Warp 工程师：让 Agent 审查自己的对话历史并自动提 PR 修自己
AI Engineer · youtube · 2026-11-07
Warp 的 Agent 自改进循环
Warp 的 Ben Holmes 演示了如何让 AI 编码 agent「改进自己的配置」：
- 全量收集：把 agent 的所有对话（含工具调用与输出）集中到一处，作为可分析的语料。
- LLM-as-judge 打分：用评分 rubric 对冗余测试、啰嗦程度、效率等维度逐条对话打分，并展示了对一段真实对话的评分过程。
- 每日自修 agent：跑一个日常 agent 分析失败模式，自动开 pull request 修复 skills 和配置。
一个关键观察
Agent 会悄悄绕过坏掉的指令而不告诉你——这正是需要系统性审查 agent 历史的原因。
演讲还现场演示了 Skill Doctor，一个可以跑在用户自己的 Claude Code / Codex 历史上的 skill，并展示了如何长期跟踪分数变化。
「编程与Agent」频道最新
- Devin 新版界面预览曝光：单月 880 ACU 用量、380 个 PR 合并 — ghumare64 · 2026-11-07
- 百 Agent 部署难题之四:失败级联、重试重复与错误扩散 — goyalshaliniuk · 2026-11-07
- 百 Agent 部署难题之五:可观测性、安全与成本追踪的落地清单 — goyalshaliniuk · 2026-11-07
- 百 Agent 部署难题之三:工具争用、限流中断与成本飙升 — goyalshaliniuk · 2026-11-07
- 百 Agent 部署难题之二:共享上下文过期、丢失与 token 膨胀 — goyalshaliniuk · 2026-11-07
- 百 Agent 部署难题之一:协调复杂,产出冲突与依赖失控 — goyalshaliniuk · 2026-11-07