🚀 Antigravity Manager 官方使用手册

Antigravity Manager 全功能使用手册

版本：v4.1.21 | 开源地址：github.com/lbjlaq/Antigravity-Manager | Star：23,700+

📋 目录

1. 1. 项目介绍
2. 2. 核心功能
3. 3. 安装指南
4. 4. 使用教程
5. 5. 客户端对接
6. 6. 常见问题

1. 项目介绍

Antigravity Manager 是专为开发者和 AI 爱好者设计的全功能桌面应用，将多账号管理、协议转换和智能请求调度完美结合，提供稳定、极速且免费的本地 AI 中转站。

核心价值

将 Google/Anthropic 等平台的 Web 端 Session 转化为标准化 API 接口，让 Cursor、Claude Code、Cherry Studio 等 AI 客户端零成本调用 Claude/GPT/Gemini 等顶级模型。

项目基础信息

2. 核心功能

3. 安装指南

方式一：终端一键安装（推荐）

Linux / macOS

curl -fsSL https://raw.githubusercontent.com/lbjlaq/Antigravity-Manager/v4.1.21/install.sh | bash

Windows (PowerShell)

irm https://raw.githubusercontent.com/lbjlaq/Antigravity-Manager/main/install.ps1 | iex

方式二：Homebrew 安装（macOS）

# 订阅 Tap 源
brew tap lbjlaq/antigravity-manager https://github.com/lbjlaq/Antigravity-Manager

# 安装应用
brew install --cask antigravity-tools

方式三：手动下载

方式四：Docker 部署（NAS/服务器）

docker run -d --name antigravity-manager \
  -p 8045:8045 \
  -e API_KEY=sk-your-api-key \          # 自定义API密钥
  -e WEB_PASSWORD=your-login-password \ # 后台登录密码
  -v ~/.antigravity_tools:/root/.antigravity_tools \ # 数据持久化
  lbjlaq/antigravity-manager:latest

💡 Docker 部署后访问地址：

• • 管理后台：http://localhost:8045
• • API 接口地址：http://localhost:8045/v1

4. 使用教程

第一步：添加账号

1. 1. OAuth 授权添加（推荐）
   打开「Accounts / 账号」→「添加账号」→「OAuth」，复制授权链接到浏览器完成账号授权。
2. 2. 批量导入
   支持 JSON 格式批量导入 Token，适合从其他工具迁移账号数据。

第二步：开启 API 代理

进入「API 反代」页面，点击开启服务，默认监听地址：http://127.0.0.1:8045。

第三步：配置客户端

在 AI 客户端中填入以下基础配置：

✅ 配置完成后，即可免费调用所有支持的 AI 模型！

5. 客户端对接

5.1 Cursor 对接

在 Cursor 应用中打开「设置」→「OpenAI API」，填入：

• • API Key：sk-antigravity
• • Base URL：http://127.0.0.1:8045/v1

5.2 Claude Code CLI 对接

# 设置环境变量
export ANTHROPIC_API_KEY="sk-antigravity"
export ANTHROPIC_BASE_URL="http://127.0.0.1:8045"

# 启动 Claude Code
claude

5.3 Cherry Studio 对接

在 Cherry Studio 的「模型设置」中添加「OpenAI」提供商，填入上述 Base URL 和 API Key 即可，支持联网搜索和引文回显。

5.4 Python 调用示例

import openai

# 初始化客户端
client = openai.OpenAI(
    api_key="sk-antigravity",
    base_url="http://127.0.0.1:8045/v1"
)

# 调用 Gemini 模型
response = client.chat.completions.create(
    model="gemini-3-flash",
    messages=[{"role": "user", "content": "你好，请介绍一下自己"}]
)

# 输出结果
print(response.choices[0].message.content)

💡 兼容 99% AI 应用：Kilo Code、OpenCode、ChatGPT 客户端等，支持 OpenAI/Anthropic/Gemini 三种协议格式。

6. 常见问题

免责声明

本工具仅用于学习和研究目的，请勿用于商业用途。使用本工具需遵守相关平台的使用条款和法律法规。