Warp 在 Claude 的基础上构建自我改进的代理

在我们的系列中，我们重点介绍了初创公司如何利用人工智能改变其行业。在本文中，我们分享了 Warp 如何将无状态用户反馈转变为其代理的自我改进循环。快速推介名称 Warp 成立于 2020 年，创始人 Zach Lloyd（首席执行官）Stack Rust、Golang、GitHub Actions、内部代理编排平台 (Oz)、Claude Platform Growth 筹集了 7300 万美元。每月有 80 万开发人员在 Warp 上进行开发。财富 500 强企业中有 56% 使用 Warp。迄今为止，Warp 内运行了 1000 万个 Claude Code 会话，每周超过 400K。总共 4000 万次 Warp Agent 对话。代理需要可靠且有效地处理重复性任务。使 80% 的任务正确的首次提示可能会给用户带来嘈杂且烦人的体验。 Warp 经过惨痛的教训才明白了这一点，并利用这一点来制定其产品策略，为全球近 100 万开发者创造了更好的体验。 Warp 是人工智能驱动的终端和代理开发环境，构建在 Claude 平台上。该团队的内部代码审查代理遇到了这个“嘈杂的体验”问题。工程师们抱怨他们的代理人提出了无益的评论并产生了低质量的输出。该团队最初尝试了权宜之计的解决方案，例如根据观察到的代码审查失败手动重写提示。这使得输出更可用，但无法扩展。改进像 AGENTS.md 这样的上下文文件也有帮助，但还远未完全解决。最终，他们意识到，真正的问题是，对代理的反馈，无论其目的是什么，通常会在会话结束时消失，从而从代理循环中删除关键上下文。他们的解决方案是：一个基于代理技能的框架，用于创建自我改进的代理，其中反馈随着时间的推移而复合，以不断完善和增强代理的输出。请继续阅读，了解他们如何在 Claude 平台上利用技能构建它。基于技能的代理自我改进循环核心技术是使用技能的自我改进循环，技能是基于文件的知识编码，可将指令排除在原始提示之外。 Warp 发展了一种自我改进的代理架构，由两种技能组成，中间有人类反馈。内部/基础技能拥有功能领域知识和指令。例如，当打开 PR 时，Warp 的代码代理会使用该基本技能和上下文来执行以生成其评论。人类对代理输出的反馈是自我改进循环的关键组成部分。对于代码审查来说，这可能就像竖起大拇指一样简单，但越明确越好。 “人类可以肯定，‘这是一个很好、有用的评论’，”Warp 创始人扎克·劳埃德 (Zach Lloyd) 解释说，“但人类也可以给出代码审查不好的详细原因。诸如‘您建议重命名这个变量，但我们的代码库约定是这种类型的全局变量使用这个特定的命名上下文’之类的细节告诉代理下次如何正确执行。”外部/改进者技能充当观察者代理，按计划而不是按任务运行。它提取积累的人类反馈，将代理的建议与人类的反应进行比较，并对基本技能提出一个小的、有针对性的编辑。由于技能是普通文件，因此代理非常擅长更新它们。这些更新是可审查、可批准和可合并的，可以通过正常的 PR/代码审查工作流程进行；融合后，下一次内功会继承提升。 Warp 现在在其整个开源存储库中运行这种模式，并具有单独的规范编写、审查和分类代理，每个代理都有自己的自我改进循环。 “基于文件的技能是一种为代理编码知识的方式，而不是将这些知识直接放入提示中，代理可以在工作过程中简单地查找，”扎克说。 “这个框架实际上非常简单：有基本的特定领域技能，然后有改进技能，可以完善该特定领域的技能。这种简单性就是这种方法的美妙之处。”如何为代理编写自我改进技能 以下是 Warp 团队针对代理循环编写自我改进技能的一些经过验证的真实技巧： 编写原则，而不是规则。 “构建技能就好像你在指导一个聪明人，而不是像你在对计算机编程一样，”扎克说。 “在技能中加入像‘查找重复代码’这样的指导比详尽的变量命名规则提供了更好的指导。”解释一下原因。提供规则背后的基本原理可以让智能体推理问题，而不是遵循严格的指令，从而再次实现更好的概括。让反馈变得毫不费力。在人们已经工作的地方捕获它，例如直接评论 PR 或问题。另外，让这一切自动发生，无需额外的提交步骤。 “低摩擦是保持信号流动的原因，”扎克指出。 “如果你做得太难，你就不会得到反馈，也无法提高技能。”保持小技能并使用进步