核心思想
与其直接给 Fable 5 写提示、做引导，不如为它设计循环：用
/goal或 Outcomes 给环境注入反馈让模型自我修正，并交给独立上下文的验证器子智能体来评分（而非自我批评）。再叠加跨会话记忆，Fable 5 能走完「失败→调查→验证→提炼→查阅」的完整进阶，在 Parameter Golf 上的改进幅度约为 Opus 4.7 的 6 倍。核心取舍：把人的精力从「调提示」转向「设计反馈环境与记忆结构」。
像 Claude Fable 5 这样的 Mythos 级模型，已经改变了我们很多人在 Anthropic 的工作方式。我想分享两个技巧，帮你把这一类模型用到极致。
自我修正循环
最近大家对循环（loop）的兴趣很高。@bcherny 提到过，“（他的）工作就是写循环。“让模型在某个评估上做爬坡式优化，是提升任务表现的常见套路：Claude Code 里的 /goal 和 Claude Managed Agent 里的 Outcomes 就是两个原语，让你能把这套通用套路套用到自己的具体任务上。
正如我们在提示指南里提到的，Fable 5 很擅长在循环中自我修正。一个设计良好的目标或评分标准（rubric），会给 Claude 所运行的环境注入反馈。这样 Claude 就能跑起来、通过目标或评分标准收集反馈、自我修正，并持续推进，直到目标或评分标准被满足。
我来分享一个我用来测试 Fable 的玩具示例：Parameter Golf 是一个开源的机器学习工程挑战——在 8 张 H100 上、10 分钟以内，训练出能塞进 16MB 文件里的最优模型。
它有点像 @karpathy 的 autoresearch 项目：它考验的是智能体能不能编辑基础的训练代码（单个 train_gpt.py 文件）、启动训练、轮询日志、读取分数，再决定下一步该跑什么实验。
我用 Claude Managed Agents（CMA）在这个挑战上对比了 Fable 5 和 Opus 4.7。CMA 同时提供了智能体 harness 和托管沙箱，因此非常适合 Fable 5 这类长时间运行的任务。对于 Parameter Golf，我给 CMA 接入了 8 张 H100 GPU，作为自托管沙箱。
有一个微妙的点：由谁来评判很重要。我们发现，模型在对自己的输出做自我批评时会遇到问题。Prithvi Rajasekaran 在我们的工程博客这篇文章里写到过这一点。
我们发现，对 Fable 5 来说，验证器子智能体往往比自我批评表现更好，因为评分是在一个独立的上下文窗口里完成的。CMA 里的 Outcomes 会替你生成一个评分子智能体来处理这件事。
每次测试，我都提供一份评分标准（一个文件），里面有九条可核查的标准（例如：跑一个基线、跑 20 次实验等等）。然后，我让 Parameter Golf 最多运行 8 小时。Outcomes 评分器会先确认所有实验标准都已满足，才允许 Claude 停止工作。
Fable 5 对训练流水线的改进幅度，比 Opus 4.7 大了约 6 倍。如果我们把实验区分为结构性的（例如架构改动）和标量性的（例如调整某个常数），那么 Fable 5 押注于更大的结构性改动，并表现出了韧性（例如，硬是顶着一次量化带来的性能回退，最终拿下它最大的一次胜利）。
Opus 4.7 的第一次实验带来了一个小胜，而此后几乎所有实验都沿用同一个模板：调整一个标量、测量、若为正则保留。
记忆
记忆是 Fable 同样出色的另一个领域。我们可以把它看作一个跨会话的外层循环：Claude 在某次会话中写入记忆，而这些记忆可以在未来的会话中被取回。
@pgasawa 和团队最近发布了 Continual Learning Bench 1.0，所以我想在 Fable 5 上对比测试一下它和更早的模型。
今天，他们发布了 Continual Learning Bench 1.0：第一个用于衡量 AI 系统在在线环境中如何改进的现实基准。如今的基准假设模型是无状态的——每个示例都彼此独立，系统一旦完成一项任务，就会继续前进，仿佛什么都没发生过。但部署中的 AI 系统理应从经验中学习。
我在该基准的一项任务上对比了 Fable 5、Opus 4.7 和 Sonnet 4.6：这项任务要求智能体在可访问一个 SQL 数据库的前提下，回答一连串的问题。每个问题都是一次独立的智能体会话，并提供了记忆。
为此，我使用了带记忆的 CMA，它给每个智能体接入了一个挂载的文件系统，可以在多次会话之间共享。
对于这项任务，要有效利用记忆，需要经历这样一个进阶过程：失败（做错了某件事并记录下来）、调查（在继续之前，先弄清楚为什么）、验证（把诊断转化为一个经过核实的事实）、提炼（把验证升华为一条通用规则），以及查阅（去读那条规则，而不是重新推导一遍）。
Sonnet 4.6 在第 1 步左右就止步了：它的记忆库是一份失败笔记和未决猜测的清单（例如，“也许是 prc 而不是 prc_usd？”）。它很少去查阅先前的笔记。要提升表现，就需要针对具体任务的记忆指令。
Opus 4.7 在第 3 步左右止步：它会创建一份带不确定性标注的 schema 参考（例如，“prc 可能是以分为单位？待验证。”），但验证覆盖率偏低：只覆盖了 7%–33% 的问题（运行中位数约 17%）。
Fable 5 则往往能走完整个进阶过程：在它表现最强的几次运行中，验证覆盖率高达 73%（30 题中覆盖 22 题），并且它会把所学提炼成通用规则，从而对未来的任务有所帮助。
与其直接给 Fable 5 下提示、做引导，往往更好的做法是：设计一些循环，让模型能够响应环境反馈来自我修正（例如 /goal 或 Outcomes），并管理它自己的上下文（例如通过记忆）。
我在这里只分享了几个自己跑过的小规模实验，但很值得你亲自在有挑战性的任务上测试 Fable 5，并用循环来做自我修正或记忆管理。
想要上手，可以查看我们的文档，或者直接问最新版的 Claude Code——它可以用我们内置的 /claude-api skill 来给你介绍 Fable 5（例如提示的最佳实践）、/goal、Claude Managed Agents，或者其他 API 特性。