Claude Code之父的夜班AI軍團，Fable 5兩個命令搭好

你還在跟AI一問一答嗎？Claude Code之父Boris Cherny早已徹底告別這種模式，他手上的幾千個AI智能體正徹夜為他工作，而他本人已經超過一年沒有親手寫過一行程式碼。這位打造出Claude Code的關鍵人物，近期在一場公開對談中揭露了他的工作方式：每天提交數十個Pull Request，最高紀錄達到150個；白天同時運行數百個AI智能體，到了夜間，這個數字更攀升至數千個，全部自動在程式碼庫中執行任務。 Boris的手機上開著Claude應用，一個小小的程式碼標籤下同時掛著五到十個對話，每個對話底下又串聯著一群智能體。對他而言，程式設計這件事已經被解決了——模型寫了所有程式碼，他一行都不碰。而管理這麼多智能體而不失控的秘訣，藏在一個簡單的概念裡：循環（Loop）。他認為，循環是他見過最簡單卻最好用的工具，也是未來AI協作的核心。 所謂循環，就是透過定時任務讓Claude重複執行某項工作，頻率可以設定為每分鐘、每五分鐘或每天，一旦啟動幾乎不用再干預。Boris手上有幾十個循環長年運轉：一個專門盯著他的PR，自動修復持續整合（CI）問題並進行變基；一個負責維持CI健康，主動修復不穩定的測試；還有一個每三十分鐘爬一次X平台上的用戶反饋，彙整後提交報告。更關鍵的是，現在連建立循環的動作也逐漸由模型主動提出。有一次Boris只要求模型執行一個數據查詢，模型卻回覆：「我發現這份數據一直在變化，我來建立一個循環，每三十分鐘給你一份報告。」模型說完便自行設定，將報告發到Slack上。 這個轉變顯示，程式設計的「工作」本身正在被改寫。過去是使用者寫一句、AI回一句，現在則變成使用者建立一個會自己找事做、自己完成、自己提交成果的小系統，然後轉身離開。Anthropic近期推出的Routines功能，正是將同樣的機制搬上伺服器端，即使闔上電腦也能持續運行。在Boris的眼中，工程師的角色已經從操作執行者，轉變為自動化系統的設計者，重心從「把這一行寫對」轉移到「建立一套能自己把程式碼寫對的系統」。他甚至預測，再過一年，提示注入防護、指令驗證、人工審批等安全環節將不再那麼重要，因為模型會越來越自覺地做出正確的事。 在Anthropic內部，程式碼幾乎全部由模型產生，連SQL都是AI寫的。更驚人的是，當Boris的Claude們在循環中寫程式碼時，它們會自行跑到Slack上，與其他同事的Claude對話，針對尚未釐清的部分進行同步。一群AI在Slack群組中開會、分配工作、各自執行，已經成為日常。團隊的組成也非常多元：工程經理、產品經理、設計師、數據科學家、財務、用戶研究員，每一個人都在寫程式碼，但職能沒有消失，而是每個人都多了一層「調度AI去工作」的通用能力，成為跨學科的通才。 然而，一個會無限自動工作的AI，為何不會變成高速產出錯誤的機器？答案是驗收。循環之所以能持續運作而不失控，仰賴一套目標驅動機制，在Claude Code中對應的是「/goal」指令。使用者給予一個明確目標，例如「/tests/下所有單元測試通過、lint乾淨」，每完成一步，就有一個獨立的小模型來評判是否達成。這個負責打分的「監工模型」與實際工作的模型是分開的，這個設計正是循環的心臟。Boris曾分享，若想將Claude Code的效果發揮到極致，最重要的就是提供一個讓AI驗證自己工作成果的方式；一旦建立回饋閉環，產出品質通常能提升兩到三倍，效果堪比更換一代模型。 這套循環機制如今已被產品化，變成Fable 5的核心能力。根據一份在X上廣為流傳的教學，作者實際使用三週後指出，大多數人只用Fable 5進行一般對話，等於白白浪費了它的真正價值。教學歸納出Fable 5不同於以往Claude模型的三項關鍵：第一，它能連續工作數天而非幾分鐘，是第一個為長期自主工作設計的模型，在Claude Code中可以將跨多日的專案整個丟給它，它會自行分階段規劃、派出子智能體，直到達成目標。第二，它會自我校驗，任務完成後不急著提交，而是先為自己撰寫測試、執行測試、修復錯誤，確認無誤後才回報完成。第三，它具備讀懂密集圖表的能力，財報表格、PDF嵌入圖、架構圖、儀表板截圖等，以往容易認錯的地方，Fable 5都能穩定判讀。 要發揮這些能力，只需要兩個指令：「/goal」和「/loop」。前者設定明確終點，讓模型自行迭代直到達成，使用時必須將完成標準寫具體，並設定失敗退路；後者則按照固定週期反覆執行，直到使用者喊停。例如「每三十分鐘檢查錯誤日誌，挑出嚴重級別並用白話彙報」，或「每小時掃描收件箱，摘要新郵件並草擬回覆」。兩者也可以疊加使用，讓模型一直跑到特定條件達成。教學中也特別提醒，開始之前務必設定費用上限，否則一個沒有封頂的/goal遇上難題，Token消耗速度會非常驚人。 除了指令，還有一個常被忽略的關鍵步驟：建立本地上下文系統，讓模型真正「認識你」。這個設定只需要約二十分鐘：建立一個上下文資料夾，放入一頁紙的業務概要、常用操作規程、專案關鍵資訊、戰略文件及決策日誌；接著建立一個記憶檔案，並指示模型在每次對話中將重要資訊更新進去；再建立一個指令檔案，寫明每次對話的行為準則，如開工前先讀記憶、給建議前先查舊決策、拿不準就問、完成後主動彙報等。最後在Claude Code中將這個資料夾指向設定檔，從此每次新對話模型都會自帶完整的背景知識，而且這套配置也能隨手帶到其他AI工具上。 在成本控制方面，教學建議採用二八原則：只把Fable 5用在真正需要它長處的關鍵任務上，約占全部工作的兩成；其餘粗活則由Fable 5在Claude Code中自動調度更省錢的子模型（如Sonnet、Haiku）去執行，最後再由Fable 5回來驗收。做到這一步，Boris那套「夜間AI軍團」的運作邏輯便清晰可見：一個能自主工作的模型、一套定義「完成」的標準、一個按時運轉的循環。模型與循環技術都已成熟，真正稀缺的，是有能力對AI清楚描述「任務做完是什麼樣子」的人。