Em 26 de agosto, a Anthropic publicou uma retrospectiva técnica sobre a Warp, mostrando como a empresa corrige continuamente o comportamento de seus agentes sem mexer nos pesos do modelo.
A Warp desenvolve um terminal com IA e um ambiente de desenvolvimento orientado por agentes. Fundada em 2020 por Zach Lloyd, já captou um total de US$ 73 milhões. Segundo dados da própria empresa, ela tem 800 mil desenvolvedores ativos por mês, e 56% das empresas da Fortune 500 já usaram seus produtos. O Claude Code acumulou 10 milhões de sessões dentro da Warp, ultrapassando atualmente 400 mil por semana, enquanto o volume total de conversas com agentes na plataforma chegou a 40 milhões.
Uma estrutura de três camadas
Desmontado, esse mecanismo tem apenas três peças.
No centro está a skill base, um arquivo com conhecimento de domínio e regras operacionais, como o que observar em uma revisão de código ou o que conta como um problema bloqueante. Ao redor está o feedback humano, a avaliação que os desenvolvedores fazem sobre o que o agente produz. Na camada mais externa há um agente revisor, chamado internamente na Warp de "improver skill", cuja única função é reunir periodicamente o feedback e propor pequenos ajustes na skill base.
É assim que Lloyd resume essa estrutura:
"There's the base domain-specific skill and then there's the improver skill that refines that domain-specific skill. This simplicity is the beauty of this approach."
Em outras palavras: há a skill base específica do domínio e a skill que a refina; essa simplicidade é justamente o que torna essa abordagem interessante.
As skills ficam armazenadas como arquivos, usando a API Agent Skills da plataforma Claude. Essa escolha traz consequências maiores do que parece à primeira vista. Os arquivos podem ser editados diretamente pelo agente, mas também versionados no Git, de modo que cada mudança proposta pelo agente revisor passa pela revisão de código normal da equipe. As pessoas podem recusar, reverter, e ver no diff qual regra o agente acrescentou a si mesmo. Ao tirar o conhecimento dos prompts e colocá-lo no sistema de arquivos, aquele eterno "por que o modelo mudou de novo hoje?" vira um commit rastreável.
Há um detalhe fácil de passar despercebido: a camada mais externa das três também é um arquivo de skill. A forma como o próprio agente revisor lê o feedback, decide se deve mudar algo e o quanto, também está escrita em um arquivo e também pode ser alterada por humanos. Não existe caixa-preta nesse sistema: se algo dá errado, dá para rastrear até o fim por esses dois arquivos.
A qualidade do feedback define o teto
Quando o agente de revisão de código da Warp entrou no ar, sua precisão era de cerca de 80%, e é esse ciclo que precisa cobrir os 20% restantes. O ponto que Lloyd enfatiza é a forma do feedback: dizer apenas "essa revisão não foi boa" não ajuda em nada; são as "detailed reasons why a code review wasn't good" que realmente impulsionam o aprendizado.
A dificuldade é que escrever justificativas detalhadas toma tempo, e os desenvolvedores estão ocupados com o próprio trabalho. A solução da Warp foi tornar o canal de feedback o mais simples possível. Nas palavras do próprio Lloyd, "Low friction is what keeps signal flowing" — só com baixo atrito o sinal continua fluindo. Esse ponto é mais difícil de colocar em prática do que a própria arquitetura de três camadas: uma arquitetura se monta em uma semana, mas fazer a equipe deixar avaliações informativas de forma constante é um problema de design de produto.
Os limites dessa abordagem
Fazendo um cálculo econômico simples desse ciclo: o agente revisor só roda quando o feedback acumulado é suficiente, e a cada execução lê o feedback agregado mais um arquivo de skill de algumas centenas a alguns milhares de tokens, gerando apenas algumas linhas de diff. Comparado a um fine-tuning, o custo é praticamente insignificante. O preço é que só é possível alterar as regras explícitas escritas no arquivo; as preferências de julgamento do próprio modelo permanecem fora de alcance.
Ou seja, é mais como dar ao agente um manual de operações vivo do que tornar o modelo mais inteligente. Funciona bem para tarefas com regras claras, feedback frequente e resultado verificável: revisão de código, classificação de tickets, conversão de formatos. Assim que uma tarefa exige que o modelo mude seu julgamento de fundo, esse ciclo chega ao limite.
Para a maioria das equipes, esse teto não chega a ser um problema. A grande maioria dos erros que os agentes cometem em produção vem de regras mal definidas, e tem pouca relação com a força do modelo. Deixar as regras claras antes dependia de alguém reescrevendo prompts sem parar; agora existe um colaborador capaz de redigir suas próprias mudanças, sempre submetidas à revisão da equipe.
Fontes: a retrospectiva técnica sobre a Warp publicada no blog oficial da Anthropic, CocoLoop, e informações públicas da Warp sobre produto e captação de recursos; o volume de sessões, a precisão e o valor captado são reportados conforme divulgados publicamente.