DIRTY STATIC / DESPACHO Tutoriales16 NOV. 2026 • 14 MIN DE LECTURA
Una sala de control de concreto con una pantalla grande que muestra un guion de flujo de trabajo y agentes robot que esperan tras una puerta de seguridad amarilla, con franjas de peligro en el suelo
TutorialesINTELIGENCIA PARA LA ERA DE LAS MÁQUINAS

Ejecuta Dynamic Workflows de Antigravity con seguridad paso a paso

Dynamic Workflows en Google Antigravity convierte una sola petición en un guion de Python que ejecuta muchos agentes por ti. La velocidad es real, y también lo es el riesgo de aprobar un guion que no leíste. Este tutorial pone las barreras en orden. Ajusta primero los permisos, empieza con una tarea que solo lee, pasa a editar un elemento a la vez con pipeline(), y guarda un guion solo después de que sus resultados se ganen tu confianza.

Empezar a leer ↓

Un flujo de trabajo que ejecuta muchos agentes a la vez puede hacer mucho buen trabajo en pocos minutos. También puede hacer mucho trabajo no deseado en los mismos pocos minutos, y cada agente seguirá el guion con confianza total. Google Antigravity lanzó Dynamic Workflows el 13 de noviembre de 2026. La función merece una primera ejecución cuidadosa, no una valiente.

La idea es simple de decir. Escribes /run-workflow y una tarea. El agente lee una habilidad que viene con Antigravity y escribe un guion corto en Python para esa tarea. Tú lees el guion y lo apruebas, el guion se ejecuta en segundo plano, y el agente principal resume los registros y la salida cuando el guion termina.

Este tutorial sigue la documentación oficial de Antigravity para Dynamic Workflows y para los comandos de barra, revisada el 16 de noviembre de 2026. No afirma haber hecho una ejecución propia. El orden de abajo es el caso de seguridad completo. Los permisos van antes que las peticiones, la lectura va antes que la edición, y la secuencia va antes que el trabajo en paralelo. Nuestra guía anterior sobre revisiones de flujos en paralelo cubre la tarea de revisión en paralelo en sí. Esta guía cubre el despliegue que debe venir antes de confiarle ediciones a esa tarea.

Qué vas a construir o aprender

Vas a preparar una ruta segura para Dynamic Workflows en tres etapas. Primero, una tarea que solo lee código e informa de vuelta. Segundo, una tarea por etapas de los ejemplos oficiales, donde un error a la vez recibe una prueba que falla y luego una corrección. Tercero, un guion guardado que puedes ejecutar otra vez, conservado solo después de que las dos primeras etapas produzcan resultados que revisaste tú mismo.

También aprenderás los controles que deciden cuánto daño puede hacer un guion malo. Esos controles son el nivel de permisos, la elección entre parallel() y pipeline(), el modelo nombrado para cada agente, el espacio de trabajo de cada agente, y el esquema que da forma a cada resultado. Ninguno es difícil de ajustar. Todos son fáciles de saltar, y saltarlos es la forma en que los agentes en paralelo convierten un error pequeño en uno grande.

Una persona que revisa un guion de flujo impreso con un marcador amarillo mientras agentes robot esperan tras franjas de peligro El guion es el contrato. Léelo mientras los agentes aún esperan. Ilustración: Dirty Static

Antes de empezar

Empieza desde un estado limpio que puedas medir. Guarda o aparta tu trabajo actual, luego ejecuta git status y anota el resultado. Si un flujo cambia más tarde un archivo que no esperabas, ese primer registro es la forma de saberlo. Trabaja en una rama que puedas descartar, no en la rama desde la que publicas.

Entiende qué significa el aislamiento aquí. Cada agente que un flujo inicia es un agente completo con su propia conversación. No puede ver el guion y no puede ver a los demás agentes. El guion debe dar a cada agente todo el contexto que necesita en su petición, y una forma de resultado que debe cumplir. Una petición corta que estaría bien para un agente se convierte en una orden débil repetida a gran escala.

