Warp 发布 Warp Factories：以代码定义 AI 软件工厂
Warp 近日在其官方博客中宣布了一项重大架构升级——Warp Factories。这一新特性允许任何团队通过代码化的方式定义、部署和管理自己的 AI 软件工厂，彻底改变了传统上依赖硬编码或手动配置来运行 Agent 流水线的方式。
核心理念：Terraform for Agents
Warp 将这一配置模式比作“Terraform for agents”。过去，公司的所有 Agent 都运行在一个统一的配置文件中，涵盖了云运行器信息、仓库克隆路径、模型选择、密钥管理、MCP 服务器接入以及自动化触发器等。现在，Warp 正将这套强大的模式开放给所有团队使用。
为什么要把软件工厂写在代码里？
- 可观测性与版本控制：所有管道变更均可提交至 Git 并通过 Pull Request 审查，确保变更可追溯。
- 灵活实验：团队可以轻松尝试不同的 Agent 组合、模型策略或自动化流程，快速验证效果。
- 成本优化：通过基准测试（Benchmarking）自动筛选最优模型组合，降低推理成本。
- 团队协作：在编排和自动化策略上达成共识，提升整体效率。
Warp Factory 配置结构详解
Warp Factory 的核心是一个名为 factory.yaml 的主配置文件，它定义了工厂的基本信息、可访问的 GitHub 仓库、密钥、MCP 服务器、集成工具（如 Slack、Jira）以及默认模型和运行器设置。
关键目录结构
- Agents/：存放所有 Agent 代码，每个 Agent 拥有独立的
frontmatter配置，指定其专属模型、运行器和 MCP 访问权限。 - Automations/：定义触发 Agent 的外部事件，支持 GitHub、定时任务、Webhook 等多种触发方式。
- Runners/：定义沙箱环境，包括操作系统、VM 规格和 Docker 镜像，支持多环境隔离（如 Linux 与 macOS 分离）。
- Skills/：工厂级共享技能库，所有 Agent 可发现并使用。
- Scorers/：用于分析 Agent 对话轨迹，优化工具调用频率、代码审查轮次及人机交互效率。
示例：多 Agent 流水线
Warp 内部已部署多个工厂，例如：
- Warp Factory：管理整个平台基础设施。
- Marketing Factory：负责营销网站与服务维护。
- DevEx Factory：处理开发者体验任务板与社区互动自动化。
每个工厂包含一个中央路由 Agent（Foreman），以及专门的子 Agent，如：
- Triage Agent：研究并界定任务范围。
- Implementation Agent：编写变更并通过计算机使用验证。
- Code Review Agent：协助 Foreman 进行多轮审查。
- Design Agent：处理设计反馈。
技术亮点与价值
Warp Factories 不仅提供了灵活的配置能力，还强调性能与成本的平衡。通过为不同 Agent 分配不同的 Runner 环境（例如在 macOS 上编译 Swift 代码，在 Linux 上运行通用任务），团队可以显著降低云资源开销。
此外，Scorers 模块允许工程师深入分析 Agent 对话轨迹，识别浪费工具调用的行为、冗余的审查流程或可简化的交互路径，从而实现持续优化。
“Both humans and agents should be able to modify any part of the agent pipeline... This lets you experiment with new agent setups to see how they compare.” —— Warp 官方团队
结语
Warp Factories 标志着 AI 应用开发进入“基础设施即代码”的新阶段。对于希望构建复杂、可扩展、低成本 AI 工作流的团队而言，这是一个极具价值的工具，值得深入探索与实践。
