Agent 说“完成了”，不代表过程没问题：从隐藏的弯路中改进工作流

来自 @BHolmesDev (Warp) 在 AI Engineer 的演讲，Ben 的核心提醒：Agent 可能在绕过错误指令、反复尝试之后完成任务，却只向你汇报最终结果。真正值得改进的问题，往往藏在这些没有被汇报的过程里。
https://youtu.be/pz74r-4dGfQ?is=HlBYEGtiV0rT3M4h

成功完成，也可能暴露系统问题

Ben 举了一个案例：测试 Skills 中的端口指令已经过时，Agent 不断试错，最后仍然完成了任务。团队看到的只是“慢了一点”，没有发现应该修正的是 Skills 说明。

因此，复盘不能只看最终答案或代码，还要结合对话、工具调用和代码改动。否则，每次任务看似成功，下一次却仍要重新摸索同一个问题。

让评审找问题，再从多次失败中找共因

更合理的流程是：先由团队定义明确的评分标准，例如是否重复测试、工具调用是否高效、表达是否冗长，再让评审 Agent 检查任务记录，并解释扣分原因。

随后，另一个 Agent 汇总这些记录，寻找反复出现的问题，把修复建议变成技能或配置的修改 PR，交给团队审查。

重点不是让每个 Agent 临时变聪明，而是修掉让所有 Agent 反复踩坑的共同原因。

反思要变成可审查的修改

Ben 介绍了两种实践：Skill Doctor 用于一次性检查本地历史；Warp Factories 则展示持续评分、定期提出修复建议的工作流。