Warp 基于 Claude 的自改进代理：基础技能 + 改进技能循环

代理需要可靠地处理重复任务。一个第一版提示词能答对 80% 任务的代理，会带给用户嘈杂而恼人的体验。Warp 在内部代码审查代理上栽过这个跟头，并用这个教训重塑了产品策略——服务着全球近 100 万开发者。Warp 是 AI 终端与代理式开发环境，构建在 Claude 平台上。工程师们抱怨他们的审查代理发表无用的评论、产出低质量内容。最终他们意识到：无论反馈目的是什么，给代理的反馈通常在会话结束时消失——关键上下文从代理循环中被移除。他们的解法：一个基于 Agent Skills 的框架，让反馈随时间复利，持续精炼和增强代理输出。

1. 问题：反馈在会话结束时消失

给代理的反馈，无论其用途如何，通常在会话结束时消失。这对任何代理循环都是致命的：每次运行都从同一个不完善的起点重新开始，错误一遍遍重复，因为「上次人类纠正了什么」从未被保存下来。Warp 的工程师们对内部代码审查代理的抱怨非常具体：无用的评论、低质量的输出。不是模型不够聪明，而是没有任何机制把人类的纠正累积下来。会话是隔离的，知识不是。

// The inner/base skill: functional domain knowledge and
// instructions, kept OUT of the raw prompt. When a PR is
// opened, the code agent executes using this skill.
// SKILLS/code-review/SKILL.md
# Code Review Agent
## Rules
- Comment only when the change is actionable.
- Naming: follow repo conventions (see GLOSSARY.md).
- Never suggest a rename that contradicts a global
  variable naming convention documented in the repo.
- Explain the why behind every rule so the agent can
  reason instead of pattern-match.
## Context
- Load GLOSSARY.md before reviewing.

2. 解法：Agent Skills 与双技能架构

核心技巧是一个基于 skills 的自改进循环。skills 是基于文件的编码知识——把指令从原始提示词里拿出来。Warp 演化出由两个技能构成的自改进代理架构，中间夹着人类反馈。内部/基础技能持有功能领域知识与指令：比如 PR 打开时，Warp 的代码代理用基础技能和上下文执行审查。外部/改进技能是一个观察者代理，按计划而不是按任务运行：它拉取累积的人类反馈，比较代理的建议和人类的回应，然后对基础技能提出一个小而聚焦的修改。

// Feedback is the critical component: explicit is better.
// A thumbs up helps; detailed reasons teach. The session
// used to swallow this — now it feeds the loop.
type Feedback = {
  prId: string;
  agentCommentId: string;
  human: "affirmed" | "rejected";
  reason?: string; // "you suggested renaming X, but our
                   // codebase convention for globals is Y"
};
const collected: Feedback[] = await pullFromPRs(org, "30d");

3. 人类反馈：质量优先，数量其次

人类对代理输出的反馈是自改进循环的关键组件。对代码审查来说，可以简单到点个赞——但越明确越好。Warp 创始人 Zach Lloyd 解释：「人类可以确认『这是个好评论』，也可以给出详细理由说明为什么一次审查不好。比如『你建议重命名这个变量，但我们代码库的惯例是这种全局变量用这种命名上下文』——这告诉代理下次怎么做对。」小样本量、领域特定的详细反馈，比一大堆敷衍的点赞更有价值，因为二元点赞不说明「为什么」。

// The outer/improver skill: an observer agent that runs on
// a schedule, not per task. It pulls accumulated feedback,
// compares what the agent suggested against how humans
// responded, and proposes a small, focused edit to the
// base skill. Because skills are plain files, agents are
// extremely good at updating them.
// SKILLS/code-review-improver/SKILL.md
# Improver
1. Load feedback collected over the last 30 days.
2. Group by pattern: which suggestions got rejected?
3. Draft ONE small edit to ../code-review/SKILL.md.
4. Open a PR with the change + the evidence.

4. 为什么 skills 让改进变得可行

因为 skills 是纯文件，代理极其擅长更新它们。改进技能产出的修改是可审查、可批准、可合并的——走正常的 PR/代码审查流程。合并之后，下一次基础技能运行就继承了改进。这解决了一个根本问题：过去让代理「记住教训」要么塞进提示词（每次都在膨胀），要么依赖某种神秘的状态系统。文件即知识，PR 即记忆。Warp 把反馈循环变成了普通的工程流程。

5. Warp 的规模数据

Warp 已融资 7300 万美元，月活开发者 80 万，财富 500 强中 56% 在使用 Warp；至今在 Warp 内运行了 1000 万次 Claude Code 会话，每周超过 40 万次；Warp Agent 对话累计 4000 万次。现在 Warp 在它的整个开源仓库里运行这套模式，分别有规格编写、审查、分流三个代理，各自携带自己的自改进循环。Zach Lloyd 说：「基于文件的 skills 是一种为代理编码知识的方式，不把知识直接放进提示词——代理在工作中随时可以查。」

// The update flows through a normal PR/code-review
// workflow: reviewable, approvable, mergeable. Once merged,
// the next run of the inner skill inherits the improvement.
async function improveLoop(schedule: Cron) {
  schedule.every("monday 09:00", async () => {
    const feedback = await collectFeedback("30d");
    if (feedback.length < MIN_SIGNAL) return; // quality > volume
    const pr = await improverAgent.proposeEdit(feedback);
    await openReviewablePR(pr); // human approves, then merge
  });
}
// Feedback compounds over time instead of vanishing.

6. 写作自改进 skills 的实战建议

Warp 团队分享了几条经过验证的建议：解释「为什么」。给出规则背后的理由，让代理能推理问题而不是死板执行指令，这能带来更好的泛化。反馈质量 > 数量，但数量有帮助——一小份来自资深工程师的、围绕领域特定知识的详细反馈，比大量敷衍的反馈更有价值，因为后者不说明原因。保持小步：每次只对基础技能做一个聚焦的修改，让每一轮改进都可审查、可回滚。框架的美妙之处就在于它的简单：「有领域特定的基础技能，还有精炼它的改进技能。」

// The full architecture Warp runs across its open-source
// repo: separate spec-writing, review, and triage agents,
// each carrying its own self-improvement loop.
const agents = [
  { name: "spec-writer",  base: "spec-writing",  improver: "spec-improver" },
  { name: "reviewer",     base: "code-review",   improver: "code-review-improver" },
  { name: "triage",       base: "issue-triage",  improver: "triage-improver" },
];
for (const a of agents) {
  runLoop({ base: loadSkill(a.base),
            improver: loadSkill(a.improver),
            schedule: "weekly" });
}
// The framework is really simple: a base domain-specific
// skill and an improver skill that refines it.