Warp, lingkungan terminal dan pengembangan yang didukung AI, telah membangun arsitektur agen yang meningkat secara otomatis di platform Claude untuk mengatasi masalah keandalan tugas berulang. Didirikan pada tahun 2020 oleh Zach Lloyd, Warp menghadapi masalah umum di mana prompt pertama yang mencapai 80% keakuratan tugas menciptakan pengalaman pengguna yang berisik. Timnya awalnya mencoba menulis ulang prompt secara manual dan meningkatkan file konteks, tetapi menemukan bahwa solusi-solusi ini tidak dapat diskalakan.

Masalah inti adalah bahwa umpan balik ke agen biasanya menghilang ketika sesi berakhir, menghilangkan konteks kritis dari loop agen. Solusi Warp adalah kerangka kerja berbasis Agent Skills di mana umpan balik menumpuk seiring waktu untuk memperbaiki keluaran agen. Arsitekturnya terdiri dari dua jenis keterampilan: keterampilan dalam/dasar yang memegang pengetahuan domain fungsional dan instruksi, dan keterampilan luar/pengimprovisasi yang bertindak sebagai agen pengamat.

Pengimproviser berjalan sesuai jadwal, mengambil umpan balik manusia yang terakumulasi dan membandingkan saran agen dengan respons manusia untuk mengusulkan pengeditan yang terfokus pada keterampilan dasar. Karena keterampilan adalah file biasa, pembaruan dapat ditinjau, disetujui, dan digabungkan melalui alur kerja PR normal. Setelah digabungkan, lari berikutnya dari keterampilan dalam mewarisi perbaikan tersebut.

Warp kini menjalankan pola ini di seluruh repositori open source-nya dengan agen-agen terpisah untuk penulisan spesifikasi, tinjauan, dan triage, masing-masing dengan loop perbaikan diri sendiri. Kerangka kerja ini memungkinkan perbaikan yang menumpuk tanpa menyingaukan prompt mentah, menciptakan jalur yang berkelanjutan menuju pengembangan yang didukung AI yang semakin andal.