在Anthropic的生产环境中，Mythos-class模型（以Claude Fable 5为代表）已经彻底改变了工程师们的工作方式。我起初以为这只是模型能力又上了一个台阶——更快、更聪明、上下文更长——后来亲眼看到内部团队把Fable 5真正用起来的场景，才发现真正的分水岭根本不在单次提示的精妙程度，而在于你是否把“循环”与“记忆”设计成了代理的操作系统。

Lance Martin在最新分享中直指核心：Fable 5在自校正循环和跨会话记忆上的表现，远超此前Opus 4.7和Sonnet 4.6。这不是营销话术，而是两组真实实验的硬核对比——一个是Parameter Golf（16MB artifact、8xH100s、10分钟内训练最优模型的开源ML工程挑战），另一个是Continual Learning Bench里的SQL数据库顺序问答任务。结果显示，Fable 5在结构化实验决策和知识沉淀上的跃升，把传统“提示→输出→人工审阅”的循环彻底甩在身后。

为什么Fable 5把“提示工程”变成了“系统工程”？

传统做法是开发者坐在那里一条一条优化提示、few-shot、chain-of-thought，试图让模型一次性输出完美结果。Fable 5却把游戏规则改成了“让模型自己和环境对话、自己纠错、自己把教训写进持久记忆”。
这就像以前你每天手动开飞机、盯着仪表盘调参数，现在你设计了一套自动驾驶系统：飞机自己感知高度、风速、油量，遇到偏差自动拉升，同时把每次飞行日志固化成“飞行手册”，下一次直接调用最优策略。你只需要在设计阶段定义好目标和验证规则，之后系统自己跑。

自校正循环：从“自批判”到“子代理验证”的关键升级

Fable 5在循环中的优势，核心在于它能有效利用环境反馈进行hill-climb（爬坡优化）。Claude Code里的/goal和Claude Managed Agents（CMA）里的Outcomes，正是把这个通用模式产品化的原语。

我自己跑的一个玩具实验就是Parameter Golf：给CMA挂上8xH100s沙箱，让Fable 5反复编辑train_gpt.py、启动训练、读取日志、评估分数、决定下一个实验。关键设计是不让它自己给自己打分——我们用一个独立的verifier子代理（Outcomes自动spawn），拿着9条可检查的rubric（例如“跑完baseline”“完成20次实验”等）来做最终判决。

结果：Fable 5把训练流水线优化了约6倍，远超Opus 4.7。Opus 4.7的第一轮实验拿了个小胜，后面几乎全在微调标量参数；而Fable 5敢于做结构化大改（架构调整、量化方案），即使中间出现回归也能扛过去继续爬坡。
这背后的底层逻辑很简单：模型自己批判自己时总会“太善良”，独立上下文的子代理则能给出更客观的信号。

自校正循环 vs 传统提示的真实权衡（基于Anthropic内部+Parameter Golf实测）：

持久记忆：让外循环真正跨会话生效的“经验操作系统”

另一个被低估的杀手级能力是Fable 5在跨会话记忆上的表现。CMA提供的共享文件系统，让每个agent session都能读写持久化记忆，形成真正的outer loop。

Continual Learning Bench上的SQL数据库顺序问答任务最能说明问题：每个问题是一个独立session，但记忆文件跨session共享。理想的记忆使用路径是五步闭环——失败记录→深度调查→验证事实→提炼通用规则→后续直接查阅规则而非重新推导。

• Sonnet 4.6基本停在第一步：只记失败笔记和猜测，几乎不回头查。
• Opus 4.7能走到第三步，但验证覆盖率只有7-33%（中位数17%）。
• Fable 5在最优跑次里验证覆盖率高达73%（30题里验证22题），并把诊断提炼成通用规则，帮助后续任务直接命中。

这不是提示能解决的问题，而是记忆管理机制的胜利。Fable 5天然倾向于完成“调查-验证-提炼-复用”的全链路，而非停留在浅层笔记。

记忆文件最小可用示例（推荐放在共享文件系统根目录，随版本控制）：

# 持续学习记忆文件 - SQL数据库任务
LastUpdated: 2026-06-09
Verified Facts:
- prc字段单位为美分而非美元（已通过3个独立查询验证）
- 用户表与订单表关联键为user_id（非user_uuid，早期schema迁移遗留）

General Rules:
- 金额相关查询必须显式转换单位，避免浮点误差
- 所有schema变更前先查information_schema确认当前结构

Open Investigations:
- 待验证: 汇率转换逻辑在UTC时区下的边界case

Vision Reminder: 每次失败必须完成“调查→验证→提炼”三连，否则不许结束session

真正的高杠杆玩法：别再手动 steering，先设计好循环和记忆

Lance Martin总结得极准：与其费力直接提示和steer Fable 5，不如花精力设计好自校正循环（/goal + Outcomes + verifier子代理）和持久记忆机制。模型自己和环境对话、自己管理上下文，效果远好于人类在外面“遥控”。

这也解释了为什么Parameter Golf里Fable 5能做出更大胆的结构化决策——它不是在“猜下一步”，而是在一个有清晰反馈和记忆支撑的闭环里持续进化。

生产环境落地前必须做好的三件事

1. 先定义清晰的rubric和stop条件：没有客观可验证的标准，循环就会变成昂贵的随机游走。
2. 强制使用verifier子代理：永远不要让生成代理自己给自己打分。
3. 把记忆当成第一等公民：从session开始就设计“失败→调查→验证→提炼”的流程，并用文件系统持久化。

挑一个你每周都要重复做的、可客观验证的任务（依赖升级、测试修复、schema迁移验证、ML实验迭代……），今天就用Fable 5 + /goal + 共享记忆跑一次最小闭环。第一次不用追求完美，先让系统“活”起来，再逐步把rubric和记忆规则打磨到生产可用。

你在用Claude Fable 5（或Mythos-class模型）构建代理循环和持久记忆时，遇到过最卡的环节是什么？是rubric设计、verifier实现、还是记忆提炼的颗粒度？欢迎在评论区分享你的第一手实验数据，我们一起把这个趋势真正变成团队生产力。

我是紫微AI，在做一个「人格操作系统（ZPF）」。后面会持续分享AI Agent和系统实验。感兴趣可以关注，我们下期见。