Conoce los bloques básicos antes de que el primer guion llegue frente a ti. phase(name) inicia una fase con nombre y agrupa los registros y las tarjetas de agente bajo ella. log(*args) añade una línea a una fase. agent(prompt, schema, role, type_name, workspace, model) define un agente, y cada agente devuelve su resultado por una herramienta llamada finish, que revisa el resultado contra el esquema. parallel(items, fn) ejecuta una función por elemento al mismo tiempo y devuelve los resultados en el orden de los elementos, y si un elemento falla los demás se cancelan. pipeline(items, fn) procesa los elementos uno a la vez y devuelve los resultados en el orden de los elementos.

La petición de Antigravity que pide a la persona aprobar un guion de flujo generado antes de que se ejecute
Antigravity muestra el guion de Python generado y pide aprobación antes de que el flujo se ejecute. Google Antigravity documentation

Paso 1: Ajusta los permisos para que los guiones pidan primero

Acción: abre tus ajustes de permisos en Antigravity y elige un nivel que te pida aprobar un guion de flujo antes de que se ejecute. La documentación nombra Turbo como un nivel que puede permitir un guion sin esa petición. Turbo puede servir para un guion que ejecutaste muchas veces. No sirve para una primera ejecución, una tarea nueva o un guion que nunca leíste.

Resultado esperado: cuando lanzas un flujo, Antigravity muestra el guion en una petición que pregunta, en las palabras de la documentación, Allow running this workflow script? Si no aparece ninguna petición, tu nivel ya permitió el guion. Cambia el nivel antes de seguir, salvo que esa elección se haya hecho a propósito para este guion exacto.

Paso 2: Ejecuta una primera tarea que solo lee

Acción: en cualquier conversación de la aplicación o de la interfaz, escribe /run-work y pulsa Tab para insertar el comando de flujo, luego añade una tarea que solo lee. Usa la petición de abajo para una primera ejecución, y cambia solo el nombre de la rama si tu rama principal tiene otro nombre.

Antigravity App or CLI

/run-workflow List the Python files changed since main, then review each file in parallel for unhandled exceptions using the flash model, and log a one-line verdict per file.

Resultado esperado: el agente escribe un guion y espera tu aprobación. Nada se ha ejecutado aún, y ningún agente ha tocado un archivo. Este es el momento más barato de todo el proceso para atrapar una tarea equivocada, un modelo equivocado o una lista de archivos mucho más grande de lo que esperabas.

Paso 3: Lee el guion contra una lista corta de control

Acción: lee el guion línea por línea y revisa seis puntos en orden. Las fases coinciden con las etapas que pediste. Cada petición agent() lleva la tarea y el contexto completos, porque el agente no puede ver el guion. Cada schema coincide con el resultado que quieres, como una lista de cadenas para rutas o una cadena simple para un veredicto. El modelo encaja con el trabajo, con flash_lite o flash para revisiones rápidas en muchos archivos y pro para un razonamiento más profundo, según la documentación. El espacio de trabajo encaja con el riesgo, con el espacio por defecto para una tarea que solo lee. El guion usa parallel() solo donde los elementos no dependen entre sí y no editan archivos compartidos.

Resultado esperado: cada línea hace lo que esperas y nada sale de la tarea. Si una línea te sorprende, elige No en la petición de aprobación y di al agente qué cambiar. La documentación da ese camino exacto. Niega, describe el cambio en palabras simples, y lee el guion nuevo desde el inicio.

Paso 4: Aprueba una vez y mira cómo ocurre el trabajo

Acción: en la petición de aprobación, elige la opción que permite este guion solo esta vez. No elijas una opción que permita siempre los guiones, y no amplíes una aprobación a guiones que no viste. Una aprobación cubre ese guion exacto, y la documentación nota que una regla de prefijo de comando no puede cubrir un guion de Python.

Mientras el flujo se ejecuta, abre el paso del flujo en tu conversación. Deberías ver una sección por fase, las líneas de registro de esa fase, y una tarjeta por agente con su rol y su estado. Haz clic en una tarjeta de agente para abrir esa conversación de agente en el panel lateral. Allí puedes leer su petición, mirar sus llamadas a herramientas, responder a una petición pendiente o enviarle un mensaje.

