过去一年，他没再亲手写过一行代码。
他每天提交几十个PR，有一天冲到150个，创了个人纪录。
更离谱的是，他手上同时跑着几百个AI智能体，每晚还有几千个替他上夜班。
这是Claude Code之父Boris Cherny，前段时间在一场面向开发者的公开对谈上亲口说的。
他手机上开着Claude应用，左边一个小小的代码标签，里面同时挂着5到10个会话。
每个会话底下又是一堆智能体，白天几百个在跑，一到晚上，几千个开始干更深的活。
模型写了全部的代码，他一行都不碰。
对于他来说，编程这事，已经解决了。
一个人凭什么能管几千智能体？
一个人管几千个智能体，让它们同时在一个代码库里改代码，不失控、不打架、不成批制造垃圾。
Boris的秘诀，藏在一个词背后：循环（Loop）。
他说，Loop是他见过最简单、又最好用的东西，Loop才是未来。
Loop的本质，是让Claude用定时任务调度一个能重复跑的活，每分钟、每五分钟、每天，随你定。跑起来之后，基本不用管。
他手上有几十个Loop常年在转：
一个专门盯着他的PR，自动修持续集成（CI）、自动变基；
一个负责让CI保持健康，哪个测试不稳定，它自己去修；
还有一个每30分钟去X上扒一遍用户反馈，聚类整理好了再提交给他。
更关键的是，越到后面，连开Loop这一步都不太用Boris开口了。
有回他只让模型跑个数据查询，模型自己回了一句：我发现这份数据一直在变，那我起个Loop，每30分钟给你出份报告。
他说行，顺手发我Slack上。模型转头就把这事办了。
就在前段时间，Boris还说自己不再写prompt了，只写loop。
很快可能他连loop也不用写了。
智能体
正在改写「干活」这件事
这背后，是「干活」这件事本身变了。
过去是你写一句、AI答一句、你再写下一句；现在是你搭一个会自己找活、自己干活、自己交活的小系统，然后转身走开。
Anthropic前不久还上线了Routines，把同一套机制搬到服务器端，合上电脑，它照跑不误。
「工程师」这个角色，在Boris这儿也被改写了：
模型负责写代码，他负责搭系统、做验收。一天几十上百个PR从智能体手里冒出来，他真正的活儿，是判断哪些能合、哪些得打回去。
用他的话说，这并非「AI取代了工程师」，而是人正从操作执行者，变成自动化系统的设计者：重心从「把这一行代码写对」，挪到了「搭一套能自己把代码写对的系统」。
他甚至预测，再过一年，防提示注入、命令校验、人工审批这些安全环节都会没那么重要，因为模型会越来越自觉地做对的事。
而这套打法，早就不只是他一个人的玩法。
据Boris说，公司里几乎没有手写代码这回事了，连SQL都是模型写的。整个公司，找不出几行还是人敲出来的代码。
更魔幻的是另一幕。当他的几个Claude在Loop里写代码时，它们会自己跑到Slack上，跟同事的Claude聊天，对齐那些谁都还没想明白的地方。
一群AI在Slack群里开会，把活儿分清楚，各自回去干，这在Anthropic已经是日常。
更狠的是团队构成：工程经理、产品经理、设计师、数据科学家、财务、用户研究员，每一个人都在写代码。
职能还在，但人人都多了一层「调度AI去干活」的通用能力，成了跨学科的通才。
从写prompt到写loop
中间隔着一道验收
一个会自己无限干活的AI，凭什么不是一台高速产出bug的机器？
答案在一个被大多数人略过的环节：验收。
Loop能自己跑而不自嗨，靠的是一套「目标驱动」机制，在Claude Code里对应/goal命令。
你给它一个目标，比如「/tests/下所有单测通过、lint干净」，它每干完一步，就有一个独立的小模型来判一次：到了没？没到，接着干；到了，停。
这个负责打分的「监工模型」，不是那个干活的模型。
这个简单的设计，恰恰是整个loop的心脏。
没有它，一个跑一整晚的Loop，很可能就是一台睡着了还在批量提交垃圾代码的机器，而且提得理直气壮。
Boris早就验证过这一点。
他此前分享工作流时给过一条建议：想把Claude Code榨到极致，最重要的一步，就是给它一个能验证自己工作的方式。
一旦有了这个反馈闭环，产出质量通常能翻2到3倍。
一个「让AI自己检查自己」的动作，抵得上换一代模型。
这套循环普通人也能用
前面那套循环，已经被做成了产品，普通人照样能上手。
