Warp - Self-Improving Agents on Claude
Anthropic 官方博客（2026-08-26，作者 Michael Segner，How startups build 系列）：Warp（AI 终端 / agentic 开发环境，80 万月活开发者）如何把无状态的用户反馈变成 agent 的自改进回路。核心痛点：agent 收到的反馈通常随 session 结束而消失，critical context 从 agentic loop 里丢掉——手工改 prompt、补 AGENTS.md 都试过，能缓解但不 scale。解法：基于 Agent Skills 的双 skill 回路（详见 自改进 Agent 回路），让反馈随时间复利。
要点
- 病根是反馈无状态：内部 code review agent 产出噪音评论、质量低；第一版 prompt 能对 80% 的任务，剩下 20% 就是持续的糟糕体验。止血手段（手工重写 prompt、改 AGENTS.md）都触及不了”反馈消失”这个本质。
- 双 skill 架构：inner/base skill 存领域知识、随任务每次执行；人类反馈嵌在中间（就地给、越具体越好，讲清 what + why）；outer/improver skill 是定时运行的观察者 agent，汇总累积反馈、对比 agent 建议与人类回应，对 base skill 提出一个小而聚焦的编辑。
- skill 是纯文件，所以 agent 极擅长改它：更新走正常 PR / code-review 流程——reviewable、approvable、mergeable，合并后下次运行自动继承。人始终握着最后一道闸。
- 规模化：Warp 在整个开源仓库跑此模式，spec-writing / review / triage 三类 agent 各带一条自改进回路；数百贡献者、数千次 code review 的反馈流都汇进回路。
- triage agent 实例：GitHub issue 触发 GitHub Action → agent 打标签；漏打 “ready to spec” → 维护者就地留反馈（说明期望 + 原因）→ improver（跑在 Warp 自家编排平台 Oz 上，用 skill 自带的 Python 脚本拉取带反馈的 issue、汇总成 JSON 读回上下文）→ 开最小 PR 改 base skill → 人审合并。skill 自带脚本本身就是最佳实践：引用资源文件而非每次现写代码。
- 写作心法（Zach Lloyd）：写原则不写规则（“像教聪明人，不像编程”）；解释 why 让 agent 能泛化；反馈入口零摩擦（“Low friction is what keeps signal flowing”）；skill 保持小 + progressive disclosure；反馈质量 > 数量（少量领域专家的详细反馈胜过大量随手 👍，但优质语料越多越好）；improver skill 值得重投入——剥掉领域知识后高度可复用。
- Best practices 表：skills ≠ memory（程序性/稳定/刻意修改 vs 推理时自动写/永不停歇）；improver 回路一个还是多个——取中间（模板化基础回路 + 领域权重叠加，几个 agent 各配一个，一百个应共享）；假定反馈会错（让 agent sanity-check、过滤谁的反馈算数、人工闸门设在过滤或终审环节）；领域可验证 → 先建 verification harness 再让 agent 对着调（参考语料 / 对比 / 修复 / 重复）；不可验证 → 靠确定性 evals 对 golden outputs，必须用人类反馈时只收领域专家的；用人类本来就在盯的全局指标（time to merge、贡献者数、成本）回喂 improver，部署走 crawl-walk-run。
值得留的原话
- “The real issue was that feedback to an agent, no matter what its purpose, typically disappears when the session ends, removing critical context from the agentic loop.”（引言）
- “File-based skills are a way of encoding knowledge for agents without putting that knowledge directly in the prompt, as something the agent can simply look up in the course of doing its job.”（Zach Lloyd）
- “This simplicity is the beauty of this approach.”（Zach Lloyd 论双 skill 框架）
- “Construct the skill as though you’re instructing a smart person, not like you’re programming a computer.”（Zach Lloyd）
- “Low friction is what keeps signal flowing. If you make it too hard you’re not going to get the feedback and you’re not going to be able to improve the skill.”（Zach Lloyd）
与已有页面的关联
- Agentic Memory 的姊妹机制：Anthropic/Warp 给出的判据——skills 程序性且稳定、刻意修改；memory 推理时自动写、永不停歇。自改进回路让程序性知识也能像 memory 一样跨 session 复利。
- LLM Wiki 的同构：“知识编码进文件、干活时查阅、反馈驱动最小编辑、经 review 合并”正是 wiki 增量维护的形状，只是载体换成 skill 文件。
- Agent Fleet 管理 的新成员：回路规模化的组织问题（一个 improver 还是一组共享），以及”反馈会错、需过滤 + 人工闸门”与 fleet 的人工闸门原则同源。
- 与 Brain - Agentic Memory as a Knowledge Wiki 的 Dream 后台维护代理对照：都是”前台干活、后台改知识”的分工，Warp 把后台改知识交给了可 review 的 PR 流程。