大数跨境

Warp 如何在 Claude 上构建会自我改进的智能体

Warp 如何在 Claude 上构建会自我改进的智能体 Levix 空间站
2026-08-30
0
导读:Warp 如何在 Claude 上构建会自我改进的智能体Warp 设计了一套简单的开发模式,任何人都可以用它构

Warp 如何在 Claude 上构建会自我改进的智能体

Warp 设计了一套简单的开发模式,任何人都可以用它构建能够持续自我改进的智能体。

在这个系列中,我们会介绍初创公司如何借助 AI 改造所在行业。本文要讲的是,Warp 如何把原本不会跨会话保留的用户反馈,转化为智能体的自我改进闭环。

快速了解 Warp

项目
信息
名称
Warp
成立时间
2020 年
创始人
Zach Lloyd(CEO)
技术栈
Rust、Golang、GitHub Actions、内部智能体编排平台 Oz、Claude Platform
增长情况
已融资 7300 万美元;每月有 80 万名开发者使用 Warp 进行开发;56% 的《财富》500 强企业在使用 Warp;迄今已有 1000 万次 Claude Code 会话在 Warp 内运行,每周超过 40 万次;Warp Agent 的总对话量达到 4000 万次。

智能体必须稳定而有效地处理反复出现的任务。一个初版 prompt 即使能把任务完成到 80%,剩下的 20% 也可能给用户制造大量噪声,体验令人厌烦。Warp 吃过这方面的亏,后来也据此调整了产品策略,为全球近 100 万名开发者改善了使用体验。

Warp 是一款由 AI 驱动的终端和智能体开发环境,底层构建在 Claude Platform 之上。团队曾在内部代码审查智能体上遇到这种“噪声体验”:工程师抱怨智能体给出的评论没有帮助,输出质量也很低。

一开始,团队尝试过一些权宜之计,例如根据观察到的代码审查失败案例,手动重写 prompt。这确实让输出变得更可用,却无法规模化。改进 AGENTS.md 之类的上下文文件也有帮助,但距离彻底解决问题还很远。

最终他们意识到,真正的问题在于:无论智能体负责什么任务,人类给它的反馈通常都会随着会话结束而消失,智能体闭环因此失去了一段关键上下文。Warp 的解决方案,是基于 Agent Skills 构建一套自我改进框架,让反馈随着时间不断累积,持续修正并改善智能体的输出。

下面来看 Warp 如何在 Claude Platform 上使用 Skills 实现这一套机制。

基于 Skills 的智能体自我改进闭环

这套方法的核心,是借助 Skills 建立一个自我改进闭环。Skills 本质上是用文件编码的知识,可以把指令从原始 prompt 中抽离出来。Warp 最终形成了一套由两个 Skill 组成的自我改进智能体架构,中间由人类反馈连接。

位于内层的基础 Skill 保存了任务所需的领域知识和操作指令。以代码审查为例,当一个 PR 被创建时,Warp 的代码智能体会结合这个基础 Skill 与相关上下文执行任务,生成审查结果。

人类对智能体输出的反馈,是自我改进闭环中的关键组成部分。对于代码审查,反馈可以简单到只点一个赞,但越具体越好。

Warp 创始人 Zach Lloyd 解释说:“人可以确认,‘这条评论很好,也很有用’。但人也可以详细说明为什么某次代码审查做得不好。例如,‘你建议重命名这个变量,但按照我们代码库的约定,这类全局变量应该采用某一种特定的命名方式。’这种具体反馈能告诉智能体,下次应该怎样做才对。”

外层的改进 Skill 则扮演观察者智能体的角色。它不是在每次任务中运行,而是按计划定期执行。它会拉取累积下来的人类反馈,把智能体当时给出的建议与人类的回应进行比较,然后提出一个范围很小、目标明确的基础 Skill 修改方案。

Skills 本身只是普通文件,而智能体非常擅长修改文件。这些变更可以被审查、批准和合并,也能进入正常的 PR 与代码审查流程。修改一旦合并,基础 Skill 下一次运行时就会继承这项改进。

现在,Warp 已经把这种模式用于整个开源代码仓库。规格编写、代码审查和问题分流分别由不同的智能体负责,每个智能体都有自己的自我改进闭环。

Zach 说:“基于文件的 Skills,是一种为智能体编码知识的方法。知识不必直接塞进 prompt,而是可以在工作过程中由智能体按需查阅。这个框架其实非常简单:一个是特定领域的基础 Skill,另一个是持续改进该领域 Skill 的改进 Skill。简单,正是这种方法的魅力所在。”

如何为智能体编写可自我改进的 Skills

Warp 团队在实践中总结了以下几条经验,用于编写能够进入智能体自我改进闭环的 Skills:

  • • 写原则,不要堆规则。 Zach 说:“编写 Skill 时,应该像在指导一个聪明人,而不是像在给计算机编程。”与其穷举所有变量命名规则,不如写成“寻找重复代码”这样的原则性指引,后者通常能提供更有效的方向。
  • • 解释为什么。 把规则背后的原因写清楚,智能体就能围绕问题进行推理,而不是机械执行僵硬的指令,也因此更容易把经验推广到新情况。
  • • 让反馈毫不费力。 反馈应该出现在人们原本就在工作的地方,例如直接评论 PR 或 issue。同时还要尽量自动采集,不要增加额外的提交步骤。Zach 指出:“低摩擦才能让信号持续流动。如果反馈太麻烦,人们就不会提供反馈,Skill 也就无从改进。”
  • • 保持 Skill 小巧,并采用渐进式披露。 一个好的 Skill 文件不应该很大。它应当引用资源文件和脚本,而不是一次性把所有内容都塞进上下文。
  • • 反馈质量大于数量,但数量也有价值。 少量来自资深工程师、包含具体领域知识的详细反馈,可能比大量草率反馈更有价值,因为简单的赞成或反对并不能解释原因。Zach 说:“即使样本量相对较小,只要反馈来自掌握领域知识的人,而且足够详细,也能获得非常高质量的信号——这些知识,智能体原本根本无从得知。不过,高质量信号组成的语料库当然还是越大越好。Warp 正在用一套闭环管理整个开源代码仓库。我们有数百名贡献者,也在处理数千次代码审查。”
  • • 在改进 Skill 上投入更多精力。 用心编写作为观察者智能体的改进 Skill,收益不只体现在眼前这一条智能体闭环上,因为改进 Skill 可以在不同场景之间高度复用。Zach 解释说:“除去各自的领域知识部分,这套机制本身相当通用。代码审查智能体的改进 Skill,与其他任何智能体的改进 Skill 并没有太大区别。”

