# Warp 推出 Warp Factories：以程式碼整合多模型與 Agent 工具的雲端軟體工廠基礎設施
> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)
> 原作者：Warp (@warpdotdev) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥🔥 · 日期：2026-08-18
> 原始來源：https://x.com/warpdotdev/status/2089727695852548451
## 證據與延伸閱讀
- [Warp 推出 Warp Factories：以程式碼整合多模型與 Agent 工具的雲端軟體工廠基礎設施。](https://x.com/warpdotdev/status/2089727695852548451)
- [Warp Factories 申請頁](https://warp.dev/factories/request-access) — 官方文件
## 中文摘要
Warp 推出 Warp Factories：以程式碼整合多模型與 Agent 工具的雲端軟體工廠基礎設施。
它把團隊既有工具、Agent 執行環境、品質評測與自我改進機制整合到同一套流程中，目前僅限少量公司申請導入。
**核心定位**
Warp Factories 的設定以程式碼管理，Warp 將其比喻為「Agent 設定的 Terraform」。Factory 可使用不同 model 與 harness，並以企業自己的資料執行 evals 與 benchmarks，透過 cost、velocity 等指標衡量效能；結果可在 dashboard 查看，也能透過 API 與 SDK 取得。
> 以 factory.yaml 命名、主題為 software factories as code 的藍底白字程式碼設定檔，內容包含 agentDefaults、repositories 及多個 agents 與 automations 設定。
**工作來源與整合**
工作可從團隊原本使用的工具進入 Factory，包括：
- Slack、Teams 等溝通工具
- Linear、Jira 等任務追蹤工具
- Github、Gitlab 等原始碼代管服務
- 終端機、IDE，以及其他本機 coding agent；這些工具可透過 Warp Factory MCP 連入
> Slack 對話截圖呈現了兩個討論執行緒，左側為 Chris Muccioli 標註 @marketing-factory 並附上一則 Loom 影片連結，右側為疊在下方的另一視窗，顯示 Zach Lloyd 在 #pod-warp-factories-aeo 頻道發文並附帶網站導覽列設計截圖。
**model 與 harness 彈性**
團隊可以依工作流程選擇合適的 model 或 harness，包括 Warp 的 SOTA agent，並取得多 model 與 open-weight models 的支援；也能直接以 Claude Code 或 Codex 作為 harness。所有 agent 都能在 Linux 與 Mac 上使用 Computer Use，重現問題並驗證修改是否正確，還能把錄影附在 pull request 或對話中，讓審查者不必把程式碼拉到本機確認。
> 列出多個 AI 模型的選單介面，頂部標籤包含 /MODEL、Base 與 Full Terminal Use，下方清單則列出 Auto (genius)、Claude Fable 5、GPT 5.6 sol、Grok 4.6、glm 5.1 及 kimi k3 等選項。
**自我改進與畫面示範**
Warp 表示可設定 self-improvement agents，讓它們評分 Factory 表現並自動改進，原文並特別提到內建記憶。輔助影片畫面則顯示一個 `ci-pipeline` agent 的管理流程：使用者將 harness 從 Warp 切換成 Codex，再把 model 設為 GPT-5.5，儲存後出現「Agent updated」通知。畫面原本顯示 Base model 為 Claude Sonnet 4、Base harness 為 Warp，這些屬於 demo 中的介面內容，不另視為正式規格。
> 介紹 Warp Factories 的介面與功能展示
> 進入 agent 管理介面點選 ci-pipeline 並在右側編輯面板中將 harness 從 Warp 切換為 Codex 並設定 model 為 GPT-5.5 的操作畫面
**導入條件**
Warp 當日開始為少量公司提供導入，特定對象可獲得 10,000 美元的 Factory 使用額度。官方邀請有興趣者透過 [Warp Factories 申請頁面](https://warp.dev/factories/request-access) 申請存取。
> Warp Factory 儀表板顯示單一 PR 成本為 $57.55，且 Code Quality 與 Efficiency 通過率分別達到 93% 與 96%。
## 媒體內容
**介紹 Warp Factories 的介面與功能展示**
**影片中的 Prompt 與操作**
Prompt（03:59）：
```
Warp anything 例如：建立一個用於我的 PostgreSQL 資料庫的備份腳本並排定執行計畫
```
原文：```
Warp anything e.g. Create a backup script for my PostgreSQL database and schedule it
```
操作步驟：
1. （00:12）點擊選單
2. （00:27）檢視 Runs 列表
3. （00:37）點擊 Add MCP 按鈕
4. （00:39）輸入 Secret
5. （00:43）檢視 Dashboard
6. （00:52）連結 code host
7. （01:02）檢視 Agents 列表
8. （01:17）檢視 factory.yaml 程式碼
9. （01:27）檢視 agent.md 設定檔
10. （01:33）檢視 skills 目錄
11. （01:46）輸入 @Warp prompt
12. （01:52）輸入 @warp-agent prompt
13. （01:58）檢視 Slack thread 討論
14. （02:20）檢視 Loom 影片連結
