停止写提示词。开始设计循环吧。
Anthropic 刚刚公开了他们内部使用 Fable 5 的工作方式。
结论很明确：提示词作为一种工作单元已经过时了。
取而代之的是 循环工程。
我来解释它是什么、如何工作，以及你今天就可以自己搭建一个。
问题所在：你自己就是循环
这就是过去两年我们使用智能体的方式：
→ 你写一个提示词 → 智能体回应 → 你审核 → 你修正 → 你再写一个提示词
看出规律了吗？瓶颈就是你自己。
每次迭代都要经过你的手。智能体在尝试之间什么也没学到。你的时间都花在审核半成品上。
一个提示词给智能体指令。一个循环给它一份工作。
什么是循环（简单解释）
循环是一个反馈周期，智能体自动重复这个周期，直到达到一个可验证的目标。
所有循环，无论简单还是复杂，都经历相同的 5 个阶段：
发现 → 规划 → 执行 → 验证 → 迭代
如果通过验证：它结束。如果失败：它带着失败的反馈重新开始。
关键在于"可验证"这个词。不是"做一个漂亮的着陆页"。而是"所有的 /auth 测试都通过，并且代码检查是干净的"。
智能体确切地知道它什么时候完成。而你不在其中。
Fable 5 为何改变游戏规则
有趣的部分来了。Anthropic 在 Parameter Golf 这个真实挑战中测试了 Fable 5 与 Opus 4.7。
挑战：在 16MB 内训练出最好的模型，在 8 个 H100 GPU 上，用时少于 10 分钟。
智能体必须编辑训练代码、启动训练、读取日志、查看分数，并为下一个实验做决定。连续 8 小时。独自完成。
结果：
→ Fable 5 的管道改进幅度约为 Opus 4.7 的 6 倍
但重要的不是数字。而是方式：
→ Opus 4.7 在一开始找到了一个小的改进，然后重复了同一个模板 20 次：调整一个参数，测量，保留有效值 → Fable 5 押注于大的结构性改变（架构，不是常量），并承受了一次量化回归，而这最终成了它最大的胜利
Fable 5 不只是迭代。它敢于冒险，并在循环内部从失败中恢复过来。
黄金法则：做事的人不评判
这个细节几乎所有人都忽略了。
模型不擅长批评自己的工作。它们对自己太友善了。就像给自己打分一样。
Anthropic 的解决方案：一个独立的验证子智能体，拥有自己的上下文，决定工作是否符合要求。
在实践中，你有两种设置方式：
→ Claude Code 中的 /goal：你定义一个可衡量的条件，一个独立的模型决定它是否满足。如果没有，下一轮自动开始 → Claude Managed Agents 中的 Outcomes：你用一个包含可评估标准的评分细则和一个子智能体在每次迭代中进行修正
在 Parameter Golf 实验中，验证器不允许 Fable 5 停止，直到它满足评分细则中的 9 个标准。
没有独立的评判者：智能体会偏离方向。有了独立的评判者：智能体会持续改进。
记忆：在会话之间存活的循环
这是实验的第二个残酷发现。
他们在 Continual Learning Bench 上测试了 Fable 5、Opus 4.7 和 Sonnet 4.6：关于一个 SQL 数据库的顺序问题，每个问题是一个新的会话，但记忆是共享的。
最终结果（平均分数）：
→ Fable 5：0.839 → Opus 4.7：0.700 → Sonnet 4.6：0.364
为什么差异这么大？因为用好记忆有 5 个层次：
- 失败并将其记录下来
- 调查你失败的原因
- 验证原因直到它成为事实
- 将事实提炼成通用规则
- 查阅规则，而不是每次都重新推导
Sonnet 4.6 停留在第 1 层：它会记录失败和假设，但几乎从不重读它的笔记。
Opus 4.7 到达第 3 层：它会创建带有标记疑问的参考，但只有大约 17% 的时间进行验证。
Fable 5 完成了整个周期：它验证了高达 73% 的推断，并将它们转化为规则，在未来的任务中重复使用。
模型会在会话之间遗忘。记忆文件则不会。这就是每天从零开始的智能体与积累知识的智能体之间的区别。
开放循环 vs 封闭循环
在搭建你自己的循环之前，最重要的实践区别是：
开放循环 → 你给它一个广泛的目标，让智能体自行探索 → 功能强大，但会疯狂消耗 Token → 没有明确的标准，它会变成一个垃圾制造机
封闭循环 → 你设计路径：清晰的目标，定义的步骤，每一步的评估，停止点 → 可靠，每次运行都会改进，并且适合正常的预算
建议：从封闭循环开始。当你有了起作用的质检关卡后，再开放空间。
每个好循环的 6 个模块
这就是你实际要构建的东西：
- 自动化 循环的心跳。一个提示词 + 一个节奏 + 一个目标。/goal 持续运行直到条件为真。你就可以离开了。
- 工作树 智能体并行工作而不互相干扰。每个都拥有自己隔离的目录和自己的 Git 分支。
- 技能 项目知识写一次，在每次循环中读取。VISION.md、ARCHITECTURE.md、RULES.md。没有这个，循环就会每次从零推导你的整个项目。
