它想解决一个常见问题：
你跟 AI 讨论了两个小时，AI 觉得自己什么都懂，结果写出来的程序还是跟需求有落差。
Google 的做法是：让两个 AI 代理分工。
⸻
🐘 大象（Elephant）
负责记住项目脉络、讨论架构、整理需求，把决策写成设计文件。
🐟 金鱼（Goldfish）
刻意不继承之前的聊天记录，像第一次接手项目的工程师，重新审查设计。
金鱼会做三件事：
理解检查： 光看文件，能不能理解整个设计？
对抗审查： 有没有遗漏边界条件、隐藏依赖或逻辑问题？
实现检查： 文件、数据结构、函数接口是否清楚到可以开始写程序？
如果金鱼看不懂，就回去修改规格。
⸻
这套流程最有意思的地方，是把 AI Coding 的质量管控往前移。
以前是 AI 写完程序，人类才开始找问题。
现在可以在写第一行 Code 之前，就先让另一个 AI 挑出规格漏洞。
尤其适合跨文件修改、复杂功能、多人协作的项目。
目前官方 GitHub 已列出 Antigravity、Claude Code、Codex 的安装方式。
不过，审查通过仍不代表程序一定正确，人工验收与测试还是需要。
⸻
我觉得值得观察的是：
当 AI 越来越会写程序，「谁来检查 AI 理解得对不对」，可能会变成更重要的工作。
项目网站：https://github.com/google/elephant-goldfish-model