Hướng dẫn Google Antigravity (Phần 2): Tự động hóa tạo ảnh với công cụ generate_image

Bằng cách kết hợp trực tiếp tính năng tạo ảnh gốc với việc tổng hợp prompt có cấu trúc, bạn biến AI agent của mình từ một trình tạo văn bản thành một studio hình ảnh, cho ra những hình ảnh nhất quán, rõ nét và bám sát các thông số kỹ thuật của nhà phát triển.

Dưới đây là những gì bạn sẽ nhận được từ bài phân tích chuyên sâu này:

📝 Về loạt bài này: Chào mừng bạn đến với chuỗi bài "Nâng cao kỹ năng cho Antigravity Agent", một hướng dẫn kỹ thuật gồm 5 phần giúp bạn làm chủ các công cụ agent nhằm giảm thiểu chi phí điều phối và biến AI agent thành những cộng sự tự chủ: ask_question, generate_image, define_subagent + invoke_subagent, send_message và manage_subagents.

Vượt ra ngoài những khung hình xám

Nhiều người trong chúng ta khi xây dựng ứng dụng web, công cụ cho nhà phát triển hoặc thư viện thành phần đều đã từng sử dụng các khung hình giữ chỗ (placeholder) màu xám trong khi chờ đợi các tài nguyên hình ảnh mẫu.

Đây chính là lúc công cụ generate_image phát huy tác dụng. Khi một Antigravity agent thực thi generate_image, nó sẽ tổng hợp các văn bản prompt và thông số hình ảnh thành các tệp ảnh được lưu trực tiếp vào bộ nhớ artifact của cuộc hội thoại.

Việc truyền các prompt chưa qua xử lý mà không có cấu trúc trực tiếp vào generate_image sẽ dẫn đến sự thiếu nhất quán. Bằng cách mã hóa các thông số về ánh sáng, góc máy và bối cảnh vào trình tạo prompt của kỹ năng (skill), agent của bạn sẽ tạo ra những hình ảnh khớp hoàn toàn với ý định của bạn.

Kết xuất artifact gốc và lưu trữ ngữ cảnh

Trước khi đi sâu vào việc xây dựng kỹ năng, hãy cùng xem lại cách Antigravity quản lý các tệp phương tiện được tạo ra.

Khi generate_image chạy, hệ thống sẽ tự động lưu tài nguyên đầu ra vào thư mục artifact nội bộ của cuộc hội thoại (<appDataDir>/brain/<conversation-id>/). Công cụ này trả về đường dẫn tệp tuyệt đối, cho phép các kỹ năng của bạn kết xuất tài nguyên trực tiếp trong phản hồi chat bằng cú pháp markdown tiêu chuẩn:.

Hướng dẫn tham khảo về quy trình tạo ảnh của chúng tôi

Để thấy kiến trúc này hoạt động thực tế, hãy xem xét ví dụ về kỹ năng generating-mock-images. Lấy ví dụ về một cửa hàng thương mại điện tử bán cây cảnh và hoa, kỹ năng này tạo ra các tài nguyên sản phẩm mẫu, hiển thị hình ảnh kết quả để xem xét tương tác và xử lý việc lưu trữ tài nguyên trong không gian làm việc.

Hình 1: Khi chúng ta nhập prompt "Tạo ảnh mẫu hoa loa kèn trắng." hoặc "...hoa nhài", hoặc "...hoa hồng nhiều màu", kỹ năng generating-mock-images sẽ được agent tự động phát hiện và đọc vào ngữ cảnh. Kỹ năng này hướng dẫn agent tuân theo quy trình mà chúng ta đã thiết lập.

