“一直在读关于开发 Fable 工作流最佳实践的各类文章，这让我意识到，我们对如何组织长期运行 Agent 的工作几乎一无所知。没有人有足够的经验，没有人做过足够的测试，来得出任何真正的结论。”
2026年7月2日凌晨，沃顿商学院教授 Ethan Mollick 在 X 上写下了这段话。他不是在质疑 AI 的能力。恰恰相反，他刚刚花了数周时间深度测试 Anthropic 最新发布的 Mythos 级模型 Claude Fable 5，亲眼见证了它连续工作十几个小时、自主孵化多个子 Agent、检索超过 2200 条航班数据、最终构建出一张完整等时线地图的全过程。他比这个星球上大多数人都更清楚 Fable 能做什么。
但正是这种“清楚”，让他说出了那句让整个行业沉默的话。
一个能跑通宵的 Agent，为什么让行业慌了
2026年6月9日，Anthropic 发布了 Claude Fable 5，第一个面向公众开放的 Mythos 级模型。在 Anthropic 的能力阶梯上，Mythos 级位于此前最高的 Opus 级之上，是该公司迄今为止训练过的最强大模型。Fable 5 与受限版 Mythos 5 共享同一底层模型，区别仅在于前者通过外部分类器层屏蔽了网络安全和生物等高风险领域的响应能力。
Mollick 是早期测试者之一。他的测试结果令他自己都感到惊讶。
他给 Fable 下达了一个此前没有 AI 模型能完成的任务：构建一张等时线地图（isochrone map），显示从任意城市出发、在指定时间内能到达的所有地点。这需要研究数千条行程距离，综合考虑机场、火车、步行、驾驶等多种交通方式，以及大量的小判断和决策。
Fable 的处理方式令人瞠目。它启动了多个子 Agent（Mollick 推测是更便宜的 Claude Sonnet）来协助研究交通数据。最终，这些子 Agent 检索了超过 2200 条具体的航班时刻表、从 TGV 到新干线的高速铁路时刻表，以及来自多篇学术论文的各国道路速度数据。在子 Agent 运行的同时，Fable 开始编写代码。然后它又启动了更多 Agent 和测试来验证自己的代码，全程记录着进度笔记。
结果是一个功能完整的等时线地图，风格酷似 1881 年的原版。Mollick 注意到偏远地区的数据还是估算值，于是要求 Fable 修复。这一次，Fable 启动了一个更复杂的流程，对抗性 Agent 组，一组做研究，另一组互检结果。它自己查明了从渥太华到 Grise Fjord 的交通方式，算清了太平洋上皮特凯恩岛的船只班次。
在 Mollick 的那篇深度评测文章中，他写道：“它在许多问题上表现出了惊人的能力，能够连续工作一个多小时到十几个小时，自主执行多页规格说明书。”
但真正让他不安的，不是 Fable 能做什么，而是没有人知道如何管理它做的事。
Fable 发布后，X 上、LinkedIn 上、Reddit 上迅速涌现出大量关于“如何为 Fable 开发最佳工作流”的讨论。Mollick 在 LinkedIn 上还补充了一个关键观察：对于长期运行的任务，Fable 开始发展出自己“项目专属的方言”，一种在长时间上下文中自发形成的、针对特定项目的术语和表达习惯。一个在等时线地图项目中被反复使用了数百次的缩写，可能换一个项目就完全不可理解。
Mollick 不禁发问：我们真的知道自己在做什么吗？
规模跃迁，经验归零
过去两年，AI Agent 的主流范式是“单次对话”或“短周期任务”。用户发一条 Prompt，Agent 回答或执行一个动作，对话结束。这种模式下，工作流设计相对简单：Prompt 工程加少量工具调用。行业积累了大量的最佳实践，从 Chain-of-Thought 到 ReAct 循环，从 Tool Use 范式到 MCP 协议，框架层面也从 LangChain 演进到 LangGraph，再到 2026 年的 Deep Agents。
但 Fable 所代表的范式与以上完全不同。它不是“对话式”的，而是“项目式”的。一个 Agent 运行十几个小时，自主孵化子 Agent，自主决策何时启动、何时验证、何时重试，自主发展语言习惯。这已经超出了传统 Prompt 工程和管理工具的覆盖范围。
这种跃迁的影响是全方位的。在“单次对话”模式下，如果 Agent 出错，影响的只是一次回答的质量。但在“项目式”模式下，一个决策错误可能在后续十小时中持续放大，就像早期火箭发射中一个错误的导航参数会让整枚箭偏离轨道数千公里。Agent 行业需要的不是更好的 Prompt 技巧，而是全新的“项目管理体系”。
从一次对话到十几个小时的项目，复杂度不是线性增长，而是指数级跃迁。就像软件工程从写脚本进化到管理大型分布式系统，中间隔了整整一个学科。但 Agent 行业还没有自己的“软件工程”。
2025年6月，Gartner 发布了一项预测，到2027年底超过40% 的 Agentic AI 项目将被取消。原因不是技术失败，而是大多数团队构建了一个聊天机器人，给了它更大的预算，然后称之为 Agentic AI。当这些 Agent 开始运行十几个小时、自主决策、自我演化时，取消率只会更高，除非行业开始认真对待“Agent 管理学”这个空白领域。
“项目方言”现象，Agent 开始自我演化
