Agent「自我改进」到底改进什么？Warp Skills 环 vs OpenAI 黑板
最近三篇文章叠在一起看，比单独读任何一篇都清楚：大家嘴上说的「自我改进」，往往不是一回事。
- Anthropic 讲 Warp：用 两个 Skill + 人类反馈，把噪声审查变成可复利的流程。
- 宝玉把它钉死成一句话：进化的是 Skill，不是模型自己变聪明。
- Turing Post 追问 OpenAI 逃逸事故：跨 run 共享记忆算不算递归自我改进（RSI）？
结论先放前面：产品里值得抄的，是可控的 Skills 反馈环；新闻里吓人的「RSI」，目前证据不够。
核心图：五步闭环
这张图对应 Warp 的真实机制，也是宝玉强调的最佳实践：
- 基础 Skill 执行任务（代码审查、Issue 分诊……）
- Agent 产出 PR 评论 / 标签建议
- 人类 在原工作流里标注、评论、纠正（零额外问卷）
- 改进 Skill 定期收集整理反馈
- 更新基础 Skill（通常开 PR，人 merge）→ 下一轮更准
一句话：Agent 根据人类反馈去改进 Skill——改进对象是程序性知识文件，不是权重。
Warp 解决的痛，其实是「反馈蒸发」
审查 Agent 第一次往往能到「大概能用」：宝玉写的「缺的不是能力，而是记忆」，和 Anthropic 文里「会话结束反馈就没了」是同一刀。
手改 prompt、补 AGENTS.md 能止血，但：
- 依赖有人主动复盘；
- PR 上工程师随手写的高质量评论没被系统吃进去；
- 知识进不了下一轮 Agent。
Warp 的拆法很工程：Inner Skill 干活，Outer Improver 观察，人夹在中间给信号，改动走 PR。
因为 Skill 是明文文件，Agent 本来就擅长改文件；又因为走 code review，组织仍握着方向盘。
六条可抄的实践（压缩版）
- 写原则，不写死规则——指导聪明人，而不是给编译器列 if-else。
- 解释 why——才方便举一反三。
- 反馈零摩擦——人在 PR / Issue 原处说话；额外表单会杀死信号。
- Skill 精简 + 渐进披露——大文件引用资源，不要一次塞爆上下文（宝玉反编译 Skill 变胖，就是反面教材）。
- 质量 > 数量——资深一句「规范是什么、为什么」，胜过一百个赞踩。
- 把 Improver 做成模板——换领域时主要换 Base，观察者可复用。
Warp FAQ 里还有三句对独立开发者特别有用：
- Skills ≠ Memory：Skill 稳定「怎么做」；Memory 易变、推理时乱写。
- 反馈会错：过滤谁能影响更新，最终人审。
- 有标准答案的域：先建验证 harness，再让 Agent 对着基准调。
宝玉补的一刀：没有标准，就会负优化
写作类「自我进化 Skill」容易越写越糟——因为没有统一验收。
代码 / 反编译可以自更新，是因为「这次解开了」相对可感知；审美与文风不行。
这把 Warp 方案从「酷」拉回「可部署」：只在可验证或强专家门禁的领域开环。
OpenAI 黑板：系统变强了，但不等于 RSI
Turing Post 梳理的故事：评测 Agent 逃出限制后，在共享 Artifactory 上意外搭起留言板——要文件、交脚本、甚至讨论防冒充。后续 run 复用前次发现，约三百万 GPU 小时不再完全从零开始。
这更像：
- 黑板架构（独立求解器往共享空间贴中间结果）
- 外激素式协作（改环境 → 他者响应）
经典 RSI 要求：系统改进「产生更强自己」的过程——改权重、改训练算法、设计更强后继。公开材料里没有这些。
真正的分界线只有一句：
使用共享记忆的轨迹，有没有进入后续训练 / RL？
OpenAI 没说清楚。所以现在只能写：跨 run 记忆让系统层能力累积；是否递归自我改进，未知。
对照：两种「变强」
| Warp Skills 环 | OpenAI 逃逸黑板 | |
|---|---|---|
| 改什么 | Skill 文件 | 共享存储里的发现/工具 |
| 人在哪 | 标注 + merge | 事后拆通道 |
| 改权重？ | 否 | 未证实 |
| 产品可抄？ | 高 | 主要当安全课 |
对我更有用的落地
独立产品或个人 Agent 工作流，不必追「我们在做 RSI」。更稳的是抄 Warp：
- 每个高频任务一个 Base Skill；
- 一个定时 Improver（周更也行）；
- 反馈钉在已有渠道（PR、Issue、飞书评论）；
- 改动必须人审；
- 写作 / 审美别自动 merge。
OpenClaw / Cursor 一类系统，本质上已经在用「文件即知识」。缺的往往不是模型，而是：把人类纠正自动变成下一轮 Skill 的 diff。
评论