส่ง local link ของเกมมาให้ผู้ใช้เล่นตอนเช้า
จุดที่ทำให้ scheduled task ใช้งานได้จริงคือ Antigravity 2.0 ออกแบบให้ทำงานเบื้องหลังต่อแม้ปิดหน้าต่างแอป โดยมี icon เล็ก ๆ ของ Antigravity ค้างอยู่บน top menu bar ของระบบปฏิบัติการ พร้อมแสดงจำนวน agent ที่กำลังรันอยู่ ผู้ใช้จึงเปิด task แล้วไปทำอย่างอื่นได้ เมื่อ task เสร็จระบบจะ notify กลับมา
ในคลิปของ Google Antigravity ยกตัวอย่าง use case ของ scheduled task เช่น task ที่เช็คสถานะ PR ของ repository ของทีม หรือ task ที่สรุป brief งานประจำวันให้ผู้ใช้ก่อนเริ่มทำงาน ทำให้ Antigravity ขยายขอบเขตจาก dev tool ไปสู่ "background AI assistant" ที่ทำงาน async แบบ cron ระหว่างที่ผู้ใช้ทำอย่างอื่น
8. เหมาะกับใคร และข้อจำกัดที่ควรรู้
จากที่ Google Antigravity สาธิตในคลิป Antigravity 2.0 เหมาะกับผู้ใช้งานหลัก ๆ ดังนี้
- นักพัฒนาที่ทำงานหลาย feature ขนานกัน ซึ่งจะได้ประโยชน์เต็มจาก work tree + sub-agent + parallel conversation โดยเฉพาะคนที่คุ้นกับ git workflow อยู่แล้ว
- ผู้ใช้งานที่ไม่ใช่นักพัฒนา (non-coder) ที่อยากสร้าง web app ของตัวเองโดยสั่งด้วยเสียง แล้วให้ agent จัดการตั้งแต่ plan, code, ทดสอบ ไปจนถึง deploy ในเครื่อง
- ทีมที่ต้องการ background automation เช่น สรุปข่าว, monitor PR, brief งานประจำวัน ซึ่ง scheduled task เป็นเครื่องมือที่ตรงโจทย์
อย่างไรก็ตาม ผู้สนใจในไทยควรพิจารณา 3 จุด จุดแรก Antigravity 2.0 เป็น standalone desktop app จึงต้องติดตั้งบนเครื่อง ไม่ใช่ web service ที่เปิดผ่าน browser ผู้ใช้ที่ใช้ Chromebook หรือ tablet เป็นหลักอาจไม่สะดวก จุดที่สอง agent หลายตัวรันบนเครื่องผู้ใช้และเรียก API ของ Gemini ออกข้างนอก องค์กรที่มี data ที่ไม่ควรหลุดไปยัง cloud จึงต้องตั้ง sandbox + network permission อย่างรอบคอบก่อนใช้งาน จุดที่สาม คลิปแนะนำของ Google Antigravity ไม่ได้ระบุราคาและ rate limit ซึ่งเป็นข้อมูลที่ต้องตรวจสอบเพิ่มจากหน้าเว็บ anti-gravity.google ก่อนนำมาใช้กับงานจริง
9. สรุป
Antigravity 2.0 เป็นก้าวต่อของ Google ในทิศทาง agent-first โดยรวบรวม pattern ที่เคยกระจายอยู่ในเครื่องมือ AI dev tool ต่าง ๆ ทั้ง voice input, plan-first artifact, work tree, sub-agent, browser agent และ scheduled task มาไว้ในเดสก์ท็อปแอปเดียวที่รันเบื้องหลังได้ตลอด สำหรับนักพัฒนาและผู้สนใจ AI ในไทย เครื่องมือนี้น่าทดลอง โดยเฉพาะคนที่ต้องการ orchestrate agent หลายตัวพร้อมกันโดยไม่ต้อง wire เองทั้งหมด
Note: บทความนี้สรุปจากคลิป "Google Antigravity 2.0 Beginner's Guide" ของช่อง Google Antigravity ความยาว 16 นาที 14 วินาที เผยแพร่เมื่อ 2026-05-19 โดยคลิปสาธิตการใช้งานเบื้องต้นผ่านการสร้างเว็บเกม Street Guesser รายละเอียดเชิงเทคนิคเพิ่มเติม เช่น ราคา, system requirement และ rate limit ดูได้ที่เว็บไซต์ทางการ anti-gravity.google ที่ Google Antigravity ระบุไว้ท้ายคลิป
ที่มา: Google Antigravity 2.0 Beginner's Guide โดย Google Antigravity (YouTube)
ความคิดเห็น
ยังไม่มีความคิดเห็น เป็นคนแรกที่แสดงความเห็น!