Warp, l'environnement de terminal et de développement alimenté par l'IA, a construit une architecture d'agents auto-améliorants sur la plateforme Claude pour résoudre des problèmes de fiabilité des tâches récurrentes. Fondée en 2020 par Zach Lloyd, Warp fait face au problème courant où une première tentative de prompt atteignant 80 % de justesse dans la tâche crée des expériences utilisateur bruyantes. L'équipe a d'abord essayé de réécrire manuellement les prompts et d'améliorer les fichiers de contexte, mais a constaté que ces solutions ne pouvaient pas être mises à l'échelle.

Le problème central était que les commentaires envoyés aux agents disparaissent généralement lorsque les sessions se terminent, supprimant le contexte critique de la boucle agente. La solution de Warp est un cadre basé sur Agent Skills où les commentaires s'accumulent avec le temps pour affiner la sortie de l'agent. L'architecture se compose de deux types de compétences : une compétence interne/de base contenant des connaissances de domaine fonctionnelles et des instructions, et une compétence externe/de perfectionnement agissant comme un agent observateur.

Le perfectionneur s'exécute selon un planning, extrait les commentaires humains accumulés et compare les suggestions de l'agent aux réponses humaines pour proposer des modifications ciblées à la compétence de base. Étant donné que les compétences sont des fichiers simples, les mises à jour sont consultables, approuvables et fusionnables via des flux de travail PR normaux. Une fois fusionnées, la prochaine exécution de la compétence interne hérite de l'amélioration. Warp exécute désormais ce modèle sur l'ensemble de son dépôt open source avec des agents séparés pour l'écriture de spécifications, la révision et la triage, chacun possédant sa propre boucle d'auto-amélioration.

Ce cadre permet des améliorations cumulatives sans polluer les prompts bruts, créant un chemin durable vers un développement assisté par IA de plus en plus fiable.