Antigravity CLI একজন ডেভেলপারকে একটি Angular front-end, Firebase-এর Hybrid Web SDK এবং অন-ডিভাইস Gemini Nano মডেল ব্যবহার করে একটি ইমেজ-অ্যানালাইসিস অ্যাপ তৈরি করতে সাহায্য করেছে, যা ক্লাউড স্পর্শ না করেই Chrome-এ চলতে পারে। যে ব্রাউজারগুলোতে Nano মডেল চালানো সম্ভব নয়, সেখানে একই কোড Gemini 3.5 Flash-এ সুইচ করে (fall back), ফলে সবখানেই অভিজ্ঞতাটি কার্যকর থাকে।
কেন এই কম্বিনেশনটি গুরুত্বপূর্ণ
AI-চালিত ইমেজ ট্যাগিং, alt-text জেনারেশন এবং CSS সাজেশন অ্যাক্সেসিবিলিটি ও ডিজাইন উন্নত করে, কিন্তু প্রতিটি ফ্রেম একটি রিমোট মডেলে পাঠানো দ্রুত খরচ বাড়িয়ে দেয়। ব্রাউজারে সরাসরি Gemini Nano চালানোর মাধ্যমে, এই ডেমোটি বেশিরভাগ ব্যবহারকারীর জন্য টোকেন-ভিত্তিক বিলিং এড়াতে সক্ষম হয়েছে। শুধুমাত্র Safari বা অন্যান্য নন-Chrome ব্রাউজারগুলো ক্লাউড ফলব্যাক (cloud fallback) ট্রিগার করে, যার ফলে খরচ হয়।
যেসব উপাদান এটিকে সফল করেছে
- Antigravity CLI – একটি AI-চালিত অ্যাসিস্ট্যান্ট যা ডেভেলপারের টার্মিনালে থাকে। এটি কমান্ড লাইন না ছেড়েই ডকুমেন্টেশন জেনারেশন, ডোমেইন মডেলিং বা কোড রিভিউয়ের মতো বিশেষায়িত “skills” ব্যবহার করতে পারে।
- Stitch MCP Server – Google-এর প্রদান করা একটি সার্ভিস যা ন্যাচারাল-ল্যাঙ্গুয়েজ প্রম্পটকে ইন্টারঅ্যাক্টিভ UI স্ক্রিনে রূপান্তর করে। ডেমোটিতে এটি প্রাথমিক ডিজাইন তৈরি করেছিল, যা CLI একটি
DESIGN.mdটোকেন ফাইল হিসেবে এক্সপোর্ট করেছিল। - Angular MCP Server – Angular ডেভেলপমেন্ট সার্ভারের জন্য বেস্ট-প্র্যাকটিস স্ক্যাফোল্ডিং (scaffolding) এবং টুলিং সরবরাহ করে, যা নিশ্চিত করে যে প্রজেক্টটি Signals-এর মতো আধুনিক প্যাটার্ন অনুসরণ করছে।
- Firebase Hybrid Web SDK – ফ্রন্ট-এন্ডকে Firebase-এর AI Logic লেয়ার এবং Gemini মডেল কল করার জন্য ব্যবহৃত Prompt API-এর সাথে যুক্ত করে।
Prompt API সিদ্ধান্ত নেয় যে রিকোয়েস্টটি ডিভাইসেই থাকবে (Gemini Nano) নাকি ক্লাউডে পাঠানো হবে (Gemini 3.5 Flash)। Chrome 148+ সংস্করণে Nano মডেলের জন্য প্রয়োজনীয় রানটাইম অন্তর্ভুক্ত রয়েছে; অন্যান্য ব্রাউজারগুলো স্বয়ংক্রিয়ভাবে ক্লাউড পাথ ট্রিগার করে।
ডেভেলপার কীভাবে গুণমান বজায় রেখেছেন
চারটি AI skill বারবার চালানো হয়েছে:
- grill-with-docs – একটি Architecture Decision Record (ADR) তৈরি করেছিল যা হাই-লেভেল ডিজাইন এবং ট্রেড-অফগুলো (trade-offs) ধারণ করে।
