# Warp 推出 self-improvement loops，依評分結果提出可審查的 Skills 改進差異檔

> 📖 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：2026-08-28

> 原始來源：https://x.com/warpdotdev/status/2093019984993595698

## 證據與延伸閱讀

- [Warp 推出 self-improvement loops，依評分結果提出可審查的 Skills 改進差異檔。](https://warp.dev/articles/self-improvement-loop-software-factory) — 官方文件 · 最後核對：2026-08-28 · 支持主張：官方指南把流程拆成 scorers、observers 與 self-improvement agents，並用 inner loop trace 與 outer loop 批次審查提出 model/context/Skill diffs；同時警告 overfit、local maxima 與無限消耗 token。

## 中文摘要

Warp 推出 self-improvement loops，依評分結果提出可審查的 Skills 改進差異檔。

**流程架構** 官方指南將流程拆成 three components：

- scorers：由人工、確定性規則或 model 判斷已完成的 trace。
- observers：決定評分涵蓋範圍、執行頻率與批次方式。
- self-improvement agents：跨多次評分結果尋找可重用的成功與失敗模式。

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1787909270244-wbwvry1p.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/e838ca47541f3b3f.jpg" controls playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> 搭配 scorer 評分與自動產生 Skills 改進的 agent self-improvement 迴圈架構圖

**內外迴圈** inner loop 由 Skill 執行一般工作並產生 trace；outer loop 則依排程檢視多次執行結果，提出 model、context 或 Skill 的 diff。以 issue triage 為例，人工修正錯誤標籤並說明原因後，outer agent 會辨識這項修正並提出 Skill diff，而非直接覆寫 production skill。詳見 Warp 的[官方指南](https://warp.dev/articles/self-improvement-loop-software-factory) 。

**實務限制** Warp 強調，單純評分 runs 並不代表已完成改善迴圈；可量測目標才適合使用自動評分器。系統仍可能 overfit 或停留在 local maxima，因此應先設定 涵蓋範圍、執行頻率、批次方式與明確的停止條件，避免 Agent 無限最佳化並持續消耗 token。

