Hola, yo creo que tu problema con antigravity es el prompting. Lo que normalmente se hacia antes era usar el llm como un chat, hoy lo que se hace es construir loops, que iteren sobre una respuesta y la desarrollen. Hoy los modelos no se tratan como un chat con un "amigo experto" lo mejor es seguir flujos de trabajo probados, dar contexto de valor a los modelos para que tomen mejores decisiones. Hoy mi stack de vibe coding esta construido por Antigravity, un buen set de plugins oficiales de claude. (normalmente estos skills ya están agrupados). Construí agentes expertos en diferentes areas, CTO Orquestador, PM, Arquitecto, Frontend, Backend, Secops, Devops y QA, ademas de un Code Reviewer que analiza el código escrito de forma aislada y sin sesgo de contexto. Ademas, como mínimo uso Graphify que genera grafos de conocimiento, uso también un rag con embedding 2, el cual esta configurado para tener una memoria semántica y una memoria sensorial (aprende de sus errores). También uso los cli de Context7, Github, AWS. Con esto construyo MVP's en Horas. Y hago lo posible por nunca lanzar prompt sueltos, para esto, genero PDR (Product Requirements Document). Gasto tokens, si. Son mas caros que un equipo, no. PD, la imagen es el grafo de conocimiento del "prompt inicial" que use para desarrollar mi ultimo MVP. Comparto un ejemplo de mi rag V2, ojalá te sea util, pero necesita la api key de gemini para funcionar. https://github.com/Enkil1976/Memoria_RAG2_MCP_Server