15. （02:35）檢視 Wilson 代理程式
16. （03:29）檢視文字 spec 內容
17. （03:53）檢視 Agent 執行 Live Session
18. （04:00）檢視 Warp 終端機介面
19. （04:26）檢視 agent 編輯介面
20. （04:51）檢視 Triage 任務看板
21. （05:08）檢視 Runs 列表與 Orchestration 狀態
22. （05:35）檢視執行成本與 MCP 伺服器設定
23. （06:11）檢視 Scorers 列表
24. （06:19）檢視 Code Quality scorer 設定
25. （06:47）檢視 Scoring 輸出詳情
26. （07:09）檢視 PR 討論與建議
27. （07:37）檢視 Dashboard 圖表與指標
28. （08:03）檢視 Benchmarks 設定
**逐字稿**
- `00:00` 今天，我們要介紹 Warp factories，並開放搶先體驗。（Today, we're introducing warp factories and early access.）
- `00:03` 這是一套彈性的基礎架構，協助團隊打造屬於自己的雲端軟體工廠。（This is flexible infrastructure to help teams build cloud-based software factories of their own.）
- `00:10` 你可能已經習慣在自己的電腦上執行互動式 Agent，來完成工作。（You might be used to running interactive agents on your machine to get things done.）
- `00:14` 這樣很方便，但放在團隊情境中，會有幾個問題。（This is convenient, but it has a few problems in a team context.）
- `00:18` 也就是說，（Namely,）
- `00:18` 讓團隊成員在整個工具鏈中使用不同的模型和 harness，（letting team members use different models and harnesses across the tool chain）
- `00:23` 會讓安全性存取、成本和投資報酬率難以監控。（makes it hard to monitor security access, cost, and return on investment.）
- `00:27` 在軟體工廠中使用自動化功能，可以協助解決這個問題，（Using automations in a software factory can help address this,）
- `00:31` 讓團隊針對開發生命週期中的每個步驟，微調所使用的模型和成本，（by letting the team fine-tune the models and costs that are used for each step in the development lifecycle,）
- `00:36` 新增一個集中管理 MCP、機密存取權限、skill 的地方，（adding a central place to manage MCPs, secret access, skills,）
- `00:40` 以及環境中的其他所有項目，（and everything else in the environment,）
- `00:42` 再透過儀表板一覽團隊的開發速度和成本，追蹤工廠長期的效率。（and a dashboard to give a bird's-eye view on team velocity and cost to track the efficiency of a factory over time.）
- `00:49` 這就帶我們來到 Warp factories。（This brings us to warp factories.）
- `00:51` 它非常容易上手。（It's super easy to get started with.）
- `00:53` 連結你的程式庫，幾分鐘內就能啟動一座工廠。（Connect your repository, and you can have a factory spun up in a few minutes.）
- `00:57` 接著，你就會擁有一套涵蓋開發生命週期每個步驟的 Agent，（And this will set you up with a suite of agents for each step in the development lifecycle,）
- `01:02` 首先是 triage，在問題進來時進行研究，（starting with triage to research issues as they come in,）
- `01:05` 接著是為大型功能撰寫規格，（spec writing for larger features,）
- `01:07` 再透過電腦操作進行驗證，實作並撰寫程式碼，（implementation to write the code with verification using computer use,）
- `01:11` 在後端進行程式碼審查，（code review on the backend,）
- `01:12` 以及一位工廠領班，負責協調整個流程中的所有 Agent。（and a factory foreman that will orchestrate all of these agents through the chain.）
- `01:16` 而且，所有這些基礎架構都是以程式碼撰寫的，（And all of this infrastructure is written as code,）
- `01:19` 透過一個集中式檔案，管理工廠中的所有程式庫，（with a centralized file to manage all of the repositories in your factory,）
- `01:24` 以及可用的機密和 MCP 伺服器。（secrets and MCP servers available.）