## 媒體內容

**搭配 scorer 評分與自動產生 Skills 改進的 agent self-improvement 迴圈架構圖**

**逐字稿**

- `00:00` 來談談 Agent 的自我改進迴圈。（Let's talk about self-improvement loops for agents.）
- `00:02` 這個概念非常簡單。（The concept is pretty simple.）
- `00:04` 我們團隊每天會和 Agent 進行許多對話，（We have a number of conversations with our agents every day across our team,）
- `00:08` 而這些對話中有不少可能失敗的環節，（and there are a number of failure points in those conversations）
- `00:11` Agent 可能會錯誤套用 skill，或寫出效率不佳的程式碼，導致我們必須回頭修改。（where agents may hold the skills wrong or write inefficient code that we have to go revise.）
- `00:16` 如果有一套系統能在這些對話進行時評估它們，（And it would be nice to have a system that's evaluating those conversations as they happen）
- `00:21` 並建議如何改進我們的 skill，讓 Agent 下次表現得更好，那就很理想了。（and suggesting improvements to our skills so that the agent performs better next time.）
- `00:25` 為了解決這個問題，（To address this,）
- `00:26` 我們建立了一套三步驟系統，運用你所有的對話資料。（we've created a three-step system that works off of all of your conversation data.）
- `00:31` 首先，它會彙整所有原始對話，（It starts from aggregating all of your raw conversations,）
- `00:34` 再把這些對話轉換成評分過的對話，（turning those into scored conversations,）
- `00:37` 也就是定義成功與失敗的評分標準，（so defining rubrics of what success and failure look like,）
- `00:40` 接著讓一個 Agent 審查所有評分，並提出改進建議。（and then having an agent review all of those scores to suggest improvements.）
- `00:45` 接下來，我會示範這套系統如何作為更大型軟體工廠的一部分實作。（Here I'll show you what that looks like implemented as part of a larger software factory.）
- `00:50` 這個儀表板是 Warp Factories 的一部分，（This dashboard is part of Warp Factories,）
- `00:52` 你現在就可以取得搶先體驗。（which you can get early access to right now.）
- `00:55` 你可以看到，我們設定了許多評分器，（And you can see here we've set up a number of scorers）
- `00:58` 會對團隊中的所有對話執行評分。（that we run across all the conversations across our team.）
- `01:01` 在這裡，我們建立了一個程式碼品質 Agent，會審查我們的所有對話，（Here we've created a code quality agent that reviews all the conversations we have）
- `01:05` 也就是那些處理主要程式庫的對話，（working on our main repositories,）
- `01:07` 並評估是否通過我們的程式碼品質測試。（and it evaluates whether it has passed or failed our code quality test.）
- `01:12` 我們可以在這裡查看設定，（And we can see the configuration for that here,）
- `01:14` 每當 Agent 在我們的程式庫上實作程式碼時，（where whenever an agent is implementing code on our repositories,）
- `01:18` 我們都會提供一些指示，告訴它如何評估表現。（we've given it some instructions on how to evaluate the performance.）
- `01:22` 這個程式碼品質 Agent 會評估設計，（This code quality agent is going to assess the design）
- `01:25` 以及 Agent 撰寫的程式碼是否正確，（and correctness of the code that agents write,）
- `01:27` 它也會檢視差異內容和文件，並提出改進建議。（and it's also going to look into the diffs and documentation to suggest improvements.）
- `01:32` 在這裡，我們設定了用來評判所有這些對話的模型，（And here we've set the model that's going to judge all these conversations,）
- `01:36` 以及分類方式；分類基本上就是從零到一的評分標準，（along with classifications, which are basically a rubric from zero to one,）
- `01:40` 你可以用它定義 Agent 應該如何評判該對話。（where you can define how the agent should judge that conversation.）
- `01:44` 對程式碼品質來說，這相當簡單。（For code quality, it's fairly simple.）
- `01:46` 如果程式碼正確，且符合我們的慣例，就會核准。（It's going to be approved if the code is correct and consistent with our conventions.）
- `01:51` 如果證據不足，它應該直接退出，不要明確判定失敗，（If there's insufficient evidence, it should bail out without explicitly failing,）
- `01:55` 而如果找到證據顯示程式碼未達到我們的品質標準，就應該阻擋該 PR。（and it should block that PR if it finds evidence that it wasn't up to our quality standards.）
- `02:00` 每當 Agent 嘗試開啟 PR 時，這個 Agent 都會透過自動化流程執行，（This agent will run on an automation every time an agent tries to open a PR,）
- `02:05` 並隨著時間評估通過或失敗。（and it will assess the pass or failure over time.）
- `02:08` 如你在這裡看到的，我們一直在微調成功與失敗的條件，（Here, as you can see, we've been fine-tuning the success and failure criteria）
- `02:12` 以取得品質最佳的輸出。（to get the best quality output.）
- `02:14` 接著，當我們有 Agent 為這些對話評分後，（And then, once we have agents grading these conversations,）
- `02:17` 就能讓另一個 Agent 審查所有未通過品質測試的執行結果，（we can have another agent review all of the runs that failed our quality test）
- `02:21` 並建議如何改進我們的 skill，讓它們下次不再失敗。（and suggest improvements to our skills so they don't fail next time.）
- `02:25` 在我們的自我改進儀表板中，就能看到所有這些改進執行結果的範例。（And we can see samples of all of those improvement runs right here in our self-improvement dashboard.）
- `02:30` 這也是 Warp Factories 內建的一項功能。（This is also a feature that's baked into warp factories.）
- `02:33` 我們可以在這裡看到，一個自我改進 Agent 審查了所有評分過的對話，（We can see here that a self-improvement agent reviewed all of those scored conversations）
- `02:38` 並建立了一些 PR，實際改進我們的 skill。（and made some PRs to actually improve our skills.）
- `02:41` 在這個例子中，（In this example,）
- `02:42` 我們的程式碼審查 Agent 在撰寫審查內容前，沒有取得所有必要的 PR 回饋。（our code review agent wasn't fetching all of the necessary PR feedback）
- `02:46` 在撰寫評論之前。（before writing a review.）
- `02:47` 在下方，（And down here,）
- `02:48` 我們可以看到直接指向失敗評分的參照，而這些評分促成了這個 PR。（we can see direct references to the failing scores that prompted this PR.）
- `02:53` 這裡是根據我們的效率和任務合規分數所產生的提示，（Here, it was prompted by our efficiency and task compliance scores,）
- `02:58` 這些也是我們設定的其他評分標準，（which are other rubrics that we have set up,）
- `03:00` 當時的合規程度低於我們期望的水準。（where there was lower compliance than we would have liked.）
- `03:03` 在這裡，我們可以看到系統建議的變更。（And here, we can see the changes that is suggested.）
- `03:05` 由於我們的工廠是以程式碼設定的，（Since our factory is configured as code,）
- `03:07` Agent 很容易深入設定，（it's easy for agents to reach into the configuration）
- `03:10` 並建議改善我們 skill 的方法。（and suggest ways to improve our skills.）
- `03:13` 如此一來，我們就有了一個閉環系統。（And with that, we have a closed-loop system.）
- `03:15` 把任務帶進工廠，讓程式碼品質自行提升。（Bring tasks into the factory and let the code quality improve on its own.）
- `03:20` 如果你對此感興趣，歡迎查看 Early Access 中的 Warp Factories。（If that sounds interesting to you, check out Warp Factories in Early Access.）

## 標籤

Skills, Loop Engineering, 自動化, 功能更新, Warp