菠萝与大西瓜
@zuoyou
宝玉分享了 Claude 官方新发的一篇博文《How Warp builds self-improving agents on Claude》，讲的是一个非常有意思的问题：怎么让 Agent 的 Skill 自己进化。
Warp（终端工具）的做法是：Agent 在执行任务时，每次遇到新的边界情况或者发现了更优的解法，就自动更新对应的 Skill 文件。这相当于给 Agent 装了一个「经验积累器」——做一次学一次，下次遇到类似场景就不用从头摸索了。
他自己也实践过类似思路。写了一个反编译 JS 代码的 Skill，效果还不错，能持续优化。但试过做「写作自我进化 Skill」就翻车了——因为写作没有统一的客观标准，Skill 自己改自己，越改越差。
这里暴露了一个核心矛盾：什么任务适合自我进化，什么不适合？
关键在于有没有明确的验证信号。代码反编译有客观结果可以比对——生成的代码能不能跑、对不对，一测就知道。但写作、策划这类主观性强的任务，Agent 缺乏可靠的质量反馈，自我进化容易陷入「负优化」陷阱。
所以如果你在用 Cursor/Copilot/Claude Code 之类的工具做 Skill，建议先想清楚两件事：一是你的任务有没有清晰的验证标准，二是 Skill 更新后有没有回滚机制。没有这两样，盲目让 AI 自己改自己的 Skill，大概率是灾难。
参考这篇博文原文：anthropic.com/engineering/wa…
29 浏览 0 评论
0 反应