- `01:26` 至於我們的每個 Agent，（And for each of our agents,）
- `01:27` 我們都有一個設定檔，說明該 Agent 應該如何運作，（we have a config file to show how that agent should behave,）
- `01:30` 它應該使用的模型，以及它能存取的 skill 集合，（the model that it should be using, and the set of skills that it has access to,）
- `01:34` 用來與 Linear、Slack、GitHub 等第三方整合服務互動，（to work with your third-party integrations like Linear, Slack, GitHub,）
- `01:38` 或是你想用來與工廠互動的任何其他服務。（or anywhere else you want to interact with the factory.）
- `01:41` 現在來談談如何在工廠中啟動工作。（Now let's talk about kicking off tasks inside of your factory.）
- `01:44` 工廠會存在於你工作的任何地方，（Factories live wherever you're working,）
- `01:46` 所以你可以在 Linear 和 Jira 的工作看板上標記它，開始為某項功能撰寫規格，（so you can tag it in on your task board on Linear and Jira to start writing out a spec for a feature,）
- `01:51` 舉例來說。（for example.）
- `01:52` 你也可以在 GitHub 上標記工廠，進行 PR 審查流程和留下留言。（You can also tag in your factory on GitHub for PR review flows and leaving comments.）
- `01:57` 而我們最喜歡的工作流程，是從 Slack 標記 Agent。（And our favorite workflow, tagging in agents from Slack.）
- `02:00` 你會注意到，我們其實會為每個團隊執行多座工廠。（You'll notice here that we actually have multiple factories that we run for each of our teams.）
- `02:05` 這些工廠各自設定了不同的權限、skill，（Each of these factories are set up with different permissions, skills,）
- `02:09` 以及 MCP 伺服器，（MCP servers,）
- `02:09` 因此每座工廠的能力都受到適當的限制。（so the capabilities of every factory are scoped appropriately.）
- `02:12` 例如，（For example,）
- `02:13` 我們有一座 AEO 工廠，用來針對搜尋引擎最佳化部落格文章。（we have this AEO factory that we use for optimizing our blog posts for search engines.）
- `02:19` 我們的上市團隊也有一座行銷工廠，用來更新登陸頁面和品牌 asset。（Our go-to-market team also has a marketing factory that we use for updating our landing page and brand assets.）
- `02:24` 我們也意外發現，透過電腦操作，（We also discovered by accident that with computer use,）
- `02:27` Agent 可以替我們觀看 Loom 影片。（the agent can watch Loom videos for us.）
- `02:30` 最後，我們還有產品開發工廠，（And finally, we have our product building factory,）
- `02:32` 我們親切地把它稱為 Wilson。（which we've lovingly called Wilson.）
- `02:34` 這個 Agent 可以存取 Warp 終端機、伺服器的核心程式庫，（This agent has access to our core repositories for the warp terminal, the server,）
- `02:39` 以及網頁 UI。（and the web UI.）
- `02:40` 在這裡，我們的一位首席工程師 Ben Nevetta，（Here, one of our lead engineers, Ben Nevetta,）
- `02:42` 正在要求 Agent 為我們的第三方 harness 實作一個選擇器。（is asking the agent to implement a picker for our third-party harnesses.）
- `02:46` 順帶一提，我們在這個系統中支援將 Claude Code 和 Codex 作為 harness。（We support Claude Code and Codex as harnesses inside of the system, by the way.）
- `02:50` 他想確保 picker 已經遷移到我們的新 UI。（He wanted to make sure that picker is migrated to our new UI.）
- `02:53` 所以 foreman 將我們的請求路由給 triage Agent，進行一些調查。（So that foreman routed our request to the triage agent to do a bit of investigation.）
