谷歌用 Gemini 4 Argon 无人值守优化 ADK:会话准备降约 40%,冷启动导入降 21%
InfoQ 报道谷歌以 Gemini 4 Argon 对约 20 万行 Agent Development Kit 做 11 小时无人值守性能优化,两项改动分别降低长会话内存准备约 40% 与冷启动包导入 21%。
给「空仓库写绿场应用」和给「已有二十万行框架做性能手术」难度完全不同。InfoQ 报道称,谷歌工程师用 Gemini 4 Argon 对自家 Agent Development Kit(ADK)做了一次约 11 小时的无人值守优化试验:代码库逾 20 万行、约 800 个文件、近 1.7 万单元测试。最终有两项改动被合入:长会话场景下内存中会话准备开销约降 40%,冷启动时重型包导入时间约降 21%。
试验设定强调跨模块理解。团队先用短跑明确提示词需包含的单测与基准约定,再通过 .agents/skills 写入仓库级规范,并要求代理只加载当前任务所需 skill,以免撑爆上下文。目标用 Antigravity 的 /goal 模式跨上下文压缩保持:ADK 不应在启动、长会话、多代理与工作流中引入可感知开销;模型收到的内容与公共 API 不变;每次改动要有回归测试;只开 PR、不自动合并。
flowchart LR
P[提示词 + skills 规范] --> R[建立基线/提出优化]
R --> T[自审并跑约16892项单测]
T --> PR[提交带前后数据的PR]
PR --> H{维护者评审}
H -->|接受2项| A[会话拷贝过滤 + 懒加载]
H -->|拒绝4项| X[可靠性/可维护性等顾虑]
日志显示代理会读规范、建基线、提优化、自审并跑完全部开源单测。被接受的两项分别是:拷贝会话历史前先过滤事件,以及对重型包做懒加载。谷歌举例:单次 LLM 调用上几十毫秒人难感知,但在约 158 轮工具调用里,去掉多余拷贝可把整段运行从 65.6 秒降到 56.1 秒。同时 Argon 还产出 4 项被拒改动,原因涉及可靠性、可维护性、兼容性或收益不可测——说明「能改代码」不等于「能过人工门禁」。
对做编码代理与框架性能的团队,可借鉴的是:目标持久化、仓库 onboarding skills、强制前后测数字上 PR,以及把评审带宽算进总成本。数字与流程均以 InfoQ/谷歌原文为准。
适用读者:Agent 框架维护者、平台工程与关注 AI 改存量大库的研发负责人。