新智元报道

【导读】Fable 5 解禁后迅速接入 Claude Tag，解禁即标志着 AI 编程进入新阶段。上岗师改未来的工程核心竞争力，将从「编写代码的行当能力」转向「验收 AI 成果的能力」。

Fable 5 甫一开放，验收便通过 Claude Tag 嵌入工作流，解禁即化身为一位能连续运行数日、上岗师改主动提交 PR（Pull Request）的工程「同事」。

开发者不再需要逐行监督补全，行当只需下达指令，验收静待结果。解禁即

从过去「一人一行代码」的上岗师改线性劳作，到「一人驾驭十个 Claude」的工程功能批量生成，再到如今「方向盘移交 AI」，行当坐在对面的验收已不再是个体，而是整个协作团队。

Claude，已从辅助工具进化为驾驶者。

Boris Cherny 回顾 AI 辅助编程的两次跃迁：从单人逐行编码，到单人并行调度多个 Claude 实例。（图源：Anthropic 官方视频）

Claude Code 之父 Boris Cherny 指出：

「有了 Tag，全流程自动化成为现实。从功能开发、端到端实验到数据分析，两年间跨越了两大技术台阶。」

两年前，Cherny 仍依赖输入联想（typeahead）辅助编码，AI 仅能补全半行，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，周期从数天至数周不等。他的日常工作转变为审查逐一提交的 PR 和数据分析报告。

Cherny 披露了一个关键数据：Anthropic 内部 65%的代码由内部版 Claude Tag 生成，且该比例呈持续上升趋势。

需明确的是，这 65% 指的是「代码贡献占比」，而非「65% 的 PR 完全由 AI 自主闭环」。

但这足以证明：在 Anthropic 内部，「@AI 派活」已成为主流工作范式。

一人即一支 Claude 小队

6 月 23 日，Anthropic 将 Claude Tag 正式集成至 Slack。

这一变革的核心在于：AI 从被动工具转变为主动协作的「队友」。

Anthropic 官方演示：在 Slack 中 @Claude 即可直接派发任务。（图源：Anthropic 官方视频）

Claude Tag 并非简单的聊天机器人，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）：面向开发者的智能体编码工具。擅长「改代码」，能深入理解代码库、编辑文件、修复 Bug 及运行测试。它将代码库交由 AI，AI 默默完成修改。
2. Claude Tag（调度者）：群聊中的「工头」。擅长「派任务」，用户在 Slack 中 @Claude 并明确需求，AI 将任务拆解为多个阶段，调用授权工具逐步执行，并在线程中汇报结果。
3. Fable 5（大脑）：团队的「体力与脑力担当」。擅长「扛重担」，负责大型迁移、复杂重构及需连续运行多日的长周期任务。

前两者搭建框架，Fable 5 承担核心攻坚，三者协同使单人具备了一支「Claude 小队」的战斗力。

Fable 5：真正的发动机

Claude Tag 是入口，Claude Code 是手脚，而支撑长周期任务的核心动力来自底层模型 Fable 5。

其核心优势在于端到端的自主任务执行能力。

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）。它具备自我规划能力，能自主安排阶段任务，在负载过高时将子任务委派给子智能体，并在完成后进行自我审查。

任务越复杂、周期越长，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 METR 评估，前沿模型的自主任务时长已逼近 16 小时阈值，甚至进入「无法准确测量上限」的区间。

不同模型以 50% 成功率完成任务的时长趋势：六年间呈指数级增长。图顶斜纹区标注：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，模型可自主规划后续任务，将 16 小时的任务续期至数天甚至数周。

关键洞察：长任务能力并非仅靠模型本身。

Anthropic 在工程博客中强调，长期运行智能体的最大瓶颈在于「分段失忆」——每次新会话开启，模型即遗忘上下文，如同轮班制中接班工程师不知晓前序工作。

仅靠上下文压缩（Compaction）不足，模型要么因试图一次性写完整个应用而撑爆上下文，要么因看到局部进展便过早宣布「完工」。

Anthropic 的解决方案：引入「班组交接」机制。

1. 初始化智能体负责搭建环境、编写进度文件及功能清单。
2. 编码智能体仅执行单一任务，完成后将进度提交至 Git，并撰写详细的交接说明。
3. 下一班智能体依据交接文档继续工作。

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」延长至「天级」。

PR 成为新的交付单位

对于普通开发者，无需急于将完整代码库全权交给 AI。

最佳实践：将低风险、边界清晰、具备可测试验收标准的任务，切分为独立单元交由智能体执行。

在 Anthropic 的官方演示中，日常用法极为轻量：
* Bug 修复：如「按钮偏移几像素」，一句指令即可解决。
* 数据处理：将数据问题扔给 Tag 自动运行。

而长周期会话则表现为长期实验：Tag 每日自动查数据，发现 Bug 即自动修复并提交 PR。

关键分水岭：不在于是否敢将工作全权交给 AI，而在于能否将任务切分为 AI 可验收的颗粒度。

给 AI 派活的最小单位，正从「函数」升级为「PR」。

新门槛：从 Prompt 到验收标准

当 AI 具备多日任务执行能力及自主提交 PR 的能力时，人类工程师的价值重心发生转移。

Anthropic 指出，工程师将转向架构设计、产品判断及持续编排——并行管理多个智能体，确立方向，做出决定「造什么」的关键决策。

然而，AI 提交的 PR 仍需人类点击「合并（Merge）」，即将分支代码并入主库，相当于为代码盖章放行。

这意味着程序员的核心竞争力正在重构：

• 过去：比拼 Prompt 工程能力、提问技巧。
• 未来：比拼任务边界定义、测试标准制定、Review 清单构建及回滚方案设计。

代码编写的门槛在降低，代码验收的门槛在升高。

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。

现状：AI 已几乎完成代码编写。

核心问题：剩下的唯一挑战是——你写的代码，你敢不敢认，会不会认。

参考资料：

• https://x.com/claudeai/status/2072725610061803522?s=20
• https://youtu.be/MhfnicQVkgY
• https://www.anthropic.com/news/introducing-claude-tag
• https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/

编辑：元宇