- `02:58` Agent 發現這項功能並沒有正確實作，（The agent discovered that it wasn't implemented correctly,）
- `03:01` 所以它建立了一個 Linear issue，讓團隊其他成員也能看見。（so it fired a linear issue for visibility to the rest of the team.）
- `03:04` 這就是這類彈性系統的美妙之處，（This is the beauty of a flexible system like this,）
- `03:07` 你可以把自己的任務看板連接進來，（where you can connect your own task boards）
- `03:09` 確保整個團隊都了解 Agent 正在做什麼。（to make sure the whole team is aligned on what agents are doing.）
- `03:12` 在和 triage Agent 來回溝通、了解問題範圍後，（And after a bit of back and forth with the triage agent to understand the scope of the problem,）
- `03:16` Ben 將它推進到規格撰寫階段。（Ben moved it along to spec writing.）
- `03:19` 這適用於較大型的功能，也就是你想撰寫詳細計畫，（This is for larger features where you want to write out a detailed plan）
- `03:23` 並針對你正在處理的程式庫進行調整。（tailored to the repositories that you're working in.）
- `03:25` 而且這些規格會以你可以審查的程式碼形式撰寫。（And these specs get written as code that you can review.）
- `03:28` 這裡有一份技術規格，是以 pull request 的形式產生的。（Here we have a tech spec that was generated as a pull request.）
- `03:32` 你可以把技術規格想成一份計畫，根據更詳細的範本，並針對你的程式庫進行調整。（And you can think of tech specs like a plan based on a more detailed template tailored to your repository.）
- `03:38` 其中詳細列出了所有需要進行的變更，（This details all of the changes that need to be made,）
- `03:41` 以及測試和驗證策略。（along with testing and validation strategies.）
- `03:44` 規格經過改進後，我們就可以進入實作階段。（And once a spec gets improved, we can move on to implementation.）
- `03:47` 而且所有 Agent 執行作業都有 session 支援，無論你使用哪種工具，都能輕鬆加入。（And all agent runs are backed by a session that are easy to join from whatever tooling that you're using.）
- `03:52` 在這裡，我們可以查看實作這項變更的即時 session，還能透過網頁 UI 進行後續操作，（Here we can view the live session that implemented this change with the opportunity to follow up from the web UI,）
- `03:59` 也可以透過 Warp 終端機，或使用 factory MCP 與 session 互動，（from the warp terminal, or you can use the factory MCP to interact with sessions,）
- `04:04` 設定，（config,）
- `04:05` 以及你慣用的程式開發 harness 中的其他功能。（and anything else from your favorite coding harness.）
- `04:07` 這個 MCP 不只能用來恢復 session，或與 foreman 互動，（This MCP is useful not only for resuming sessions and interacting with the foreman,）
- `04:12` 也能用來更新你的 Factory 設定，或了解需要完成的工作。（but also for updating your factory configuration or understanding the work that needs to get done.）
- `04:17` 另一方面，我們會得到一個可以進行審查的 pull request，（And on the other side, we get a pull request that's ready for review,）
- `04:20` 其中詳細列出所有變更，（with all the changes detailed,）
- `04:22` 驗證步驟，甚至還有使用電腦操作功能錄製的影片。（validation steps, and even a recording using computer use.）
- `04:26` 在這裡，我們可以看到 Agent 示範它已經加入了我們想加入的 picker。（Here we can see the agent demonstrating that it added the picker that we wanted to add.）
- `04:31` 我們也會標示滑鼠游標的點擊位置，（We'll also highlight cursor clicks,）
- `04:33` 在 Agent 審查螢幕截圖時剪掉無內容的片段，（we'll edit out dead spots while the agent is reviewing screenshots,）
