К содержимому
Дайджест

Софтверные фабрики: как агенты улучшают сами себя

AI Engineer·27 сентября 2026·12:52
текст даёт основное понять, как устроено промо
Открыть на YouTube
Доклад инженера Warp о трёх способах, которыми агенты в софтверных фабриках могут улучшаться без постоянного участия человека, — для разработчиков, строящих пайплайны автоматизации.

Что в ролике

Разработчики, которые переводят команды с ручного кодинга на автоматизированные фабрики агентов, сталкиваются с тем, что фабрики нужно не только запускать, но и улучшать. Сурадж Гупта из Warp выделяет три механизма самоулучшения: навыки, постоянная память и маршрутизация моделей. Навыки — это процедурная память агента, но со временем они устаревают; в Warp внутренний агент выполняет задачу, а внешний наблюдает за его прогонами, собирает сигналы обратной связи и через pull request обновляет навык, который затем проверяет человек. Постоянная память решает проблему повторного сбора контекста: внешний агент извлекает факты из прогонов в хранилище, привязанное к агенту, и в следующих задачах агент опирается на эти факты — например, Sentry-агент использовал пять накопленных воспоминаний, чтобы ускорить анализ первопричины. Маршрутизация моделей нужна, чтобы не гонять простые задачи вроде триажа на дорогой модели уровня Opus: в Warp есть автоматические модели и пользовательские правила, где можно задать, какие классы задач выполняет конкретная модель. Сейчас компания строит систему пользовательских оценок с подходом best-at-k, когда один промпт прогоняется на нескольких моделях и по результатам определяется лучшая для типа задачи; внутренние эксперименты показали, что UI-задачи эффективнее отдавать GLM, а не Opus. Доклад показывает, как эти петли самоулучшения уже работают внутри Warp и что планируется отдать клиентам.

Практика

Что получишь
Схему внедрения трёх петель самоулучшения в собственную фабрику агентов: вы поймёте, как обновлять навыки через внешний агент, хранить факты между прогонами и выбирать модели по типу задачи.
Первый шаг
Выбрать один повторяющийся агентский процесс (например, триаж GitHub-issues) и описать его навык так, чтобы внешний агент мог собирать обратную связь и предлагать изменения через pull request.
Цифры
  • —1 миллион активных пользователей у терминала Warp, с которого началась компания
  • —5 воспоминаний использовал Sentry-агент из хранилища, чтобы ускорить разбор новой проблемы
Честно
Доклад — презентация платформы Warp/Oz, поэтому часть возможностей (автоматические модели, пользовательские оценки моделей) ещё только строится или доступна внутри компании. Примеры с интерфейсом, конфигурационным файлом и pull request показаны на экране, но шаблоны workflow и навыков в открытом доступе не приводятся. Автор зовёт к стенду Warp обсудить тему, но прямых ссылок на материалы нет.
Если слова незнакомы — 5 терминов

Связки из этого ролика

2 шт.

Компоненты

8 шт.

Формат: разбор · для практикующих · уверенность разметки 0.86 · источник