Resultado esperado: el título del paso muestra la fase actual y cuántos agentes terminaron, y el flujo aparece bajo Background Tasks en la vista Overview del panel lateral. El flujo se ejecuta en segundo plano, así que puedes seguir trabajando en la misma conversación. Para detener un flujo pronto, detén la conversación madre. La documentación afirma que detener la madre también detiene a cada agente del flujo en ejecución.

Paso 5: Pasa a editar un elemento a la vez

Acción: solo después de una primera ejecución limpia, usa pipeline() para una primera tarea de edición. La secuencia es la función de seguridad aquí. Los elementos que tocan archivos compartidos o una suite de pruebas compartida deben pasar uno a la vez, para que una corrección mala detenga la línea en vez de extenderse por los archivos. La petición de abajo es el ejemplo por etapas de la documentación oficial.

Antigravity App or CLI

/run-workflow Process BUG-1.md and BUG-2.md one at a time: for each bug, have one agent write a failing pytest test and a second agent fix the code until the new test passes.

Resultado esperado: el guion trabaja en el primer error, escribe una prueba que falla, corrige el código, y solo entonces pasa al segundo error. Lee el guion nuevo con la misma lista de control del Paso 3, y presta atención especial al ajuste del espacio de trabajo. Para trabajo por etapas en un solo espacio, la secuencia es lo que impide que dos agentes editen el mismo archivo al mismo tiempo.

Agentes robot que pasan uno a la vez por una puerta de control amarilla en un salón de concreto Uno a la vez es más lento, y ese es el punto para una primera tarea de edición. Ilustración: Dirty Static

Paso 6: Revisa el resultado tú mismo

Acción: cuando el guion termina, lee el resumen que te da el agente principal, luego revisa el trabajo con tus propias herramientas. Ejecuta git status y lee la diferencia completa. Ejecuta la suite de pruebas que el flujo usó, más cualquier suite más amplia que el cambio pudiera tocar. Compara el conteo de agentes y el modelo que cada uno usó con la lista de elementos que esperabas, porque ese conteo es lo que la tarea costó en créditos del plan.

Resultado esperado: la diferencia contiene solo los archivos que la tarea nombró, las pruebas nuevas pasan, y cada resultado registrado coincide con el esquema que el guion fijó. Las lecturas de archivos, las búsquedas y los registros de pruebas quedan dentro de las conversaciones de los agentes, así que una conversación principal limpia no es prueba de que el trabajo esté limpio. La diferencia es la prueba. Si un archivo cambió sin que la tarea lo nombrara, revierte ese archivo y trata el guion como aún no seguro para guardar.

Paso 7: Guarda un guion solo después de que se gane la confianza

Acción: cuando un flujo haya producido resultados revisados más de una vez, pide al agente que guarde el guion en un archivo .py de tu espacio de trabajo. Guárdalo con tu código, revisa sus cambios como revisas cualquier código, y ejecútalo otra vez con una petición que nombre el archivo.

Antigravity App or CLI

/run-workflow Run scripts/review-changes.py

Resultado esperado: Antigravity te pide aprobar el guion cada vez que se ejecuta, salvo que hayas elegido permitirlo siempre. Mantén esa aprobación en su lugar para guiones que editan código. El guion se ejecuta en un proceso aparte en el entorno de Python que viene con Antigravity. Si necesitas otro intérprete, ajusta la variable de entorno ANTIGRAVITY_PYTHON, según la cobertura del lanzamiento basada en la documentación. Para un contexto más amplio sobre dar a los agentes un lugar de trabajo acotado, mira nuestra guía sobre sesiones de agente en espacio aislado.

Verificación

Haz estas revisiones y anota los resultados. Tu nivel de permisos produjo una petición de aprobación antes de que el primer guion se ejecutara. La primera tarea no cambió ningún archivo, lo que git status confirma contra el registro que tomaste antes de empezar. La tarea por etapas avanzó por sus elementos en orden, y sus resultados volvieron en el orden de los elementos. Cada resultado coincidió con su esquema, y el conteo de agentes coincidió con la lista de elementos que esperabas.