- `04:37` 而且它使用鍵盤瀏覽時，我們也會顯示提示標註。（and we'll also show callouts while it's navigating with the keyboard.）
- `04:40` 接著到了審查階段，你可以自由地在 GitHub 留下留言，（And then in the review phase, you're free to leave comments on GitHub,）
- `04:43` 或直接在 Slack 上詢問 Agent 做出某些決定的原因。（or ask the agent about decisions that it made directly on Slack.）
- `04:47` 在審查 PR 時，讓 Agent 顯示在旁邊真的非常有幫助。（It's really helpful to have the agent side by side while you're reviewing a PR.）
- `04:51` 而在儀表板上，（And from the dashboard,）
- `04:52` 你可以鳥瞰所有正在進行的對話，（you can get a bird's eye view of all of these conversations that are happening）
- `04:55` 無論是在 Slack、Linear issue，或任何其他用來追蹤工作的地方。（across Slack, across linear issues, anywhere else that you're tracking work.）
- `05:00` 在活動動態中，我們可以看到 Agent 在流程每個步驟的進度，（In the activity feed, we can see where agents are at in each step of the process,）
- `05:04` 不論它們是在與 triage Agent 合作、規劃、建置，還是進行審查。（whether they're working with the triage agent, planning, building, or reviewing.）
- `05:07` 我們也可以查看團隊中所有 Agent 的執行作業，（We can also take a look at all of the agent runs across our team,）
- `05:11` 並標示這些請求的來源，（with callouts for the origin of those requests,）
- `05:14` 以及是否有可供我們審查的產出物，（whether there's any artifacts that we can review,）
- `05:16` 例如作為 PR 一部分所產生的圖片或影片，（like images or videos taken as part of a PR,）
- `05:20` 還有 subagent 的使用明細，讓我們了解委派策略。（and a breakdown of sub-agents used to see the delegation strategy.）
- `05:24` 順帶一提，Warp 的 harness 完全具備自動編排能力。（Warps Harness is fully capable of automatic orchestration, by the way.）
- `05:27` 我們可以在這裡查看那段 Slack 對話中使用的 Agent，（We can take a look at the agents that were used for that Slack conversation here,）
- `05:31` 包括 triage Agent、規格步驟，以及實作階段。（with the triage agent, a spec step, and implementation.）
- `05:33` 我們也可以查看每次 Agent 執行作業的成本，完整掌握 token 的使用情況。（We can also review the cost of every agent run for full visibility on where our tokens are going.）
- `05:40` 我們也能完整掌握支援這些流程的 Agent 和自動化功能。（We also have full visibility into the agents and automations backing these flows.）
- `05:43` 這些都是以程式碼的形式設定的，但你也可以從網頁 UI 查看，（They're configured as code, but you can also view them from the web UI,）
- `05:47` 檢視每個步驟使用的模型、密鑰、MCP，（to review the models that are used at each step, secrets, MCPs,）
- `05:50` 以及其他額外指示。（and additional instructions.）
- `05:52` 我們也可以看到將這些 Agent 連接到外部世界的自動化功能，（We can also see our automations that connect those agents to the outside world,）
- `05:56` 例如在 Linear issue 中提及 Warp Agent，（like mentions to the warp agent in linear issues,）
- `05:58` 透過 Slack 私訊或 Slack 頻道傳送訊息，（messaging through Slack DMs versus Slack channels,）
- `06:01` 以及團隊工作的任何地方。你可以把它連接到這座工廠。（anywhere that your team works. You can connect it up to the factory.）
- `06:04` 我們不只會協助你建立這座工廠，（Not only do we help you set up the factory,）
