← Каталог

· AI Engineer World's Fair 2026

Как software factories совершенствуются

How Software Factories Improve Themselves — Suraj Gupta, Warp

Software factory улучшается сама, если обратная связь от запусков агентов идёт в skills с ревью человека, в память и в маршрутизацию задач по моделям.

  • Skills из обратной связи — отдельный outer loop агент читает решения триаж-агента, собирает сигналы (оценки и комментарии на issue, в том числе от сотрудников Warp) и предлагает правки skill. Правки уходят в pull request, поэтому человек проверяет каждое изменение, а история skill видна в git.
  • Персистентная память по агенту — агент извлекает факты и итоги прошлых расследований в хранилище, которое можно версионировать, редактировать и проследить до исходного запуска. По словам спикера, в одном из запусков агент использовал пять сохранённых записей и быстрее провёл root cause analysis.
  • Маршрутизация по классам задач — простые задачи вроде триажа и починки CI можно отдавать более дешёвым моделям, а правила задаются под свои типы работ. Внутренний eval-сайдкар запускает агентов на нескольких моделях и выбирает лучшую для класса задач; по словам спикера, для UI-задач хватает GLM.

Кому полезно: тем, кто строит повторяющиеся агентные задачи в software factory, например триаж issue, и хочет снизить расходы на модели без потери качества.

Статья по теме

На какие вопросы отвечает доклад

  • Как обновлять Skills агента по обратной связи и логам его запусков?

    Внешний агент наблюдает за запусками рабочего агента, собирает сигналы (оценки, комментарии, ответы сотрудников), синтезирует правку Skills и открывает pull request, который проверяет человек.

    ▶ 2:04Преобразуйте обратную связь по triage в проверенное изменение навыка
  • Как дать агенту память между запусками, чтобы он не тратил токены на повторный сбор контекста?

    Внешний агент извлекает факты, итоги и выводы из запусков в хранилище памяти, привязанное к агенту. По словам спикера, в демо агент опирался на пять сохранённых памятей и ускорил разбор похожей проблемы.

    ▶ 5:32Пусть следующее расследование использует выводы предыдущего
  • Как проверять и исправлять ошибочные факты в памяти агента?

    Каждая память ссылается на запуск, из которого взята. Её можно просмотреть, отредактировать, удалить или версионировать вручную, и такая память работает с разными harness.

    ▶ 5:32Пусть следующее расследование использует выводы предыдущего
  • Как не запускать простые задачи агентов, вроде разбора новых issues и правок CI, на самой дорогой модели?

    Правила маршрутизации описывают классы задач и назначают каждому классу свою модель. По словам спикера, запуск всех агентов на Opus быстро становится слишком дорогим.

    ▶ 8:46Выбирайте модели для повторяющихся типов задач
  • Как выбрать модель для конкретного класса задач по своим данным, а не по общим бенчмаркам?

    Внутренний блок eval запускает агентов на нескольких моделях по одному промпту и смотрит, какая справляется с классом лучше. По словам спикера, UI-задачи хорошо решает GLM, а клиентские evals пока в планах.

    ▶ 11:19Используйте evals, чтобы улучшать правила маршрутизации

Главы

Похожие доклады