闭环如何实际运行:Warp 的 issue 分流智能体

Warp 的 issue 分流智能体展示了这套自我改进 Skills 框架的实际工作方式。

每当有人新建 GitHub issue,这套模式就会被触发:GitHub Action 启动一个智能体,分析 issue 的复杂度和可行性、添加标签,并建议修复方向。这个分流智能体由一个内层 Skill 文件驱动,文件中保存了相关领域知识,包括每个标签的含义,以及采取行动前应该如何研究代码库。

在一个示例 issue 中,第一阶段的内层 Skill 整体表现不错,却漏掉了 ready to spec 标签。这个标签表示贡献者已经可以围绕该 issue 开始编写产品规格和技术规格。Warp 的一名维护者发现了这个疏漏,并直接在 issue 中留下反馈——也就是在工作实际发生的地方提供反馈。更关键的是,他不仅说明了自己期望什么,也解释了为什么会有这个期望。这种反馈可以直接采取行动,也方便智能体日后吸收。

外层的改进 Skill 运行在 Warp 的智能体编排平台 Oz 中,以一个定期执行的“更新分流”智能体存在。该智能体完成 GitHub 身份验证后,会运行 Skill 自带的 Python 脚本,拉取近期带有反馈的 issue,将其汇总为 JSON 文件,再把文件读回上下文。把脚本打包进 Skill,本身也是一项最佳实践:Skills 可以引用资源文件,不必每次运行时都重新编写代码。

随后,智能体从维护者的评论中识别出具体反馈信号,并提出能够吸收这些反馈的最小修改。它创建了一个 PR,修改内层 Skill:当 issue 描述的是一个真实问题,即使具体的 UI 或 UX 形态还没有确定,也应该添加 ready to spec 标签。

由于整个更新只是一份 Skill 文件,它可以进入正常的代码审查流程。PR 的说明会解释哪些反馈信号促成了这次修改,以及具体改了什么。人类负责审查、批准和合并;下一次运行分流 Skill 时,智能体便会继承这些新知识。最后这道人类环节闭合了整个回路,也确保真正发生的改动始终由人控制。

Warp 如今已经在整个开源代码仓库中规模化运行这套机制。规格编写智能体、代码审查智能体和 issue 分流智能体,都各自拥有一条自我改进闭环。

无论智能体负责什么任务,只要从一开始就加入这样的闭环,用它捕获人类反馈信号、把反馈转化为 Skill 更新,就能让智能体随着时间不断进步:从一次性的辅助工具,逐渐变成可以在整个组织内积累能力的系统。

Warp 团队总结的最佳实践

问题
建议
你是否混淆了 Skills 与记忆?
Skills 是程序性的、稳定的知识,描述“如何做 X”;它不依赖某次运行,只会在有人明确修改时发生变化。记忆则由智能体在推理时自动写入,并且会持续变化。
每个智能体都需要一条改进闭环吗?
折中处理。用模板化的基础闭环承载多个智能体之间的共性,再叠加各领域专用的权重。只有少量智能体时,可以各自由一个改进器负责;如果有上百个智能体,就应该共享改进器。
如果反馈是错的怎么办?
默认反馈一定会出错。不要让智能体盲目接受反馈;要为它提供用于合理性检查的上下文,筛选哪些人的输入有效,并在反馈筛选或最终审查阶段保留人类参与。
如果你的领域可以验证呢?
先搭建验证框架,再让智能体围绕它进行调优:生成参考语料,把输出与参考结果进行比较,修正,然后重复。
如果领域无法完全验证呢?
只要存在黄金标准输出,就尽量使用确定性的 eval。必须依靠人类反馈时,把反馈来源限制在领域专家,不要向所有人完全开放。
怎样判断整个系统是否真的在进步?
跟踪人类本来就会关注的全局指标,例如合并所需时间、贡献者数量和成本,再把这些指标反馈给改进智能体。部署时按照“爬行—行走—奔跑”的节奏逐步扩大。

完整 webinar 提供了现场演示,并进一步讲解 Warp 如何借助 Claude,让智能体从团队反馈中学习并持续自我改进。

现在就可以开始使用 Claude Platform 构建自己的系统。

参考链接

Agent Skills 文档:https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview

Skills 帮助说明:https://support.claude.com/en/articles/12512176-what-are-skills

Skill 编写最佳实践:https://platform.claude.com/docs/en/agents-and-tools/agent-skills/best-practices

Warp issue 分流智能体示例:https://github.com/warpdotdev/warp-agents-demo-github-issue-triage

Warp 智能体编排平台 Oz:https://docs.warp.dev/


【声明】内容源于网络
0
0
Levix 空间站
1234
内容 58
粉丝 0
Levix 空间站 1234
总阅读0
粉丝0
内容58