最近关于 Agent loop 的讨论很多，但「loop（循环）」这个词有时候容易被讲得很抽象。

Warp 创始人 Zach Lloyd 给了一个更工程化的例子：用 GitHub Issues 做一个自我改进的 Issue 分诊系统。这个项目的核心思路是：先让 Agent 按照一个 Skill 去处理新 Issue，再让另一个 Agent 定期读取人类反馈，把这些反馈整理成可复用规则，最后通过 PR 更新原来的 Skill 文件。

这样，Agent 的工作方式就不是一次写死的 prompt，而是可以随着团队反馈持续迭代进化的文件。

一套流程，两个循环

图注：Warp 的 self-improvement loops 示例。左侧是处理新 Issue 的内循环，右侧是根据反馈更新 Skill 的外循环。

上图里有两个循环。左边是 Inner loop，也就是实际干活的循环。它对应的文件是：issue-triage/SKILL.md。当一个新 Issue 创建后，分诊 Agent 会先读取 Issue 内容，再根据 Skill 的规则判断它属于哪一类。右边是 Outer loop，也就是改进 Skill 的循环。它对应的文件是：improve-issue-triage/SKILL.md，这个 Agent 不直接处理新 Issue，主要工作是查看过去的 Issue 分诊记录，读取维护者的评论、reaction 和 label 变化，再判断原来的分诊规则是否需要更新。

这里有个关键设计，就是Agent 的改进结果并不是直接写进线上流程，而是生成 PR**，让人类 review 后再合并。**这会让 Skill 的演进过程保留在 Git 历史里，也让团队可以像审查代码一样审查 Agent 的行为规则。

Inner Loop：Agent 先做 Issue 分诊

内循环（Inner Loop）的入口是 GitHub Actions。

在这个 Warp 的实践中，.github/workflows/triage-new-issues.yml 负责监听 issues 的 opened 事件。只要有新 Issue 创建，就会触发一次 Agent 的分诊任务。Workflow 会 checkout 仓库，然后调用 warpdotdev/oz-agent-action@v1，指定使用 triage-issue 这个 Skill，并把当前 Issue 编号、仓库名和 Issue 标题传给 Agent。

name: Triage new issues

on:
  issues:
    types: [opened]

jobs:
  triage:
    runs-on: ubuntu-latest
    permissions:
      contents: read
      issues: write
    steps:
      - uses: actions/checkout@v6
      - uses: warpdotdev/oz-agent-action@v1
        with:
          skill: 'triage-issue'
          prompt: |
            Triage issue #${{ github.event.issue.number }} in the repository ${{ github.repository }}.

图注：triage-new-issues.yml 摘录，全部 Workflow 见 GitHub 原文件。

通过这套配置，Agent 被放进了一个明确的触发器里：新 Issue 创建，Workflow 就自动启动分诊任务。就这样，Agent 不再随机等人调用，而是直接接到 GitHub Issue 的生命周期上。每次创建 Issue，就是一次自动化分诊任务的开始。

接着就是分诊 Skill，它写得很具体：

它要求 Agent 先读取 Issue，再搜索相似 Issue，然后再把当前 Issue 归到三个分类中的一个：ready-to-implement、needs-info、duplicate。这里讲解下这三个分类：

• ready-to-implement：Issue 已经足够明确，可以开始处理。比如 bug 有复现步骤、预期行为、实际行为和环境信息；feature request 的问题和目标行为也比较清楚。

• needs-info：Issue 缺少必要信息。比如没有复现步骤、没有环境细节、描述含糊，或者范围不清楚。

• duplicate：已有 open 或 recently closed 的 Issue 覆盖了同一个问题或需求。

要注意一件事，这里的 Skill 不是只让 Agent「判断一下」。它还要求 Agent 创建必要的 labels、给 Issue 打上且只打上一个 bucket label，并发布一条分诊评论。

评论里还必须带一个隐藏标记：<!-- oz-triage v:<version> -->（上图 step 6）。这个标记会记录当前分诊来自哪个 Skill 版本。后面的改进 Agent 就依赖它来回溯历史分诊记录。

从分诊反馈到 Skill 更新

如果只有内循环，这套系统更像一个自动化分诊机器人。让它进入自我改进循环的，是后面的人类反馈。

在分诊评论的末尾，Skill 会提示维护者给出反馈：如果判断正确，可以给正向 reaction；如果判断不准确，可以用另一个 reaction，或者直接回复纠正。维护者可以手动修改 label，比如把 Agent 标成 ready-to-implement 的 Issue 改成 needs-info。这些操作都会成为外循环（Outer Loop）的输入信号。

