利用 Gemini 4 Argon 優化 20 萬行 Python 程式碼庫

挑戰大型程式碼庫的自動化優化

詳細記錄如何用 Gemini 4 Argon 模型，對開源的 Python Agent Development Kit (ADK) 做大規模程式碼優化。ADK 是用來建構與部署企業級 AI 代理程式的框架，其 Python 儲存庫約有 205,000 行程式碼、近 800 個原始碼檔案，並有近 17,000 個單元測試。這次測試想驗證新模型處理現有複雜程式碼庫的表現，特別是識別並修復跨檔案效能瓶頸的能力，而不只是從零開始建構新專案。

兩階段測試與自動化流程設定

測試分兩個階段。第一階段只給一個目標提示，要求模型在不改變公開 API 的前提下，消除 ADK 的額外負荷。這個階段跑了約兩小時，Argon 建立了基準測試腳本，也找出會話複製與套件匯入兩處真實的瓶頸，部分程式碼最後被納入提交內容。不過，由於不了解團隊的維護規範，第一階段的修改有缺陷：錯誤修改了驗證模型的 JSON 結構、漏掉模擬事件的邊界情況，而且只跑了部分單元測試。

為了解決這些問題，第二階段加入 `.agents/skills` 目錄，把團隊的維護指南當成類似新員工入職手冊的規則提供給模型。同時在 Google Antigravity 環境中啟用 `/goal` 模式，讓目標在上下文壓縮過程中不會遺失，並要求模型產生未合併的拉取請求（Pull Request），附上優化前後的數據對比。在這組設定下，Argon 無人值守運行了 11 小時。

六項提案與兩項最終上線優化

經過 overnight 運行，Argon 提出六項涵蓋 32 個檔案的優化提案。程式碼審查後，兩項獲准合併至主分支，另外四項被拒絕。

上線的兩項核心優化如下： 1. 過濾記憶體會話歷史：Argon 修改服務邏輯，在複製前先過濾事件，而不是複製整個會話。同時，它把 Pydantic 的通用深層複製路徑換成快速且安全的複製器，以保留共享狀態字典與測試模擬物件。 2. 延遲載入重型套件：`import google.adk` 會強制載入音訊、影片、OpenTelemetry 及 Web 伺服器模組，Argon 針對這個問題採用延遲模組存取器。這樣重型套件只在首次使用時才載入，同時所有公開屬性仍可在測試預期的位置打補丁。

被拒絕的四項提案如下：依賴弱記憶體參考的多代理事件快取（可能返回過時數據）、讀取 OpenTelemetry 私有屬性的遙測檢查（可能因庫升級而靜默失敗）、讓核心程式碼路徑難以閱讀的對話歷史格式重寫，以及只對合成重放測試有效的工作流事件重放查找索引。

效能提升數據與測試方法

為了準確衡量優化效果，團隊另外寫了獨立的基準測試腳本 `bench_turn.py`，執行時 Argon 看不到它。測試把「回合」（turn）定義為代理程式執行內部步驟（如呼叫工具或查詢 MCP 伺服器）的過程，而不是單一使用者提示。測試模擬單一會話隨回合數增加的情況，記錄 0、50 和 150 個回合後的延遲。

結果顯示，在長會話中，記憶體準備時間減少約 40%。具體來說，在 158 個內部回合的互動中，完整運行時間從 65.6 秒降到 56.1 秒。此外，套件匯入速度提升 21%，有助於加快 CLI 命令、本地開發和測試發現。新進程到首次模型請求的時間沒有變化（3.07 秒至 3.09 秒），但建議生產環境在接收真實流量前先發送暖機請求，由它承擔首次載入成本。這些優化主要影響使用 `InMemorySessionService` 的場景，包括本地評估迴圈、CI 測試套件，以及未配置外部資料庫 URI 的 Cloud Run 或 GKE 部署。

技術細節與後續應用

這次優化最終形成一個包含 22 個檔案變更的提交，並有 17 個新測試函數支援。提交註釋明確標註「Argon generated these changes」。企業開發者可透過 Gemini 平台的 `gemini-4-argon` 模型 ID、Google AI Studio 或 Google Antigravity 使用該模型。團隊也建議其他開發者參考 ADK 儲存庫中的 `.agents/skills` 結構，在無人值守運行前，先把儲存庫的架構規則與 CI 檢查提供給代理程式。