Warp, el entorno de terminal y desarrollo impulsado por IA, ha construido una arquitectura de agentes auto-iterativos en la plataforma Claude para resolver problemas de fiabilidad en tareas recurrentes. Fundada en 2020 por Zach Lloyd, Warp enfrenta el problema común de que un primer intento de prompt que alcanza el 80% de corrección en la tarea crea experiencias de usuario ruidosas. El equipo inicialmente intentó reescribir manualmente los prompts y mejorar los archivos de contexto, pero descubrió que estas soluciones no escalaban.

El problema central era que la retroalimentación a los agentes típicamente desaparece cuando las sesiones terminan, eliminando el contexto crítico del bucle agente. La solución de Warp es un marco basado en Agent Skills donde la retroalimentación se acumula con el tiempo para refinar la salida del agente. La arquitectura consta de dos tipos de habilidades: una habilidad interna/base que contiene conocimientos de dominio funcionales e instrucciones, y una habilidad externa/ mejora que actúa como agente observador.

El mejorador se ejecuta según un programa, extrayendo retroalimentación humana acumulada y comparando las sugerencias del agente con las respuestas humanas para proponer ediciones enfocadas a la habilidad base. Dado que las habilidades son archivos simples, las actualizaciones son revisables, aprobables y fusionables a través de flujos de trabajo PR normales. Una vez fusionadas, la próxima ejecución de la habilidad interna hereda la mejora.

Warp ahora ejecuta este patrón en todo su repositorio de código abierto con agentes separados para escritura de especificaciones, revisión y clasificación, cada uno con su propio bucle de auto-mejora. El marco permite mejoras acumulativas sin contaminar los prompts originales, creando un camino sostenible hacia un desarrollo asistido por IA cada vez más confiable.