仓库 README 里提到，这个 loop 能成立，靠的是几个设计：分诊评论里的 marker 和版本号，可以让改进 Agent 追溯到具体 Skill 版本；维护者改 label 是强信号；改进 Agent 只沉淀可泛化的规则；所有 Skill 修改都通过 PR 进入主分支。这样，人类反馈不会停留在评论和 review 里，而是会被重新写回 Skill，成为下一次分诊时可以读取的团队经验。

Outer Loop：把反馈整理成规则

外循环（Outer Loop）的核心文件在improve-triage-skill/SKILL.md。

这个 Skill 是 Issue 分诊循环里的「自我改进部分」。它的任务是研究维护者和 Issue 作者如何回应过去的自动分诊，从中提取可泛化经验，并通过 PR 修改 triage-issue Skill。

外循环的流程很清晰：

1. 找到最近 14 天内被更新过、并且带有 <!-- oz-triage v:<N> --> 标记的 Issue。这个标记告诉它：这条分诊评论来自哪个版本的 Skill。

2. 收集反馈信号。包括分诊评论上的 reaction、人类在评论后的纠正回复、当前 label 和 Agent 当初打的分类是否发生变化，以及维护者是否认可 Agent 对「重复 Issue」的判断。Skill 里还明确写到：维护者替换分类 label，可以视为 Agent 判断错误的人工确认信号。

3. 把这些信号整理成少量可泛化经验。这里的重点是「泛化」。举个例子，某类 crash report 经常因为缺少 OS / version 信息被维护者改成 needs-info，那么新的规则应该是：crash report 必须包含环境背景信息。这种可以规避重复性作业的规则，就应该写入 Skill。但如果只是「第 14 号 Issue 标错了」，这种一次性修正就不应该写进去。

4. 修改原来的 triage-issue/SKILL.md。如果有足够强的证据，改进 Agent 会把新规则追加到 ## Learned guidelines 下面，或者调整原有分类定义，同时提升 Skill 版本号。

5. 开 PR。Skill 明确要求不要直接把 PR 提交到默认分支，而是创建一个 skill-improvement/<YYYY-MM-DD> 分支，再提交 PR。PR 里需要包含被审查的 Issue 摘要、观察到的反馈、判断结论、学到的规则，以及具体修改了哪些 guideline。最后，再由人类 review 和 merge。

持续迭代的 Agent

这套流程的重点在于，把 Agent 的工作规则变成一套可以持续维护的 SOP。初版 Skill 可以很朴素，只包含基础分类规则。随着 Agent 处理越来越多的真实 Issue，团队的偏好和判断标准会慢慢浮现出来：

• 什么样的 bug report 可以直接开始修；

• 什么样的 feature request 需要先问清楚边界；

• 哪些重复 Issue 只是关键词相似，实际问题并不一样；

• 哪些信息缺失会阻碍后续开发；

这些经验如果只靠人记，很容易散落在评论区和社群里。写回 Skill 后，它们就变成了下一轮 Agent 可以执行的规则。更重要的是，这套机制没有绕开人类判断，让维护者对项目背景、团队习惯和历史讨论的理解继续参与 Skill 的演进。

虽然外循环 Agent 可以提议修改 Skill，但它不能直接改主分支。团队仍然要 review PR，确认这些经验真的值得沉淀。这样一来，Agent 的「学习」不会变成黑盒参数更新，而是变成一组可以审查、可以回滚、可以追踪版本的文本规则。

从 Issue 分诊开始落地

Issue 分诊很适合作为 self-improvement loop 的实践起点。现在，大多数研发团队每天都要处理大量 Issue，其中既有重复问题，也有背景信息不完整、复现步骤不清楚的情况。Warp 选择的 Issue 分诊场景比较容易复用，风险也相对可控：如果 Agent 分错了 label，维护者可以直接改回来，或者在评论里补充纠正说明。

同时，Issue 分诊天然会留下反馈记录。reaction、回复、label 变化、重复 Issue 判断是否被认可，都能成为外循环读取的信号。这样，Agent 每次做完分诊后，不只留下一个结果，也留下了可以被复盘的上下文。

如果要落地，起步可以很小：先选一个边界清楚的任务，比如只处理新 Issue 分诊；再写一份初版 Skill，写清楚任务目标、输入来源、操作步骤、分类标准、输出格式，以及需要向维护者请求什么反馈。

接下来，把 Skill 接入真实工作流。Warp 项目中就用了 GitHub Actions 在 Issue opened 时触发分诊 Agent，外循环则定期读取历史分诊和人类反馈，生成对 Skill 的修改建议。

最后，保留 PR review 这一步。外循环 Agent 可以整理规律、生成 diff、提交 PR，但规则是否写进 Skill，仍然由维护者确认。这样，Skill 的更新会留在 Git 历史里，团队也能持续检查 Agent 的行为规则是怎么变化的。

目前，这套流程已经放在 GitHub 上。