- domain-modeling – ইমেজ-অ্যানালাইসিস পাইপলাইনে ব্যবহৃত ডেটা স্ট্রাকচারগুলোর রূপরেখা তৈরি করেছিল।
- code-review – এক জোড়া সাব-এজেন্ট রিপোজিটরি স্ক্যান করে কোড স্মেল (smells), ADR-এর সাথে অমিল এবং মূল স্পেসিফিকেশন থেকে কোনো বিচ্যুতি আছে কি না তা পরীক্ষা করেছিল।
- angular / firebase – যাচাই করেছিল যে কোডটি আধুনিক Angular idioms অনুসরণ করছে কি না এবং Firebase AI Logic কলগুলো সঠিকভাবে করা হয়েছে কি না।
দুটি ওয়ার্কফ্লো (workflow) দেখা গেছে। প্রথমটি হলো, /grill-with-docs দিয়ে স্বয়ংক্রিয়ভাবে ADR তৈরি করা; এরপর /goal ব্যবহার করে AI-কে সিদ্ধান্ত রেকর্ডটি এন্ড-টু-এন্ড (end-to-end) ইমপ্লিমেন্ট করার নির্দেশ দেওয়া। দ্বিতীয়টি হলো, ডেভেলপার ম্যানুয়ালি ADR লিখলেন এবং ইমপ্লিমেন্টেশন চেক করার জন্য /code-review চালালেন। ম্যানুয়াল পদ্ধতিটি “muscle memory” তৈরি করে এবং একই সাথে দ্রুত রিগ্রেশন (regressions) শনাক্ত করতে সাহায্য করে।
প্র্যাকটিক্যাল UI পাইপলাইন
ডেভেলপার Stitch-এ কাঙ্ক্ষিত স্ক্রিনের একটি সংক্ষিপ্ত বর্ণনা লিখলেন। Stitch একটি মকআপ (mockup) প্রদান করল। Antigravity CLI মকআপটি পার্স (parse) করল, ডিজাইন টোকেনগুলো এক্সট্রাক্ট করল এবং সেগুলো DESIGN.md-এ লিখে রাখল। সেই টোকেনগুলো ডিজাইনকে প্রোডাকশন-রেডি Angular কম্পোনেন্টের সাথে ম্যাপ করল।
ফ্রন্ট-এন্ডটি Chrome 148+ এ লোকালি Gemini Nano মডেল লোড করে এবং প্রয়োজনীয় রানটাইম না থাকলে Firebase-এর মাধ্যমে Gemini 3.5 Flash-এ সুইচ করে, যার ফলে টোকেন চার্জ প্রযোজ্য হয়।
ট্রেড-অফসমূহ
অন-ডিভাইস মডেলগুলো আপনাকে Nano-এর ক্ষমতার মধ্যে থাকা কাজের মধ্যে সীমাবদ্ধ রাখে—যেমন সাধারণ ক্লাসিফিকেশন, ক্যাপশনিং এবং স্টাইল সাজেশন। আরও জটিল ভিশন কাজের জন্য এখনও ক্লাউড মডেল প্রয়োজন।
মূল কথা
Antigravity CLI দেখায় যে ডেভেলপাররা এখন বেশিরভাগ ইনফারেন্স কলের (inference calls) জন্য টাকা না দিয়েই একটি ফুল-স্ট্যাক AI ইমেজ-অ্যানালাইসিস ফ্লো—Angular UI, Firebase ব্যাকএন্ড এবং অন-ডিভাইস Gemini ইনফারেন্স—তৈরি করতে পারেন। এই পদ্ধতিটি Chrome-এর অন-ডিভাইস মডেল সাপোর্টের ওপর নির্ভরশীল, তবে এটি খরচ-সংবেদনশীল অ্যাপের জন্য একটি স্পষ্ট ব্লুপ্রিন্ট প্রদান করে, যা এজ কেসগুলোর (edge cases) জন্য ক্লাউড ফলব্যাক সহ্য করতে পারে।