- `06:07` 也會協助你持續監控並改善這座工廠。（but we also help you monitor and improve that factory over time.）
- `06:10` 其中一項功能就是評分器，（One capability for that are scorers,）
- `06:12` 這是一種特殊類型的 Agent，會檢視（which are a special type of agent that review the output and）
- `06:16` 系統中其他 Agent 的輸出與品質。（the quality of the other agents in the system.）
- `06:18` 例如，我們有一個程式碼品質評分器，（For example, we have a scorer for code quality that）
- `06:21` 會檢視所有實作 Agent 的執行結果，（reviews all of our implementation agent runs,）
- `06:24` 並根據評分規準判斷它是否（and judges based on a rubric to decide whether it's）
- `06:27` 表現良好。（performing well.）
- `06:28` 你也可以定義評分標準和通過門檻，（You can also define your scoring criteria, your pass threshold,）
- `06:32` 進一步微調（to really fine-tune）
- `06:33` 成功與失敗的判定方式。（what success and failure look like.）
- `06:35` 我們也可以在這裡看到一些過去的執行結果，以及這些評分（And we can see a few of those past runs here, with a cost breakdown）
- `06:38` 為我們帶來的成本明細。（for what these scores are costing us.）
- `06:40` 我們也可以看到每個 Agent 是否通過了基本檢驗，（And we can see whether each of these agents passed the sniff test,）
- `06:43` 以及 Agent 可能對該表現提出的評論。（and what comments the agent might have about that performance.）
- `06:46` 當然，如果你有興趣，（You can, of course, come to this）
- `06:48` 你可以來這個儀表板檢視每次執行的輸出，（dashboard to review the output of each run if you're curious,）
- `06:51` 但當我們（but this becomes really effective when we）
- `06:53` 採用自我改善這個概念時，效果會真正顯現。（pull on the idea of self-improvement.）
- `06:55` 這個概念是讓 Agent 檢視所有評分輸出，（This is the idea of an agent reviewing all of that scoring output）
- `06:59` 以及團隊透過這個系統執行的所有結果，並提出洞見與變更建議，（and all of the runs that your team puts through this system and suggesting insights and changes）
- `07:05` 讓你能隨著時間改善工廠的品質。（that you can make to improve the quality of your factory over time.）
- `07:08` 在這裡，我們讓其中一個自我改善（Here we had one of our self-improvement）
- `07:10` Agent 檢視所有評分輸出，並建議變更，以改善產生的程式碼（agents review all that scoring output and suggest a change to improve the quality of the code that gets）
- `07:16` 品質。（generated.）
- `07:16` 這是在處理我們於 PR 審查中留下的、關於程式碼註解的意見，並建議（This is addressing complaints that we left on PR reviews about code comments and suggests）
- `07:21` 修改 skill，以改善這些程式碼註解的品質，這樣下次就不會再遇到（the change to the skill to improve the quality of those code comments so next time we don't run）
- `07:26` 這些問題。（into those issues.）
- `07:27` 這對於找出隱藏的寶藏，以及你必須進行的所有對話來說，非常有價值，（This is super valuable for pulling out hidden gems and all the conversations that you）
- `07:32` 能幫助你做出有意義的變更，改善 Agent 的品質。（have to make meaningful change to improve the quality of your agents.）
- `07:36` 最後，我們有一個鳥瞰式（And finally, we have our bird's）
- `07:38` 儀表板，用來查看這一切隨著時間的變化，（eye dashboard to see how all of this is playing out over time,）
- `07:43` 例如查看每個 PR 的成本，（like looking at our cost per PR to）