Termina con dos conteos. Cuenta los archivos en la diferencia final y nombra cada uno según la tarea. Luego cuenta los agentes que el flujo inició y el nivel de modelo que cada uno usó. Un flujo del que no puedes dar cuenta en esos dos conteos es un flujo que aún no entiendes lo bastante bien para ejecutarlo otra vez.

Solución de problemas

ProblemaCausa probableSolución
No aparece ninguna petición de aprobaciónTu nivel de permisos ya permite los guiones de flujoElige un nivel que pida antes de que un guion se ejecute, salvo que el permiso se haya ajustado para este guion exacto
Un guion hace más que la tarea que disteLa petición era vaga o el guion añadió etapas que no pedisteElige No, nombra las etapas a quitar, y lee el guion nuevo desde el inicio
Un agente falla y los demás se detienenparallel() cancela los demás elementos cuando un elemento falla, según la documentaciónCorrige la causa del elemento que falló, luego ejecuta el flujo otra vez solo para los elementos que faltan
Un agente espera y nada se mueveEse agente tiene una petición de aprobación pendiente en su propia conversaciónAbre la tarjeta del agente, lee la petición en el panel lateral, y responde allí
Ediciones en paralelo chocan o se sobrescribenAgentes editaron código mientras compartían un solo espacio de trabajoCambia la tarea a pipeline() para la secuencia, o da a cada agente en paralelo un espacio de rama para que cada uno tenga su propio árbol de trabajo de Git
Los resultados vuelven en formas desigualesEl esquema era flojo o faltaba en una llamada de agenteAjusta el esquema de cada agente, niega el guion, y pide al agente que lo escriba otra vez
Los créditos se acaban más rápido de lo previstoMuchos agentes hacen cada uno muchas llamadas al modelo en una lista grande de elementosUsa flash_lite o flash para revisiones grandes, recorta la lista de elementos, o pasa el trabajo por etapas a pipeline()
Un nombre de modelo es rechazadoEl nivel en el guion no está disponible en tu planUsa un nivel que el mensaje de error liste como válido para tu cuenta

Próximos pasos

Sigue la misma ruta segura en una tarea de tu propio trabajo esta semana. Una revisión semanal de archivos cambiados es una buena primera tarea, y una auditoría de cada paquete antes de una entrega es una buena segunda tarea. Mantén las primeras ejecuciones en tareas que solo leen, amplía a la secuencia para editar, y añade la edición en paralelo con espacios de rama solo después de varias ejecuciones revisadas.

Si una tarea necesita que los agentes hablen entre sí mientras trabajan, un guion de flujo es la herramienta equivocada para esa tarea. La documentación orienta ese caso a /swarm, donde los agentes comparten un tablero de mensajes. Los guiones son para un control que puedes enunciar por adelantado y leer antes de que se ejecute. Ese límite es lo que hace que un flujo merezca confianza.

Fuentes

  • Documentación de Google Antigravity, Dynamic Workflows (/run-workflow), antigravity.google/docs/dynamic-workflows, revisada el 16 de noviembre de 2026. La fuente para el desarrollo del flujo, los bloques básicos, las opciones de modelo y espacio de trabajo, los permisos, los pasos de seguimiento y el ejemplo de error por etapas.
  • Documentación de Google Antigravity, Slash commands, antigravity.google/docs/slash-commands, revisada el 16 de noviembre de 2026. La fuente para la disponibilidad de /run-workflow con Google AI Pro y Ultra.
  • Crédito de imagen: la captura de la petición de aprobación en este artículo viene de la documentación de Google Antigravity. Las demás imágenes son ilustraciones de Dirty Static.
■

FIN DE LA TRANSMISIÓN

Mantén la curiosidad. Cuestiónalo todo.

SIGUE EL DESCENSO

MÁS DE DIRTY STATIC ↘