谷歌用Gemini 4 Argon优化ADK并降低框架开销

谷歌让 Gemini 4 Argon 对自家的 Agent Development Kit（ADK）代码库进行持续分析与性能调优。经过11小时无人值守运行，智能体最终提交了两项被采纳的改进，分别降低长会话内存准备开销约40%，并将冷启动时的包导入时间缩短21%。

这次任务用于检验模型理解和改造既有大型代码库的能力。ADK包含约800个文件、超过20万行代码以及近1.7万个单元测试，性能问题往往无法通过查看单个文件定位，需要结合调用关系、共享引用和跨模块行为进行分析。

工程师先通过短时间试运行调整提示词，使智能体遵守团队的单元测试和基准测试规范，再利用配置文件写入代码库专属规则，并要求它仅加载当前任务所需的技能，以减少上下文占用。最终使用 Antigravity 的 /goal 模式明确目标：保持模型输入和公开 API 不变，为每项改动补充回归测试，并提交一个包含前后数据、但不直接合并的拉取请求。

运行记录显示，Argon读取了仓库规范，建立性能基准，提出并审查修改方案，最后执行了全部16892个单元测试。它还完成了传统性能分析工具难以独立完成的跨模块排查：工具可以指出会话复制和包导入耗时，却不能自动追踪分布在40个文件中的调用者、mock目标及共享引用，从而验证优化不会破坏现有应用。

最终落地的两项改动，一是复制事件前先过滤会话历史，二是引入懒加载，让大型软件包仅在真正需要时导入。单次调用中28毫秒或78毫秒的差异并不明显，但在连续158轮内部工具交互中，优化使完整流程耗时从65.6秒降至56.1秒，减少了近10秒的框架开销。

谷歌同时指出，智能体能够修改现有代码库，并不意味着后续工程工作可以省略。Argon提出的4项修改在开发者评审阶段因可靠性、可维护性、兼容性或实际性能收益不足而被拒绝，PR评审、调试和测试仍是AI编码流程中的重要环节。