
OpenAI 刚发完「Agent 正在取代 Chat」那篇,Warp 这边又补了一块拼图:云软件工厂(cloud software factory)。
意思很直白:Agent 在云端半自动跑 SDLC(软件开发生命周期) 的关键环节——从 Issue 分流、写 Spec、写代码、Review、验证,到 CI/CD、监控再开 Issue,形成闭环。Warp 自家 6 万星仓库有个 live demo:build.warp.dev,能实时看 Oz Agent 在 triage、写 spec、提 PR。
原作者系列第一篇只做了 Triage(分流) → Implement(实现) 这一小段——你怎么用 两个 Skill + GitHub Actions 搭一条能跑的最小流水线;以及不用 Oz 时,Claude Code / Codex 怎么借同一套思路。
之前写过《Codex Agent 正在取代 Chat》《Loop Engineering》《Agent 设计模式 Top15》——这篇是「委派清单」在仓库侧的落地版。
一、云软件工厂:完整循环 vs 先跑一小段
原作者把完整工厂拆成 9 步:
成功标准可以很小:先让「一定比例的 Issue 自动实现到 Code Review 之前」——不必第一天就上满 9 步。
本篇只做步骤 1 + 3 的极简版:Issue 进来 → Triage 打标签 → 够简单就丢给 Implementation Agent 出 diff。
二、Triage 四标签:Issue 往哪流
Demo 里 Issue 会被 Triage 分到四种状态(标签名可自定,逻辑建议保留):
Triage 本质是协调器 + 人在回路的前置闸门——对应《Agent 设计模式 Top15》里的 Coordinator 和 Human-in-the-Loop,只是用 Skill 把规则写死,别每次靠 Prompt 临场发挥。
三、起步要准备的 6 样东西
原作者列的清单,和平台无关:
-
GitHub 上的目标 repo(Demo 用 nano-banana-editor,基于 Nano Banana 的简易图片编辑器,Issues 里预置了假需求)
-
Docker 镜像:装好该 repo 的工具链(Demo 用
node:20-bookworm) -
云端跑 Agent 的地方:触发时能拉起容器 + 编码 Agent(Walkthrough 用 Oz;也可换 Codex Cloud、自建 Runner)
-
Issue 源:带 MCP 或 CLI 的 Linear / Jira / GitHub Issues
-
Triage Skill:编码上面的四标签逻辑
-
Implementation Skill:编码「读 Issue、改代码、开 PR」
再加一个 Coding Agent SDK:Claude Code、Codex、Warp Agent 任选——Skill 才是工厂的原子单元,Agent 是可替换的执行器。
四、最小流水线怎么接(Triage → Implement)
1、新 Issue → 跑 Triage
-
GitHub Action:
issues.opened时触发 -
云端 Agent 加载 Triage Skill,读 Issue、尝试理解/复现、打四标签之一
-
产物:Issue 上的 label + 评论(可选)
2、打上 ready-to-implement → 跑 Implementation
-
第二个 GitHub Action:监听
ready-to-implement标签 -
同一套 Docker 环境,换 Implementation Skill
-
产物:合理 diff + PR(Demo 在 issue #15 上实现过小功能)
3、Oz 在 Walkthrough 里的角色
Oz 是 Warp 的云 Agent 编排层:托管环境、接 MCP/Skill、多 Agent 并行、审计 session。Walkthrough 用它当 Runner,不等于工厂只能跑在 Oz 上——原作者强调先用 Skill + Loop 理解工厂,再考虑平台化。(平台可换,Skill 逻辑不变。)
五、一键装 Demo Skill(Claude Code / Codex / Warp 通用)
官方提供安装 Skill,在任意编码 Agent 里跑 /oz-cloud-factory-demo 走本地 Demo:
npx skills@latest add warpdotdev-demos/cloud-factory-demo --skill oz-cloud-factory-demo --agent warp --yes
-
用 Claude Code 时把
--agent warp改成--agent claude-code(以 skills CLI 当前参数为准) -
用 Codex 时改成对应 agent 名
-
完整步骤跟仓库 README:github.com/warpdotdev-demos/cloud-factory-demo
六、对我们的落地建议
如果你已经在用 Codex / Claude Code 做「委派」
《Codex Agent 正在取代 Chat》讲的是任务变长、并行委派;云工厂讲的是把委派钉在 Issue 事件上——本质都是 Event-Driven Agent + Loop。
建议路径:
-
先抄 Triage 四标签,别一上来 9 步全上
-
Triage / Implementation 各一个 Skill,放 repo 的
.agents/skills或你习惯的 Skill 目录 -
GitHub Action 只做两个 trigger:
opened→ triage;labeled: ready-to-implement→ implement -
Implementation 止步于 PR,Review 和 merge 仍走人或现有 Review Agent(见《Agentic Code Review》)
-
用 Loop 迭代 Skill:Triage 老误判 → 改 Skill 里判定标准,别改系统 Prompt 小作文
没有 Oz 怎么办
-
Codex Automations / Claude
/loop+ webhook:Issue 事件 → 触发云端或本地 Agent -
Cursor Background Agent + GitHub:能力因账号而异,思路相同
-
自建:Docker + GitHub Actions +
claude/codexCLI——工程量大,适合要完全自控的团队
七、我的判断
云软件工厂听起来像平台营销词,拆开看就是:事件触发 + Skill 分工 + 云端 Docker 环境 + 人工闸门。
三个结论:
-
第一篇只做 Triage → Implement 就对——能自动关掉一部分 one-shot Issue,ROI 立刻可见
-
Skill 比选 Warp/Oz/Codex 更重要——规则在 Skill 里版本化,Agent 和 Runner 可换;这和 Agent Skills 开放标准同一脉
-
ready-to-implement 别放太宽——Triage 松了,Implementation 会白烧 token 产垃圾 PR;宁可多进 ready-to-spec 和 needs-info
先把 GitHub Issue 自动 triage 跑通,比追全栈 9 步工厂现实得多。
下一篇会讲 Spec Agent 和更完整的人在回路流程。
参考链接
-
Warp — How to build a cloud software factory (automatic triage skill):https://www.warp.dev/blog/how-to-build-a-cloud-software-factory-the-automatic-triage-skill
-
cloud-factory-demo 仓库:https://github.com/warpdotdev-demos/cloud-factory-demo
-
Demo 应用 nano-banana-editor:https://github.com/warpdotdev-demos/nano-banana-editor
-
Warp 工厂 Live Demo build.warp.dev:https://build.warp.dev
-
Oz 平台:https://www.warp.dev/oz
-
Oz Cloud Agents 文档:https://docs.warp.dev/agent-platform/cloud-agents/cloud-agents-overview