Warp双Skill闭环让Agent越用越聪明

时间 2026年8月26日 Anthropic 官方博客发布客户案例《How Warp builds self-improving agents on Claude》，8月29日 RSS 监控源收录，4+ 媒体跟进深度解读。 地点 美国加利福尼亚州旧金山（Warp 与 Anthropic 双总部所在地）。 人物 Warp 创始人兼 CEO Zach Lloyd；Anthropic Applied AI 团队 Carly Ryan、Growth AE Tina Karraz；文章作者 Michael Segner（Anthropic 内容工程师）。 事件详情 Anthropic 官方博客于 2026 年 8 月 26 日发布深度客户案例《How Warp builds self-improving agents on Claude》，由 Michael Segner 撰写，详细拆解 Warp 如何在 Claude 平台上构建"会自我进化"的 AI 智能体。 Warp 团队的核心方案是"双层 Skill 闭环"架构： 内层 base skill 存放领域知识与执行指令，例如"代码审查该检查什么"，是 Agent 真正干活的部分。外层 improver skill 是一个定时运行的"观察者 Agent"，不执行业务任务，只做一件事——拉取近期积累的人类反馈，对比内层 skill 的当前内容，提出小幅修改，并自动开 PR。中间原料是人类在工作现场的真实反馈（PR 评论、issue 评论、点赞或详细解释），不需要专门表单。 由于 Skill 是纯 Markdown 文件而非外挂记忆系统，Agent 极擅长更新文件；所有改进走标准 PR/code-review 流程，人类保持最终控制权。 Warp 的规模化数据：累计融资 7300 万美元，月活开发者 80 万，56% 财富 500 强企业在用，累计运行 1000 万次 Claude Code 会话（每周 40 万+），Agent 对话总量 4000 万次。该方案已在 spec-writing、review、triage 三个 Agent 上验证。 背景 Warp 成立于 2020 年，是 AI 驱动的终端与 agentic 开发环境。在 Warp 之前，团队遇到所有 Agent 团队的共同痛点——"反馈消失问题"：Agent 收到的反馈在会话结束后就丢失，下次运行又从零开始。他们曾尝试手动改 prompt、更新 AGENTS.md 等补丁方法，均无法规模化。 影响 工程模式高度可复用。任何 Agent（不限任务类型）只要从一开始就建立"捕获人类反馈 → 转化为 Skill 更新 → 扩展为跨组织能力系统"的循环，就能持续改进。Anthropic 用官方博客为 Skill 框架背书——把 Warp 实践写进 claude.com/blog，意味着这一路径成为 Claude 生态共识，未来会有更多 Builder 跟进。框架成本极低，Warp 创始人 Zach Lloyd 强调"这种简单性正是此方法的魅力所在"——不需要新框架，文件 + PR 工作流即可上手。 总结 Anthropic 通过 Warp 案例向开发者社区展示了一套极简的 Agent 自我改进工程方案——把知识沉淀为版本化的 Skill 文件，让 Agent 用最擅长的方式（更新文件）持续迭代。Warp 案例说明，AI Agent 的"长期记忆"不必依赖外挂数据库或向量库，用 Markdown 文件 + PR 流程就能解决。这是 Agent 工程化从"一次性 prompt 调优"走向"长期能力沉淀"的标志性案例。 参考来源 1. Anthropic 官方博客：https://claude.com/blog/how-warp-builds-self-improving-agents-on-claude 2. Anthropic 官方案例 webinar 页面：https://www.anthropic.com/webinars/how-warp-builds-self-improving-agents-on-claude 3. 中文深度解读（爱折腾的工程师）：https://www.iceyao.com.cn/post/2026-08-28-warp%E8%87%AA%E6%88%91%E6%94%B9%E8%BF%9Bagent%E6%B7%B1%E5%BA%A6%E8%A7%A3%E8%AF%BB 4. 中文深度解读（博客园）：https://www.cnblogs.com/itech/p/22750346 5. 网易科技报道：https://www.163.com/dy/article/L5HOUBPA05561FZK.html