Fable 5发布后，一份在X上流传很广的教程，作者实测3周后称：大多数人像用普通Claude那样用Fable 5，等于白白浪费了它真正值得付费的东西。
该作者先点出Fable 5区别于以往所有Claude模型的三项能力。
教程总结的Fable 5三大能力：长期自主干活、自我校验、读懂密集图表。
第一项，它能连着干几天的活，而非几分钟。
以往的模型都是短跑选手，Fable 5是第一个为「长期自主干活」而生的模型。
在Claude Code里，你可以把一个跨越多天的项目整个丢给它，它自己分阶段规划、自己派子智能体、一直干到达标为止。
第二项，它会自己查自己。任务干完，它不急着交差，先给自己写测试、跑测试、抓出错误、修完，才说一声「做完了」。
第三项，是读懂密集图表的能力。
据作者实测，财报里的表格、PDF里嵌的图、架构图、仪表盘截图，以往Opus 4.8偶尔会认错列、看混坐标轴的地方，Fable 5能稳定读对。
而要把这些能力真正用起来，靠的就是两个命令：/goal和/loop。
不用它们，你是在花2倍的价钱买一个聊天机器人；用上它们，你买到的是一个自主干活的员工。
/goal奔着终点跑，到了自己停；/loop按点反复跑，直到你喊停。
/goal的机制，是你定义结果，它负责迭代。它能不能跑好，有条铁律：把「完成标准」写具体，而且必须给一条失败退路。
比如，「改进这段代码」是个坏目标，因为没法验证；「/tests/下所有测试通过，只许改/src里的文件，修3次还不过就停下来汇报」是个好目标，因为每一条都能核对。
/loop则不奔某个终点，而是按点反复跑，跑到你喊停。
比如每30分钟查一遍错误日志，把严重级别的挑出来用大白话汇报；或者每小时扫一遍收件箱，摘要新邮件、把该回的草稿先拟好。
分工口诀就三句：有明确终点，用/goal；按周期重复，用/loop；要一直跑到某个条件达成，两个叠着用。
放手之前，还有句最实在的告诫：先把花费的上限设好。一个没封顶的/goal撞上难题，token能烧得飞快。
让它记住你：20分钟的本地配置
教程还提到一步，多数指南都跳过了，偏偏最要紧。
Fable 5不会记住你。每次开新会话，它对你的业务、文风、客户、偏好一无所知，一切从零开始。
解法是在自己机器上搭一套本地上下文系统，只用20分钟就能搭完。
一个文件夹、两个markdown文件、一组技能，就是让Fable 5「认识你」的全部配置。
一共分四步。
第一步，建一个上下文文件夹，比如叫fable-workspace，当作它每次开工前必读的「单一事实源」。
文件夹中可以放如下内容：一页纸的业务和优先事项概要、常干活儿的操作规程、在办项目的关键信息、常引用的战略文档，再加一份决策日志。
每个文件压在一页内，内容太多反而吃掉上下文窗口。
第二步，建一个记忆文件claude-memory.md，再留一条指令：每当我聊到业务、偏好或处境的重要信息，就把要点更新进去，写短点，标上日期。
从此它自我更新，你提过一次新客户，下次会话它已经知道。
第三步，建一个指令文件claude-instructions.md，写清每次会话的行为守则：开工前先读记忆文件、给建议前先翻旧决策、拿不准就问别瞎猜、干完活主动汇报并标出需要人过目的地方。
第四步，在Claude Code里用/add指向这个文件夹，或写进CLAUDE.md。连上之后，每次会话一开场，它就已经带着你的全部背景。
这套配置还有个好处：哪天换了别的AI工具，上下文直接打包带走。
省钱方面，有一套二八打法：只把Fable 5用在那20%真正吃它长处的活上。
在Claude Code里，Fable还能自己派更省钱的子智能体去干粗活：它出方案，Sonnet、Haiku这些去执行，最后再由它回来验收。
到这一步你会发现，Boris那套「夜间AI军团」拆开无非三样：
一个会自己干活的模型、一套定义「做完」的标准、一个按时运转的循环。
模型和循环都已具备。
真正稀缺的，是那个能和模型说清「任务做完是什么样」的人。
参考资料：
https://safe.ai/blog/significant-increase-in-digital-labor-automation
https://x.com/free_ai_guides/status/2073050543027638443
https://x.com/bcherny/status/2007179861115511237