Claude Code之父的夜班AI军团：Fable 5两个命令搭好自动化工作流
摘要：从Boris Cherny的"夜间AI军团"实践出发，解析Fable 5如何通过
/goal和/loop两大命令，让普通开发者也能搭建长期自主运行的AI工作流。
一、核心事件
Claude Code之父Boris Cherny在一次面向开发者的公开对谈中透露，他已不再亲手写代码，而是通过AI智能体与循环机制（Loop），管理着白天几百个、每晚几千个替他干活的AI。这一实践揭示了AI编程工作流的范式转变——从"人机对话"走向"系统设计"。
与此同时，Anthropic发布的Fable 5模型将这套打法产品化，仅需/goal和/loop两个命令，普通开发者即可搭建类似的自动化系统。
二、一个人凭什么管几千个智能体？
2.1 数据透视
| 指标 | 数据 |
|---|---|
| 日均PR提交量 | 几十个 |
| 单日PR最高纪录 | 150个 |
| 白天活跃智能体 | 几百个 |
| 夜间活跃智能体 | 几千个 |
| 手机同时挂会话数 | 5-10个 |
2.2 Loop机制：定时任务调度
Boris Cherny的核心秘诀是一个词：Loop。
Loop的本质是让Claude用定时任务调度可重复执行的活，每分钟、每五分钟、每天，随你设定。跑起来之后基本不用管。
他手上有几十个Loop常年运转：
- PR监控Loop：自动修持续集成（CI）、自动变基
- CI健康Loop：哪个测试不稳定，它自己去修
- 用户反馈Loop：每30分钟去X上扒一遍用户反馈，聚类整理后提交给他
更关键的是，越到后面，连开Loop这一步都不太需要人工干预。据Boris回忆，有一次他只让模型跑个数据查询，模型自己回复："我发现这份数据一直在变，那我起个Loop，每30分钟给你出份报告。"他说行，模型转头就把这事办了。
"我不再写prompt了，我只写loop。" —— Boris Cherny
很快可能他连loop也不用写了。
2.3 AI之间的协作
当Boris的几个Claude在Loop里写代码时，它们会自己跑到Slack上，跟同事的Claude聊天，对齐那些谁都还没想明白的地方。一群AI在Slack群里开会，把活儿分清楚，各自回去干，这在Anthropic已是日常。
三、智能体正在改写"干活"这件事
3.1 角色转变
过去的工作流是：你写一句、AI答一句、你再写下一句。
现在的工作流是：你搭一个会自己找活、自己干活、自己交活的小系统，然后转身走开。
Anthropic前不久上线了Routines，把同一套机制搬到服务器端，合上电脑，它照跑不误。
3.2 工程师的新定义
在Boris这里，"工程师"这个角色被重新定义：
- 模型负责：写代码
- 他负责：搭系统、做验收
一天几十上百个PR从智能体手里冒出来，他真正的活儿是判断哪些能合、哪些得打回去。
用他的话讲，这并非"AI取代了工程师"，而是人正从操作执行者变成自动化系统的设计者——重心从"把这一行代码写对"，挪到了"搭一套能自己把代码写对的系统"。
3.3 全员编码时代
据Boris描述，公司里几乎没有手写代码这回事了，连SQL都是模型写的。整个公司找不出几行还是人敲出来的代码。
团队构成发生了深刻变化：工程经理、产品经理、设计师、数据科学家、财务、用户研究员，每一个人都在写代码。职能还在，但人人都多了一层"调度AI去干活"的通用能力，成了跨学科的通才。
四、从写prompt到写loop：中间隔着一道验收
4.1 验收机制：/goal命令
一个会自己无限干活的AI，凭什么不是一台高速产出bug的机器？答案在一个被大多数人略过的环节：验收。
Loop能自己跑而不自嗨，靠的是一套"目标驱动"机制，在Claude Code里对应/goal命令。
你给它一个目标，比如"/tests/下所有单测通过、lint干净"，它每干完一步，就有一个独立的小模型来判一次：到了没？没到，接着干；到了，停。
这个负责打分的"监工模型"不是那个干活的模型。这个简单的设计，恰恰是整个Loop的心脏。