- `07:45` 了解當我們發布 skill 變更並最佳化設定時，（understand as we ship changes to our skills and optimize our setup,）
- `07:50` 是否真的降低了（is it truly decreasing the cost）
- `07:52` 透過系統執行的 pull request 成本。（of the pull requests that we run through the system.）
- `07:54` 我們也會協助你的團隊追蹤開發速度，（We'll also help your team with velocity tracking,）
- `07:57` 查看開啟的 PR 數量、系統中的執行總數，（looking at the number of PRs opened, the total runs across the system,）
- `08:00` 以及其他你可能（and any other analytics you may）
- `08:02` 需要存取的分析資料。（need access to.）
- `08:02` 我們也提供基準測試，（And we have benchmarks,）
- `08:04` 讓你取出一組能代表團隊工作內容的任務（which let you take a set of tasks that represent the work that you）
- `08:08` 在你的團隊中執行，並使用不同的模型和上下文，針對那些任務跑這些評分。（do on your team and runs these scores against those tasks with different models and context.）
- `08:14` 所以你可以（So you can）
- `08:15` 為工廠中的每個步驟，設定有效的路由，導向適合的模型。（set up effective routing to the right models for each step in your factory.）
- `08:19` 這就像一個個人化的（It's like a personalized）
- `08:20` 模型基準測試，專門為你的設定打造。（model benchmark just for your setup.）
- `08:23` 這就是 Warp Software Factories。（So that's Warp Software Factories.）
- `08:25` 它開放又彈性十足，（It's open and flexible,）
- `08:26` 讓你可以使用任何 Agent 或任何模型來完成工作，並可選擇透過我們代管，或自行代管（letting you use any agents or any models for the job with options to either host through us or self-host）
- `08:32` 同時享有完整的資料主權。（and full data sovereignty.）
- `08:34` 而且因為基礎架構是以程式碼管理的，所以很容易（And because the infrastructure is owned as code, it's easy to）
- `08:38` 隨著時間調整和改進，還能連接任何觸發來源、Slack、GitHub、（tweak and improve over time with connectors to any trigger, Slack, GitHub,）
- `08:43` Linear，以及 REST API 和 SDK。（Linear, and REST API and SDK.）
- `08:45` 目前是搶先體驗階段，歡迎加入候補名單；我們將提供最高 10,000 美元的工廠使用額度給符合資格的團隊。（It's an early access to join the waitlist and we're giving up to $10,000 in factory usage to qualified teams.）
**進入 agent 管理介面點選 ci-pipeline 並在右側編輯面板中將 harness 從 Warp 切換為 Codex 並設定 model 為 GPT-5.5 的操作畫面**
**影片中的 Prompt 與操作**
操作步驟：
1. （00:00）點選 ci-pipeline
2. （00:03）點選 Harness 下拉選單並選擇 Codex
3. （00:09）點選 Model 並選擇 GPT-5.5
4. （00:12）點選 Save 儲存變更
5. （00:23）點選右上角 New run
**Warp Factory 儀表板顯示單一 PR 成本為 $57.55，且 Code Quality 與 Efficiency 通過率分別達到 93% 與 96%。**
**數據表（1）Cost per PR**
| 項目 | 數值 |
| --- | --- |
| Cost per PR = $57.55 ($38,387.92 • 667 PRs) | |
| Inference | Apr 01 $60 · May 01 $72 · Jun 01 $63 · Jul 01 $25 |
| Platform | Apr 01 $18 · May 01 $10 · Jun 01 $8 · Jul 01 $5 |
| Compute | Apr 01 $9 · May 01 $3 · Jun 01 $2 · Jul 01 $2 |
**數據表（2）Code Quality**
| 項目 | 數值 |
| --- | --- |
| Code Quality PASS = 93% | |
| Code Quality | Apr 01 25% · May 01 35% · Jun 01 65% · Jul 01 80% |
**數據表（3）Efficiency**
| 項目 | 數值 |
| --- | --- |
| Efficiency PASS = 96% | |
| Efficiency | Apr 01 52% · May 01 60% · Jun 01 45% · Jul 01 85% |
## 標籤
新產品, Agent, SDK, Benchmark, Warp