新智元报道

【新智元导读】Fable 5 解禁后迅速接入 Claude Tag，验收员深度融入工作流。解禁即未来的上岗师改核心竞争力，将不再局限于代码编写能力，工程而是行当转向对 AI 生成成果的精准验收与编排。

Fable 5 甫一解禁，验收员便无缝接入 Claude Tag，解禁即化身常驻工作群的上岗师改“智能同事”。它能连续运行数日，工程自动发起 Pull Request（PR），行当彻底改变了人机协作模式。验收员

开发者无需再逐行盯着屏幕补全代码，解禁即只需下达指令，上岗师改即可开启下一项任务。工程

从过去单人逐行敲击代码，行当到如今单人驾驭十个 Claude 并行开发多个功能，开发范式已发生巨变。

如今，方向盘已移交 Claude，坐在对面的不再是个体开发者，而是整个协作团队。

Claude，已从辅助工具进化为“驾驶员”。

Boris Cherny 回顾 AI 辅助编程的两次跃迁：从单人逐行编码，到单人指挥十余个 Claude 并行处理复杂功能。（图源：Anthropic 官方视频）

Claude Code 之父 Boris Cherny 指出：

“有了 Tag，AI 实现了全流程闭环。从功能开发、端到端实验运行到数据分析，全部包揽。两年时间，跨越两大技术台阶。”

两年前，Boris 仍依赖输入联想（typeahead）辅助编码，AI 仅能补全半行代码，最终决策权仍在人类手中。

如今，他同时运行数十个 Claude Tag 会话，部分任务持续数天甚至数周。

他的日常工作转变为：审核一个个自动提交的 PR，审阅自动生成的数据报告。

Boris 透露了一个震撼数据：Anthropic 内部 65%的代码由内部版 Claude Tag 生成，且这一比例仍在持续攀升。

注意：这 65% 指的是“代码占比”，而非“65% 的 PR 完全自主完成”。

但这已足以说明问题：在 Anthropic 内部，“@AI 派活”已成为主流工作范式。

一人即拥有一支 Claude 小队

6 月 23 日，Anthropic 将 Claude Tag 正式接入 Slack。

这一举措标志着 AI 角色的根本转变：从被动工具升级为主动协作的队友。

Anthropic 官方演示：只需在 Slack 中 @Claude，即可下达任务指令。（图源：Anthropic 官方视频）

Anthropic 明确界定，Claude Tag 并非另一个聊天机器人，而是 Claude Code 的演进形态。

目前，Anthropic 形成了三条清晰的产品线分工：

1. Claude Code（执行者）：如同埋头苦干的资深工程师。专注于“改代码”，面向开发者的智能体编码工具。它能理解代码库、编辑文件、修复 Bug、运行测试。你只需提供代码库，它便静默完成修改。
2. Claude Tag（调度者）：如同团队中的工头。专注于“派任务”。在 Slack 群中 @Claude 并明确需求，它会将任务拆解为多个阶段，调用授权工具逐步执行，并在 Slack 线程中汇报结果。
3. Fable 5（核心大脑）：全队的体力与脑力担当。专注于“承载高难度任务”。它是三者中的核心大脑，能够处理大型迁移、复杂重构及需连续运行多日的重型任务。

前两者搭建协作框架，Fable 5 承担核心重担。三者协同，相当于个人拥有一支完整的 Claude 小队。

前两者是壳，Fable 5 才是发动机

Claude Tag 是交互入口，Claude Code 是执行手脚，而真正支撑长周期任务的，是底层的 Fable 5 模型。

Fable 5 的核心优势在于：具备从头到尾独立扛下大型任务的能力。

在智能体运行框架（agent harness）中，Fable 5 能够连续运行数日（work for days at a time）。它自主规划任务阶段，在负载过高时将子任务分配给子智能体，并在最后进行自我审查。

任务越长、越复杂，Fable 5 与其他模型的差距越显著。

Cherny 在官方视频中透露，根据最新的 METR 评估，前沿模型的自主任务时长已接近 16 小时阈值，甚至进入“无法准确测量其极限时长”的区间。

不同模型以 50% 成功率完成任务的时长趋势：六年来呈指数级增长。图中斜纹区域标注：超过 16 小时的测量，现有任务集已无法准确评估。（图源：METR）

在 Claude Tag 中，模型具备自我续期能力，一个 16 小时的任务可被自动延长至数天甚至数周。

关键洞察：长任务能力并非单纯依赖模型本身，而是系统工程的结果。

Anthropic 在工程博客中深刻指出，长期运行智能体的最大瓶颈是“分段失忆”：每次开启新会话即重置记忆，如同轮班制下新员工遗忘前任工作。

仅靠上下文压缩（compaction）不足够：模型要么试图一口气写完整个应用导致上下文溢出，要么因看到初步进展便错误判定“完工”。

Anthropic 的解决方案是引入“班组交接”机制：
1. 初始化智能体搭建环境，编写进度文件与功能清单。
2. 后续每个编码智能体仅执行单一任务。
3. 任务完成后，提交进度至 Git，撰写详细交接说明，再移交下一环节。

因此，真正的变革是“模型 + 框架 + 工具链”的系统级能力。Fable 5 将这套系统的上限从“小时级”提升至“天级”。

PR 成为新的交付单位

对于普通开发者，切勿急于将整段代码库全盘托付。

正确的实践路径是：将低风险、边界清晰、具备可测试验收标准的任务，拆解为独立单元交给智能体执行。

在 Anthropic 的官方演示中，应用场景极为日常：
* Bug 修复：如按钮像素偏移，一句“帮我修一下”即可解决。
* 数据处理：遇到数据问题，直接交由 Tag 运行分析。

那些持续数天的会话，本质上是长期实验：Tag 每日自动查数据，发现 Bug 即顺手修复，PR 自动提交。

关键分水岭：不在于是否敢将工作全权交给 AI，而在于是否具备将任务拆解为 AI 可验收颗粒度的能力。

AI 派活的最小单位，正从“单个函数”升级为“单个 PR”。

新门槛：不再是 Prompt 工程

当 AI 能运行多日任务、自动提交 PR 时，人类的价值重心转移至何处？

Anthropic 给出的答案是：工程师转向架构设计、产品判断与持续编排。即并行管理多个智能体，把控方向，做出决定“造什么”的关键决策。

然而，AI 生成的 PR 仍需人工确认合并（merge），即将分支代码并入主库，相当于为代码盖章放行。

这意味着，程序员最稀缺的能力正在发生根本性转移：

• 过去：比拼谁更擅长写 Prompt、谁更会提问。
• 未来：比拼谁更擅长定义任务边界、制定测试标准、编写 Review 清单及回滚方案。

代码编写门槛降低，代码验收门槛升高。

下一个最具价值的工种，将是那些最擅长为智能体制定验收标准的人。

AI 已几乎完成代码编写工作。

剩下的终极问题只有一个：它写的代码，你敢不敢认，会不会认。