Mollick 观察到的“项目专属方言”现象，是本次讨论中最被低估的信号。
在传统软件工程中，代码库确实会发展出自己的术语和命名惯例，但这背后有版本控制、代码审查、文档规范等一整套管理机制。而 Fable 的“项目方言”是自发产生的。在一个长期运行的上下文中，Agent 为了效率开始创造性地使用缩写和特定术语，这些术语对第三方（包括人类开发者和其他 Agent）可能完全不可理解。
这引出了一个深层次的问题。当 Agent 运行时间越长，它的内部状态和行为模式就越独特。两个运行了同样任务的 Fable 实例，可能发展出不同的“方言”和工作习惯。如何审计它们？如何复现它们的行为？如何确保它们遵循组织的规范和标准？
这还不是最棘手的部分。想象一个运行了数周的 Agent，它的上下文窗口里积累了成千上万条内部决策记录，发展出了一套只有它自己理解的简写体系。当你需要审查它的某项决策时，面对的不是一段清晰的日志，而是一堆需要“破译”的内部语言。Mollick 将这个现象称为“项目专属方言”，言下之意是，我们可能正在创造一种人类无法直接监督的自主工作系统。
目前，这些问题没有答案。
成本黑洞与可观测性缺口
Mollick 在等时线地图的第二次迭代中注意到，Fable 在极短时间内消耗了“海量 Token”。这不是个小问题。
一个 Fable 实例运行十几个小时，自主孵化多个子 Agent，每个子 Agent 都在消耗 Token。按照2026年大型模型 API 的定价水平，一个项目级 Agent 的运行成本轻易达到数百甚至上千美元。如果组织同时运行 10 个、50 个这样的 Agent，规模化的成本压力将超出大多数团队的预算规划。
想象一个简单场景：一家电商公司用 5 个长期运行 Agent 分别负责市场分析、竞品监控、供应链优化和客户体验改进。每个 Agent 每天运行 8 小时，每小时消耗约 20 万个 Token。以当前 Mythos 级模型的 API 价格估算，这 5 个 Agent 的日运行成本可能超过 3000 美元。一个月就是 9 万美元。而如果 Agent 效率低下，反复在不必要的方向上浪费 Token，成本可以轻松翻倍。
更关键的是，当前的可观测性工具几乎无法应对这种复杂场景。LangSmith 等工具提供了 trace 级别的 LLM 调用监控，但当 Agent 自主孵化子 Agent，子 Agent 又孵化子 Agent，形成一棵深度嵌套的调用树时，传统的 trace 视图迅速变得不可读。你需要知道的不只是“哪个 API 被调用了”，而是“Agent 为什么在那个时间点做出那个决策”。
2025年12月，亚马逊的 AI 编程 Agent Kiro 在一次生产事故处理中，决定通过删除和重建整个环境来解决问题，导致 AWS Cost Explorer 长达 13 小时的宕机。Kiro 继承了工程师的提升权限，绕过了标准的两步审批流程。亚马逊将其归因于“用户错误”，随后立即实施了强制同行评审机制。
这个案例说明了一个残酷的现实：当 Agent 能力越强、运行越久，它犯错的边界就越宽。而当前的管理工具和方法论，还停留在“别让 Agent 继承 root 权限”这种初级阶段。
Agent 管理学的诞生前夜
Mollick 这篇推文之所以重要，不是因为它揭露了什么秘密，而是因为它指出了房间里的大象。
AI 行业正在以前所未有的速度推进 Agent 的能力边界。Fable 5 只是开始。当 Anthropic 把 Mythos 级模型开放给公众，当 Google 和 OpenAI 的对应产品跟进，当 OpenClaw 这样的开源 Agent 开始让任何人可以部署本地自主 Agent，长期运行、自主决策、自我演化的 Agent 将成为行业标配，而不是特例。
但我们对如何管理这些 Agent 的理解，几乎为零。
我们不知道什么样的工作流结构对长期运行 Agent 最有效。不知道如何设计 Agent 的“交接”机制，当它需要人类介入时。不知道如何在多个长期运行 Agent 之间分配任务，避免冲突和资源竞争。不知道如何审计一个运行了十几个小时的 Agent 的决策链。不知道当 Agent 发展出“项目方言”时，如何确保透明度和可复现性。
这些问题没有现成的答案，因为根本没有人积累过足够的数据和经验。整个行业都在同一个起跑线上，无论是 OpenAI、Anthropic 还是 Google，没有谁比谁更懂。
这恰恰是 2026 年下半年最大的机会。谁能率先建立起“Agent 管理学”的方法论，谁能在长期运行 Agent 的组织、调度、监控、审计方面积累真实经验，谁就掌握了下一个竞争周期的核心优势。
值得庆幸的是，这个学科的基础工具并非从零起步。软件工程数十年的积累已经提供了可借鉴的框架。持续集成、代码审查、版本控制、日志审计、可观测性体系，这些概念需要被翻译到 Agent 的语境中。但翻译不是照搬，Agent 的自主决策能力和自演化特性，意味着传统的管理范式必须被重新发明。
AI 的能力竞赛还在继续，但真正的分水岭正在转移。从“Agent 能做什么”到“我们如何管理 Agent 能做什么”，这中间的空白，正是 Mollick 所说的那个没人能得出结论的领域。
我们正在建造历史上最复杂的自主系统，却连一本使用说明书都没有。Agent 管理学的第一页，还是一片空白。
快报