Google称，Gemini 4 Argon在Agent Development Kit（ADK）的Python代码库上连续工作了11小时，全程无需人工干预。ADK是一个用于构建和部署智能体的开源框架。此次运行产出了两项获Google采纳的优化：一项将长会话中的内存会话准备开销降低了约40%，另一项则让软件包冷启动导入速度提升了21%。
这项任务旨在测试模型能否改进现有项目，而非从零开始构建应用。ADK约有20.5万行代码，分布在近800个源文件中。Google软件工程师Bo Yang在2026年10月13日发布的文章中介绍了这次通宵运行；InfoQ也报道了相关结果。
Argon做了哪些改动？
其中一项改动让ADK在复制对话事件前先进行筛选。此前，内存会话服务会先复制完整对话，再将其缩减为调用方请求的事件。另一项改动则推迟加载大型软件包，直到确实需要时才加载。此前，即使基础文本智能体并未使用音频、视频、追踪和网络服务器相关组件，也会导入这些组件。
Google称，随着对话变长，会话处理方面的改进能节省时间。在一次包含158轮工具调用的运行中，去掉重复复制操作后，框架开销从65.6秒降至56.1秒。这些时间是框架本身耗费的时间，不包括模型完成任务所需的时间。Google还称，延迟加载的改动让冷启动导入速度提升了21%，但文章没有给出导入所节省的绝对时间。
为引导这次运行，团队在.agents/skills文件中添加了针对代码库的说明，并在Google Antigravity中使用/goal模式，让任务在会话持续期间始终保持明确。Argon针对四种工作负载测量了基准数据，跨32个文件提出六项优化，并在结束前运行了全部16,892项开源单元测试。
为什么四项建议未通过评审？
Google提出的六项改动中，只有两项获采纳。开发者评审后否决了另外四项，顾虑包括可靠性、可维护性、兼容性，以及性能提升是否足够显著。一项被否决的缓存方案在合成多智能体基准测试中提升了17%，但Google表示，如果Python在垃圾回收后复用了某个内存地址，该方案可能返回过期数据。
这次运行展现了Google团队认为有用的能力：智能体可以追踪跨文件的改动，并准备好代码供人工评审。但这并不能证明智能体可以不经评审，就安全地完成并发布改动。Google称，此前的一次尝试未能遵循团队惯例，也遗漏了一些边缘情况；这次通宵运行仍需要维护人员判断哪些建议可以安全保留。
为什么重要
对于维护大型Python项目的软件团队，这个案例表明，编程智能体或许能跨文件寻找性能优化，而不只是修改单个函数。相关结果来自Google自己的介绍，而且其工程师仍否决了四项建议，因此这次运行并不能证明团队可以省去测试或代码评审。
