Warp 创始人 Zach Lloyd（前 Google Docs 首席工程师）写了一篇很实用的文章，讲如何给 AI 的 Skill 建立「自我改进循环」。

1/3

Warp 创始人 Zach Lloyd（前 Google Docs 首席工程师）写了一篇很实用的文章，讲如何给 AI 的 Skill 建立「自我改进循环」。

核心思路：让 agent 不仅执行任务，还能根据真实人类反馈，自己改进自己的 Skill 文件。

因为 Skill 就是普通 Markdown 文件，agent 改它就等于打 diff，自我进化变得可落地。

2/3

他把流程拆成两个循环（以 issue triage 为例）：

Inner loop（执行）：新 issue 进来 → GitHub Action 触发云 agent → 加载 triage-issue/SKILL.md 分类（ready-to-implement / needs-info / duplicate），打 label 并留下带版本标记的评论。

Outer loop（改进）：定时运行的另一个 agent，扫描过去反馈（人类改 label、回复纠正、👍/👎 反应），提取通用经验，修改 Skill.md（加 Learned guidelines、升版本），然后开 PR。

人类 review 合并后，新版 Skill 立即生效。

3/3

这个设计最强的地方在于：人类的判断被结构化沉淀进 Skill，agent 越用越懂团队标准，而不是每次从零调教。

他们已经在 Warp 内部和开源仓库实践了这套方法，还开源了完整 demo。

仓库：github.com/warpdotdev-demos/issue-triage-loop

里面有两个 Skill + workflow，可以直接跑起来试。

想让 agent 能力随时间复利增长，这个思路非常值得参考。

（提炼自 @yrzheee 分享的 Threads）