Warp，这款由人工智能驱动的终端和开发环境，在 Claude 平台上构建了一个自我改进的智能体架构，以解决重复性任务可靠性问题。由 Zach Lloyd 于 2020 年创立的 Warp 面临一个常见问题，即首次提示达到 80% 的任务正确率会带来嘈杂的用户体验。该团队最初尝试手动重写提示并改进上下文文件，但发现这些解决方案无法扩展。核心问题是，发送给智能体的反馈通常在会话结束时消失，从而从智能体循环中移除关键上下文。Warp 的解决方案是一种基于 Agent Skills 的框架，其中反馈会随着时间的推移逐渐积累以优化智能体输出。该架构由两种技能类型组成：一种内部/基础技能，保存功能领域知识和指令；另一种外部/改进技能，作为观察智能体。改进技能按照计划运行，提取累积的人类反馈，并将智能体建议与人类响应进行比较，以提出针对性的编辑到基础技能。由于技能是普通文件，更新可以通过正常的 PR 工作流程进行审查、批准和合并。一旦合并，内技能的下一次运行就会继承这些改进。Warp 现在在其整个开源仓库中运行这种模式，分别配备了编写规范、审查和分类的智能体，每个智能体都有自己的自我改进循环。该框架允许逐步累积改进，而不会污染原始提示，从而为日益可靠的人工智能辅助开发创造了一条可持续的路径。