Chuyển sang chế độ toàn màn hình Thoát chế độ toàn màn hình

1. Tổng hợp prompt hình ảnh

Kỹ năng này kết hợp chủ thể sản phẩm đã chọn (cây cảnh hoặc cắm hoa do người dùng cung cấp) với các thông số nhiếp ảnh được mã hóa cứng chi tiết trong kỹ năng:

Chuyển sang chế độ toàn màn hình Thoát chế độ toàn màn hình

2. Thực thi công cụ và kết xuất artifact

Theo hướng dẫn của kỹ năng, agent tự động tạo và gửi một lệnh gọi công cụ (tool call) có cấu trúc tới generate_image. Dưới đây là mô phỏng về hình thức của lệnh gọi công cụ có cấu trúc đó:

Chuyển sang chế độ toàn màn hình Thoát chế độ toàn màn hình

Lưu ý, dù không hiển thị trong ví dụ này nhưng generate_image hỗ trợ bố cục hình ảnh một cách tự nhiên. Việc truyền tối đa ba đường dẫn tệp tuyệt đối vào tham số mảng ImagePaths sẽ hướng dẫn agent hòa trộn các logo, kết cấu nền hoặc khung dây tham chiếu hiện có thành các đồ họa tổng hợp.

Sau khi nhận được đường dẫn ảnh từ generate_image, agent sẽ kết xuất tài nguyên ngay lập tức trong khung chat:

Chuyển sang chế độ toàn màn hình Thoát chế độ toàn màn hình

3. Vòng lặp xem xét tương tác thông qua ask_question

Trong bài viết trước, "Nâng cao kỹ năng Antigravity Agent với quy trình làm việc UI tương tác", tôi đã thiết lập cách chuyển đổi các agent thụ động thành người phỏng vấn chủ động bằng cách sử dụng công cụ ask_question. Bằng cách đặt câu hỏi cho nhà phát triển ngay từ đầu, chúng ta đã loại bỏ sự mơ hồ của prompt.

Thay vì giả định rằng tài nguyên được tạo ra đã sẵn sàng để sử dụng ngay, agent sẽ hỏi nhà phát triển thông qua ask_question:

Chuyển sang chế độ toàn màn hình Thoát chế độ toàn màn hình

4. Vòng đời không gian làm việc và lưu trữ tài nguyên

Nếu nhà phát triển phê duyệt tài nguyên, agent sẽ sao chép tệp từ bộ nhớ artifact tạm thời sang <workspace>/public/images/<image_filename> và trả về một liên kết markdown có thể nhấp vào:

Chuyển sang chế độ toàn màn hình Thoát chế độ toàn màn hình

Nếu nhà phát triển chọn xóa hoặc tạo lại, agent sẽ xóa sạch artifact tạm thời để tránh tích tụ các tài nguyên không được kiểm duyệt.

Nếu agent của bạn đổ các artifact chưa được kiểm duyệt trực tiếp vào các đường dẫn tài nguyên sản xuất, bạn không phải đang tự động hóa thiết kế, mà là đang tự động hóa nợ kỹ thuật hình ảnh.

🎁 Bonus: Ba phản mẫu (anti-pattern) trong việc tạo tài nguyên hình ảnh bằng agent (và hơn thế nữa)

Khi bạn tích hợp các lệnh gọi công cụ đắt đỏ như generate_image vào quy trình làm việc tự động của nhà phát triển, hãy tuân thủ ba quy tắc này để duy trì tính nhất quán và hiệu quả:

1. Tránh tiêm prompt thô (raw prompt injection)

Tránh truyền trực tiếp dữ liệu đầu vào thô của người dùng vào generate_image. Hãy xây dựng một trình tạo prompt bên trong kỹ năng của bạn để chèn các tham số cụ thể (như bối cảnh, ánh sáng, góc máy và tùy chọn phong cách) nhằm đảm bảo kết quả đầu ra có tính xác định qua các lần chạy.

2. Tránh các liên kết bị hỏng

Sử dụng đường dẫn artifact tuyệt đối do generate_image trả về và di chuyển các hình ảnh đã được phê duyệt đến một vị trí cố định. Việc lưu trữ tài nguyên trong các thư mục tạm thời (/tmp) sẽ gây ra tình trạng hỏng liên kết khi cửa sổ ngữ cảnh bị xóa hoặc phiên làm việc bị khởi động lại.