AIアシスタントに毎回同じような指示を出したり、過去と同じミスを繰り返されて非効率に感じた経験はないでしょうか。
Antigravity CLI に搭載されている /learn コマンドを使用すると、AIにプロジェクト固有の文脈や暗黙のルールを定着させることができます。本記事では、この機能を活用して回答精度を向上させ、継続的に開発効率を高める具体的な実践例を紹介します。
AIエージェントに自律的なコーディングを依頼する際、もっとも高いハードルとなるのが「要件定義（プロンプトの作成）」です。アイデアは頭にあっても、それを抜け漏れのない仕様書に落とし込むのは人間にとって骨の折れる作業です。
Antigravity CLI には、この問題を解決する強力なスラッシュコマンド /grill-me が搭載されています。人間が仕様を書き出すのではなく、AI側から人間に「質問攻め（逆インタビュー）」を行わせることで、曖昧なアイデアから仕様を固め、そのまま実装（自動コーディング）までを一気通貫で完遂させる機能です。
本記事では、この /grill-me を使って実際に当サイト（sawara.me）の新しいツール機能を追加した際の実践ログを通じ、AIによる要件定義の具体的なワークフローを紹介します。
Antigravity CLIでは、ビルド処理やテストの実行など、時間のかかるタスクをAIエージェントに依頼することがよくあります。しかし、通常の同期処理では、タスクが完了するまでエージェントの応答がブロックされてしまい、その間他の指示を出すことができません。
このような非同期タスクの監視や定期実行を効率化するために用意されているのが、Antigravity CLIのスケジュール機能です。本記事では、普段のチャット指示を通じた非同期タスク監視の基本ワークフローと、エンジニア向けの明示的なパラメータ制御について解説します。
開発プロセスにおいてAIにコード変更を指示する際、十分な調査や設計合意がないまま直接コードを書き換えると、意図しない変更や修正の手戻りが発生するリスクが高まります。このような課題を解決するために、Antigravity CLI には、実装前の「計画（Planning）」と成果物の「視覚的な管理（Artifact）」を組み合わせた開発フローが用意されています。
本記事では、対話画面から実行できる /planning コマンドと Artifact（成果物） 機能の役割を整理し、実際にプロジェクトへ単体テストを導入したプロセスをもとに、AIと開発者の間における認識の齟齬を防ぐアプローチについて解説します。
従来の Gemini CLI は、 2026年6月18日 をもってサポートおよびリクエストの受け付けが終了し、Googleの後継エージェントツールである Antigravity CLI （コマンド名： agy ）へ完全に統合されます。
本記事では、Macの Homebrew を使用したインストール手順、新旧ツールの比較、料金体系・クレジットモデルの変化について解説します。
AIに「いい感じのUIを作って」と頼んでも、プロジェクト独自の色味や、角丸サイズといったこだわりまではなかなか再現してくれません。
この「AIと人間の認識のズレ」を解決し、AIエージェントを強力なフロントエンドエンジニアに変えるための新標準、それが google-labs-code/design.md です。
今回は、この DESIGN.md の仕様を本サイト sawara.me に導入し、Gemini CLI でどのように活用しているかをご紹介します。
Gemini CLI を使って開発を進めていると、「さっきも同じ指摘をしたのに」「プロジェクトの規約を無視して別のライブラリを提案された」といった手戻りが発生することがあります。これらの問題の根本的な原因は、AIがプロジェクト特有の「文脈（コンテキスト）」を維持できていないことにあります。
AIを活用した開発フローを最適化するためには、チャットのたびに指示を繰り返すのではなく、AIが参照するコンテキストを Markdown ファイルとして定義しておくことが重要です。今回は、Gemini CLI の機能を最大限に引き出すための GEMINI.md 活用術を解説します。
Gemini CLIを日々の開発で活用していると、特定の定型作業（フレームワーク固有のコンポーネント作成、テストコードの自動生成、デプロイ手順の実行など）をより確実に、かつ効率的に行いたい場面が増えてきます。このような特定タスクへの「専門知識」をAIに持たせる仕組みが「Skills」機能です。
今回は、Skills機能の概要から実装手順、Gemini CLI上での確認方法までを詳しく解説します。