@0xCodez：使用 Fable 5 透過 14 個步驟建構自我改進的 Agent 系統：迴圈、動態工作流程、常規 大多數人使用 Claude Fable 5 的方式，就…

使用 Fable 5 透過 14 個步驟建構自我改進的 Agent 系統：迴圈、動態工作流程、常規 大多數人使用 Claude Fable 5 的方式，就像把 Sonnet 4.6 當成擁有更大 context window 的模型一樣。他們輸入 Prompt，運作 5 分鐘，然後關閉分頁。 每 10 個使用者中，有 9 個從未執行過會「複合成長」的 Agent 系統——即每一次執行都能讓下一次執行變得更聰明、每一個狀態檔案（state file）都在累積、每一項 skill 都在精進。 Fable 5 是為了長時間運作而打造的，但你卻只用了幾分鐘。以下是建構 Fable 5 所設計的自我改進系統的 14 個步驟路線圖。 追蹤我的 Substack 以獲取最新的 AI alpha：movez.substack.com Claude Fable 5 於 2026 年 6 月 9 日推出，這是第一個公開可用的 Mythos 等級模型，Anthropic 將其定位在 Opus 之上。 展開數據表Claude Mythos 5 / Fable 5Claude Mythos PreviewClaude Opus 4.8GPT 5.5Gemini 3.1 ProAgentic coding (SWE-Bench Pro)80.3%77.8%69.2%58.6%54.2%Agentic coding (FrontierCode (Diamond))29.3% (xhigh)-13.4% (xhigh)5.7% (xhigh)-Knowledge work (GDPval-AA)1932-189017691314Knowledge work vision (GDP.pdf)29.8% (no tools)-22.5% (no tools)24.9% (no tools)16.7% (no tools)Spatial reasoning (Blueprint-Bench 2)38.6%-14.5%36.2%26.5%Tool use (AutomationBench)17.4%-15.5%12.9%9.6%Computer use (OSWorld-Verified)85.0%85.4%83.4%78.7%76.2%Legal (Legal Agent Benchmark)13.3%-10.4%2.1%0.0%Multidisciplinary reasoning (Humanity's Last Exam - no tools)59.0%56.8%49.8%41.4%44.4%Multidisciplinary reasoning (Humanity's Last Exam - with tools)64.5%64.7%57.9%52.2%51.4%Biology (BioMysteryBench - hard)46.1%29.6%40.0%--Biology (BioMysteryBench - human solved)83.9%82.6%80.4%--Agentic coding (Terminal-Bench 2.1)88.0%-82.7%83.4% (Codex CLI)70.7% (Gemini CLI)Cybersecurity (ExploitBench (Cap%))78.0%69.0%40.0%34.0%-Health (HealthBench Professional)66.0%*64.7%56.9%51.8%- 這是建構 Fable 5 所設計的自我改進系統的 14 個步驟路線圖，資料來源於 Anthropic 的工程部落格、團隊的公開實驗，並根據 2026 年 6 月的發布文件進行了驗證。 分為三個層級：Fable 5 實際解鎖的功能、使其產生複合成長的三個基礎（迴圈、動態工作流程、常規），以及將其轉變為系統的自我改進層。 展開畫面重點圖片標題為「The compound stack」，並註明「Each layer feeds the next. Tomorrow's run inherits from yesterday's.」（每一層都為下一層提供養分。明天的運行繼承自昨天的成果。） 圖表由四個層級組成，右側箭頭標示「COMPOUNDS」，底部說明「Each layer below provides primitives; each layer above turns them into compounding behavior.」（下方的每一層提供基礎元件；上方的每一層將它們轉化為複合行為。） 各層級內容如下： LAYER 4 - SELF-IMPROVEMENT：Vision self-check、eval loops、rule distillation、lessons learned。說明：Agent grades own output, refines skills, writes general rules back to memory. LAYER 3 - MEMORY：State file、Skills、Knowledge Base、Lessons。說明：What the agent forgets, the repo remembers. Memory survives between sessions. LAYER 2 - ORCHESTRATION：/goal & Outcomes、Dynamic Workflows、Routines。說明：Self-correction loops with independent grader sub-agents. Schedule, fire, iterate. LAYER 1 - PRIMITIVES：Fable 5、Sub-agents、Worktrees、Tools。說明：Mythos-class model. Days-long sessions. Parallel isolation. Real-world reach. 14 個步驟，3 個層級。停止單純的 Prompting，開始建構一個會複合成長的系統。 --- 第一部分 · Fable 5 實際解鎖的功能 Fable 5 是 Mythos 等級的模型。長時間的自主性是其核心賣點。 Claude Fable 5 於 2026 年 6 月 9 日發布，是第一個公開可用的 Mythos 等級模型——這是 Anthropic 在 Opus 之上引入的新層級。 展開畫面重點畫面左側文字為「Fable 5」以及「by Anthropic」，左下角有 Anthropic 的品牌標誌。畫面右側由多種不同品種與顏色的蝴蝶排列組合成一個巨大的數字「5」。整體風格呈現自然科學插畫的質感，背景為米白色。 Mythos Preview 於 4 月透過 Project Glasswing 提供給少數關鍵基礎設施合作夥伴；Fable 5 是 Anthropic 認為適合一般發布的版本，內建了安全分類器，會拒絕高風險領域的請求。 Mythos 5（不含這些分類器）仍僅限於 Glasswing 使用。 根據 Anthropic 的發布文件，Fable 5 實現了以往 Claude 模型無法維持的功能： 長時間的自主會話：在 Claude Code 或 Claude Managed Agents (CMA) 等 Agent harness 中執行時，Fable 5 可以運作數天——跨階段進行規劃、委派任務給 sub-agent，並檢查自己的工作成果。 內建自我驗證：編寫自己的測試來檢查工作成果。使用視覺能力對照目標檢查輸出。將經驗總結為通用規則。測試自己的假設。 最具野心的程式碼工作：大型遷移、複雜實作、長達數天的自主程式撰寫會話。Anthropic 提出的主要使用案例是「交接大型專案並審查已完成的交付成果」。 多階段知識工作：從深度研究與分析到準備好供審查的交付成果——只需極少的監督。 定價與其層級相符：每百萬輸入 token 10 美元，每百萬輸出 token 50 美元，並享有現有的 90% prompt caching 輸入 token 折扣。 可在 Claude API、AWS、Amazon Bedrock、Vertex AI、Microsoft Foundry 以及基於用量的 Enterprise 計畫中使用。這不是訂閱制模型，高用量會產生對應的帳單。 --- 自我改進不等於自我學習。 「自我改進的 Agent 系統」這個詞被隨意濫用。真實的版本與炒作的版本有很大的區別，在動手建構之前，理解這兩者的差距非常重要。 展開畫面重點畫面上方顯示標題「Dreaming」，副標題為「Review recent sessio…