没有它，一个跑一整晚的Loop很可能就是一台睡着了还在批量提交垃圾代码的机器。
4.2 效果验证
Boris此前分享工作流时给过一条建议：想把Claude Code榨到极致，最重要的一步就是给它一个能验证自己工作的方式。
一旦有了这个反馈闭环，产出质量通常能翻2到3倍。一个"让AI自己检查自己"的动作，抵得上换一代模型。
五、Fable 5：普通人也能用的循环
5.1 Fable 5的三大能力
据X上一份流传很广的教程作者实测，Fable 5区别于以往所有Claude模型的三项能力：
-
长期自主干活：它能连着干几天的活，而非几分钟。在Claude Code里，你可以把一个跨越多天的项目整个丢给它，它自己分阶段规划、自己派子智能体、一直干到达标为止。
-
自我校验：任务干完，它不急着交差，先给自己写测试、跑测试、抓出错误、修完，才说一声"做完了"。
-
读懂密集图表：财报里的表格、PDF里嵌的图、架构图、仪表盘截图，以往Opus 4.8偶尔会认错列、看混坐标轴的地方，Fable 5能稳定读对。
5.2 两个命令：/goal 和 /loop
要把这些能力真正用起来，靠的就是两个命令：
| 命令 | 适用场景 | 机制 |
|---|---|---|
/goal |
有明确终点 | 奔着终点跑，到了自己停 |
/loop |
按周期重复 | 按点反复跑，直到你喊停 |
分工口诀：
- 有明确终点，用/goal
- 按周期重复，用/loop
- 要一直跑到某个条件达成，两个叠着用
/goal 使用铁律
/goal能不能跑好，有条铁律：把"完成标准"写具体，而且必须给一条失败退路。
❌ 坏目标："改进这段代码"（无法验证）
✅ 好目标："/tests/下所有测试通过，只许改/src里的文件，修3次还不过就停下来汇报"（每一条都能核对）
/loop 典型用法
- 每30分钟查一遍错误日志，把严重级别的挑出来用大白话汇报
- 每小时扫一遍收件箱，摘要新邮件、把该回的草稿先拟好
⚠️ 省钱提醒：放手之前，先把花费的上限设好。一个没封顶的
/goal撞上难题，token能烧得飞快。
5.3 让它记住你：20分钟本地配置
教程还提到一步多数指南都跳过了，偏偏最要紧：Fable 5不会记住你。每次开新会话，它对你的业务、文风、客户、偏好一无所知，一切从零开始。
解法是在自己机器上搭一套本地上下文系统，只用20分钟就能搭完。
配置四步法
第一步：建一个上下文文件夹（如fable-workspace），当作它每次开工前必读的"单一事实源"。
文件夹内容建议：
- 一页纸的业务和优先事项概要
- 常干活的操作规程
- 在办项目的关键信息
- 常引用的战略文档
- 决策日志
每个文件压在一页内，内容太多反而吃掉上下文窗口。
第二步：建一个记忆文件claude-memory.md，留一条指令："每当我聊到业务、偏好或处境的重要信息，就把要点更新进去，写短点，标上日期。"
从此它自我更新，你提过一次新客户，下次会话它已经知道。
第三步：建一个指令文件claude-instructions.md，写清每次会话的行为守则：
- 开工前先读记忆文件
- 给建议前先翻旧决策
- 拿不准就问别瞎猜
- 干完活主动汇报并标出需要人过目的地方
第四步：在Claude Code里用/add指向这个文件夹，或写进CLAUDE.md。连上之后，每次会话一开场，它就已经带着你的全部背景。
这套配置还有个好处：哪天换了别的AI工具，上下文直接打包带走。
5.4 二八打法：省钱策略
只把Fable 5用在那20%真正吃它长处的活上。
在Claude Code里，Fable还能自己派更省钱的子智能体去干粗活：它出方案，Sonnet、Haiku这些去执行，最后再由它回来验收。
六、结语
到这一步你会发现，Boris那套"夜间AI军团"拆开无非三样：
- 一个会自己干活的模型
- 一套定义"做完"的标准
- 一个按时运转的循环
模型和循环都已具备。真正稀缺的，是那个能和模型说清"任务做完是什么样"的人。