CryptoComLearn刊出一篇围绕 Fable 5 的长文，主题不是把它当作一次性聊天模型使用，而是如何搭建一个能连续运行、持续积累经验的自我改进代理系统。文章称，这套方法整理自 Anthropic 工程文章、公开实验和截至 2026 年 6 月 的上线文档，并以 14 个步骤 说明系统如何形成“越跑越聪明”的闭环。
Fable 5被定位为可连续运行数日的代理模型
文中给出的关键信息是，Fable 5 面向的并非短时问答，而是可跨阶段规划、调用子代理、执行自检的长时任务。适用场景包括大型迁移、复杂实现、多日自主编码，以及研究和分析类知识工作。定价也对应这类定位：每百万 input token 10 美元、每百万 output token 50 美元，并保留 prompt caching 90% input token 折扣。文章提到，该模型可通过 Claude API、AWS、Amazon Bedrock、Vertex AI、Microsoft Foundry 以及按量计费的 Enterprise 方案调用。
“自我改进”指系统演进，不是模型改权重
文章特别区分了自我学习与自我改进。前者是模型依据经验更新自身权重，文中明确指出 Fable 5 并不具备这一能力；后者则是代理外围系统在持续积累，像状态文件、Skills、知识库、评测循环这类组件会在每次执行后变得更精确。作者引用 Anthropic 工程团队的说法，认为比起直接提示模型，���有效的方式是设计一套循环，让模型依据环境反馈自我修正，并自行管理上下文与记忆。
四层结构与三类关键原语构成系统骨架
这篇文章把体系拆成 4 层：原语、编排、记忆、自我改进。底层原语包括模型本身、子代理、worktrees 与工具；编排层使用 /goal、Outcomes、动态工作流和 Routines；记忆层依赖状态文件、Skills 和知识库；最上层则通过视觉自检、评测循环和规则蒸馏，把结果重新写回记忆。文中还给出一套成本—能力分工：Fable 5 负责长周期编排，Opus 4.8 处理困难但边界明确的子任务，Sonnet 4.6 承担高频工人任务，Haiku 4.5 则适合低成本评分和分类。
独立验证者、动态工作流与状态文件是复利关键
在具体实现上，文章强调“写的人”和“评的人”不应是同一个代理。作者援引 Anthropic 团队结论称，独立验证者子代理往往优于自我批评，因为验证者只看输出和评分标准，不受原推理路径影响。动态工作流则允许代理按任务临时生成 JavaScript harness，调用 agent()、parallel()、pipeline() 等原语，执行并行拆分、对抗式验证和“循环直到完成”。另一项重点是记忆设计。文中提出 5 阶段记忆递进，从失败、调查、验证、蒸馏到查阅，并建议以 STATE.md 这类状态文件保存已验证事实、通用规则、待调查问题与上次会话进度，让下一轮任务不是重启，而是续跑。
文章还提到，Routines 可在 Anthropic 托管云环境中按计划、API 或 GitHub 事件触发，让 Fable 5 在本地设备关闭后继续执行任务。对需要多小时乃至多日运行的代理系统，这被视为把模型能力真正落到生产流程中的一环。