- 连接器（MCP） 一个只看到文件系统的循环是个小循环。有了连接器，它就能读取你的问题追踪器、查询数据库、打开 PR，并在 CI 变绿时通知 Slack。
- 子智能体 验证者绝不等于执行者。一个全新的模型决定循环是否完成。
- 记忆 对话之外的一个简单的 Markdown 文件。记录尝试过什么、发生了什么、还有什么未解决。第 47 天的循环知道从第 1 天到第 46 天尝试过的所有事情。
如何搭建你的第一个循环（逐步教程）
好了，理论清楚了。现在我们来实际操作一下。
有两种官方方法可以用 Fable 5 来做。我们从最简单的开始。
选项 A：Claude Code 中的 /goal
第 1 步：定义"完成"意味着什么
这是人们失败的地方。目标必须是可验证的，而不是一个观点。
不好："改进认证代码" 好："tests/auth 中的所有测试都通过，并且代码检查是干净的"
如果你不能用一条命令来检查它，那就不是目标。那只是一个愿望。
第 2 步：给智能体提供上下文
在启动任何东西之前，在你的仓库中创建这些文件：
→ VISION.md：成功的样子 → ARCHITECTURE.md：技术栈和文件夹结构 → RULES.md：智能体绝对不能碰的东西
花五分钟写它们。它们能避免循环在每一轮都从零推导你的项目。
第 3 步：启动循环
打开 Claude Code 并写入：
/goal tests/auth 中的所有测试都通过，并且代码检查是干净的。最多 30 轮。
注意最后一句话：始终在条件中设置轮数或时间限制。这是你的紧急刹车。
第 4 步：让系统工作
从这里开始，周期是自动的：
→ 智能体朝着目标工作 → 一个独立的模型（不是执行工作的那个）评估条件是否满足 → "未满足"的裁决 = 下一轮自动开始，并带上验证者的反馈 → "已满足"的裁决 = 目标自动清除，循环停止
当它变绿时你再回来。如果你想提前终止：/goal clear。
选项 B：Claude Managed Agents 中的评分细则 + Outcomes
对于长期任务（数小时，而非数分钟），选项是 CMA，它为你提供框架和托管沙箱。
在这里，你写一个评分细则而不是一个条件：一个包含可评估标准的文件，每行一个。
来自 Anthropic 实验的真实例子（就是 Parameter Golf）：
→ 在接触任何东西之前运行一个基准测试 → 运行 20 个实验 → 记录每个结果 → ...直到 9 个可验证标准
你将 max_iterations 配置为限制，Outcomes 会启动一个修正性子智能体，在每一轮评估评分细则。智能体在一切通过之前不能停止。
Fable 5 就是这样独自运行了 8 个小时。没有任何人看守。
额外步骤：添加记忆
如果你的循环要运行好几天，创建一个包含三个部分的 MEMORY.md：
→ 已尝试：做了哪些实验及其结果 → 已验证：已确认的事实（不是假设） → 待办：还有什么需要尝试
并在 RULES.md 中添加一条规则："开始之前，读取 MEMORY.md。结束之前，更新它。"
这其实就是 Fable 5 做得比别人好的地方：将失败转化为已验证的规则，并查阅它们，而不是重新推导。
10 分钟内搭建你的第一个循环
如果你想今天就开始，又不想搞得太复杂：
- 选择一个带有自动验证的任务（测试、代码检查、返回通过/失败的脚本）
- 将目标写成一个可检查的条件 + 轮数限制
- 用 /goal 启动它
- 只审核最终结果，而不是中间步骤
从小处着手。一个能在无聊任务上工作的循环，比十个雄心勃勃但永远完不成的循环更有价值。
你今天就可以搭建的 4 个真实循环
- 代码循环
读取上下文 → 规划变更 → 编辑代码 → 运行测试 → 如果失败，读取错误并修正 → 如果通过，总结并停止。中间没有人。
- 研究循环
定义问题 → 搜索来源 → 总结 → 对照来源验证陈述 → 比较矛盾点 → 综合 → 当置信度超过阈值时停止。
- 内容循环
主题 + 受众 + 目标 → 草稿 → 一个批判性的智能体审核它 → 重写 → 根据成功标准评分 → 如果通过，发布。如果不通过，开始新一轮。
- 销售循环
理想客户画像 → 寻找潜在客户 → 用数据丰富信息 → 资格评定 → 个性化消息 → 质量审核 → 发送或上报给真人。
它们都有相同的骨架：
目标 → 行动 → 验证 → 修正 → 重复直到完成。
提示词工程师 vs 循环工程师
2026 年即将出现的技能差距：
提示词工程师 → 写更好的指令 → 手动审核每个输出 → 他就是反馈循环
循环工程师 → 设计更好的反馈周期 → 自动审核 → 系统本身就是反馈循环
一个问："给我写一个函数。" 另一个设计："写 → 测试 → 修正直到变绿。"
工具是一样的。思维方式完全不同。
最后的细微差别（没人明说）
两个人可以搭建完全相同的循环，却得到截然相反的结果。
一个人用它来加快他深刻理解的工作。另一个人用它来完全不去理解工作。
循环不知道区别。你知道。
像一位计划继续做工程师的人那样设计循环。而不是像一位只按按钮的人。
因为一个可靠的循环，胜过一千个完美的提示词。
