Warp verwandelt Nutzerfeedback in selbstverbessernde Agenten auf Claude
Warp builds self-improving agents on Claude
Warp, die KI-gestützte Terminal- und Agentic-Development-Umgebung, hat ein Framework auf Basis von Agent Skills entwickelt, das Agenten aus menschlichem Feedback lernen lässt. Das Problem: Feedback zu Agenten verschwindet am Ende einer Sitzung, wodurch wertvoller Kontext verloren geht. Warps Lösung: ein zweistufiger Skill-Ansatz – ein Basis-Skill für die eigentliche Aufgabe und ein Verbesserungs-Skill, der regelmäßig Feedback analysiert und den Basis-Skill aktualisiert. Diese Updates laufen durch den normalen Code-Review-Prozess. Das System wird bereits für Code-Reviews, Issue-Triage und Spezifikationserstellung eingesetzt und hat zu einer besseren Erfahrung für fast 1 Million Entwickler geführt.
„Die Grundidee ist wirklich einfach: Es gibt den domänenspezifischen Basis-Skill und dann den Verbesserungs-Skill, der diesen domänenspezifischen Skill verfeinert. Diese Einfachheit ist das Schöne an diesem Ansatz.“
- bwfan123
> Agents müssen wiederkehrende Aufgaben zuverlässig und effektiv bewältigen
Dieses Kernproblem bleibt ungelöst. Die im Artikel vorgestellte Lösung mit Human In The Loop und etwas Skill-Magie wie "Schreibe Prinzipien, nicht Regeln usw." ist unbefriedigend, weil sie keinerlei Garantien bietet. Ich finde es schwierig, Agents in deterministische Workflows einzubinden, die zuverlässige Ergebnisse liefern müssen.
- sandeepkd
Ich war am Anfang etwas verwirrt und dachte, es sei ein Produkt von Anthropic. Es sieht so aus, als sei Warp das Startup, das höchstwahrscheinlich einen Rabatt für die Nutzung von Claude erhält und den Nutzern Funktionen bietet, um sie an das Feature zu gewöhnen. Und Anthropic ist das Unternehmen, das Marketing für sie betreibt, weil letztendlich ihr LLM verwendet wird. Ich bin mir nicht sicher, was die Agents betrifft, aber diese Vereinbarung erhöht definitiv den Wert beider Unternehmen auf zirkuläre Weise.
- themgt
> Was, wenn sich herausstellt, dass die echte AGI die SKILL.md-Dateien waren, die wir unterwegs erstellt haben?
- JLO64
Ich wusste bereits, was Warp ist (ich bin zu Ghostty gewechselt und habe nicht zurückgeschaut), aber ich finde es seltsam, dass die Karte "The quick pitch" oben in diesem Artikel nicht erwähnt, was das Unternehmen tatsächlich tut. Wen interessiert mehr ihr Gründer/Wachstum/Alter als das?
- ziyadb
Das Problem, wiederkehrende Aufgaben vorhersehbar zu bewältigen, läuft auf die probabilistische Natur von LLMs hinaus, die auf der Vorhersage des nächsten Tokens basieren.
Ich habe ein Unternehmen namens Aide gegründet, mit dem Ziel, Support-Teams dabei zu helfen, kundenorientierte Agents zuverlässig einzusetzen, ohne sich um schlechte Interaktionen sorgen zu müssen. Das erste Problem, das wir lösen mussten, war, sie deterministisch zu machen und die Varianz zu eliminieren, die natürlich mit Basismodellen einhergeht.
Sie dazu zu bringen, sich stets an die Markenrichtlinien zu halten, Halluzinationen zu eliminieren und in Daten verankert zu bleiben, war eine unterhaltsame Herausforderung. Ich bin stolz darauf, sagen zu können, dass wir eine Lösung entwickelt haben, die gut läuft und sich in stark regulierten und compliance-lastigen Umgebungen recht gut bewährt hat.