Warp 如何让 Agent 自我进化（How Warp builds self-improving agents on Claude 中译）

摘要中文导览（来自条目评分时的双语摘要，基于原文提炼）：

Anthropic 博客《How Warp builds self-improving agents on Claude》中译：Warp 内部用 Claude 做代码审查时发现缺的不是模型能力而是记忆——agent 不了解项目、团队规范与历史教训，指出过的问题下次照犯。方案是两个 Skill 加人类反馈闭环：一个基础 Skill 负责审查，一个改进 Skill 定期收集工程师在 PR 上对 agent 审查结果的评论并据此更新审查 Skill；摩擦被压到极低——人只要自然写评论，收集与更新全部自动完成。配套六条最佳实践：写原则而非死规则、解释规则背后的为什么、反馈收集零摩擦、Skill 保持精简并渐进式披露、反馈质量重于数量（资深工程师的少量详细反馈胜过大量草率反馈）、把“改进 Skill 的 Skill”做成可复用机制。对错误反馈的防线：不让 agent 盲目接受反馈、给足上下文做合理性检查、限制谁的反馈有权影响更新、始终保留人审。

文章信息

作者: 宝玉（译）/ Anthropic
发布: 2026-08-28
原文链接: https://baoyu.io/blog/2026-08-28/warp-self-improving-agents
原文（英文）: https://claude.com/blog/how-warp-builds-self-improving-agents-on-claude
标签: skills self-improvement code-review feedback-loop agent-workflow

原文摘录（开头）

Agent 做 Code Review，缺的不是能力，而是记忆

说回来 Warp 这个，Warp 是一个挺有名的终端工具，内部尝试借助 AI 做 Code Review。一开始让 Agent review 代码，效果并不理想，主要问题体现在 Agent 不了解你的项目，不知道你的团队规范，不知道历史经验教训，就算你指出来问题它下次还记不住。简单来说就是没有记忆。

初期他们采取了很多补救措施：

手动根据失败案例改系统提示词

完善项目的 AGENTS.md 文件（有意思的是这篇文章是 Claude 发的，但是用的是 AGENTS.md 而不是 CLAUDE.md，我记得 Claude 默认不支持 AGENTS.md 的）

但效果并不理想，一方面它依赖于人主动去做，成本较高；另一方面团队成员在 Code Review 时人工在 PR 写的高质量评论完全没用上。

两个 Skill，加上人类反馈

所以他们搞了个解决方案，一个基础 Skill 负责做代码审查，一个改进 Skill 负责定期收集人类工程师在代码审查时的评论，尤其是对 Agent 审查结果的评论，根据人类工程师的评论去更新代码审查的 Skill。

换句话说，它不是依赖于模型自己去改进自己，而是 Agent 根据人类对模型结果的标注（人类对代码审查的评论），去改进技能。

只不过它把这个事做的摩擦力极低，不需要人手工去收集整理评论，不需要填写调查问卷，人只要自然地去代码下写评论，后面的事情都是 Agent 自动完成。

这可能正是 Agent 的最佳实践方案之一：人负责高维度的标注、评论、反馈这些事情，Agent 去做执行的工作，Agent 根据人类的反馈去改进 Skill。

Warp 总结的 6 条最佳实践

除此之外，他们还总结了一些最佳实践：

1\. 写原则，不要写死规则

编写 Skill 时，要像在指导一个聪明人，而不是在给计算机编程。在 Skill 中写“寻找重复代码”，比列出详尽的变量命名规则更有效。

2\. 解释为什么

说明规则背后的理由，能让智能体针对问题进行推理，而不是机械执行僵化指令，也因此更容易举一反三。

3\. 让反馈没有摩擦、毫不费力

在人们原本工作的地方收集反馈，例如直接评论 PR 或 issue。同时让收集过程自动发生，不要增加额外的提交步骤。低摩擦才能让信号持续流动。如果反馈太麻烦，你就收不到反馈，也就无法改进 Skill。

4\. 保持 Skill 精简，并使用渐进式披露

优秀的 Skill 文件不会很庞大；它会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。

Summary (EN)

A Chinese translation of Anthropic's How Warp builds self-improving agents on Claude: Warp found code-review agents lacked memory, not capability — they ignored project context and repeated flagged mistakes. The fix pairs two skills with a human-feedback loop: a base review skill plus an improver skill that periodically harvests engineers' PR comments on agent reviews and updates the review skill accordingly, with near-zero friction (people just comment naturally). Six best practices: prefer principles over rigid rules, explain the why, make feedback frictionless, keep skills lean with progressive disclosure, favor quality over quantity of feedback, and build the skill-improving skill as a reusable mechanism. Guardrails against bad feedback: sanity checks with context, restricted influence, and a human review loop.

Obsidian 证据摘录

入选自 Obsidian Gracker RSS 2026-08-31 抓取的宝玉译稿：Warp 用人类反馈闭环改进 code review Skill 的六条实践。