Fable 5 cyber safeguards 完整版 + loop engineering 取代 prompt:AI 治理与 Agent 工业化双轨同步进入下半场

本期数据是 7-3 早报深度页的增量信号,核心结论不变——Fable 5 重启版在 BridgeBench / APEX-SWE 等硬基准上确实有可复现的回归,但仍领先 Opus 4.8 约 9-10 个百分点。@mercor_ai 的 APEX-SWE 数据与 7-3 @bridgemindai 的 BridgeBench 数据(86.2 → 25.9 Debugging 跌幅)形成跨基准印证:Fable 5 重启版的「性能下降」不是单基准现象,是跨基准一致信号。LMArena 5 赛道投票「前后基本一致」则说明在盲评场景下,Fable 5 的实际用户体验并未出现硬基准那么剧烈的退化——这是好消息,意味着「硬基准雪崩」与「真实用户体验」的差距比想象中大,Anthropic 的「可生产版本」定位有一定依据。Peter Gostev 的 60+ 3D 生成测试(YouTube)则是「极端任务场景」的补充:在小游戏 / 世界构建 / 3D 生成等长链路任务上,Fable 5 是否同样稳健还需要进一步数据。这组数据的真正含义是:Fable 5 重启版在「硬基准 - 盲评用户体验 - 极端任务」三个层级呈现差异化的能力损失——硬基准最严重(护栏过激主导)、盲评中等(用户感知温和)、极端任务待观察——这种「分层退化」对开发者的实际选型有指导意义:简单任务可选 Sonnet 5,中等任务仍可用 Fable 5,极端任务暂等数据。

这条单源披露值得严肃对待,因为它指向 AI 行业一个被低估的趋势:头部 AI 实验室把「企业知识」作为一等公民管理,而不是依赖 Notion / Confluence / Slack 这种通用 SaaS。Anthropic 选择 Obsidian + 复杂知识图谱的组合有几个关键考量:① Obsidian 是本地优先的文件型知识库,与 git 版本控制天然兼容,适合「agent 写、agent 维护、agent 参考」(呼应 LangChain OpenWiki 思路);② 知识图谱(节点+链接)比线性文档更适合表达概念之间的关联,符合 LLM 的检索习惯;③ 模块化(Marginalia Collection / Glossary Backbone / Comparative Grammar MOC 等)让不同类型的知识有不同维护节奏,与 loop engineering 的 Memory Update Loop 范式一致。这条信号与 LangChain OpenWiki(agent-only 文档)+ Anthropic 内部 Fable 5 Prompt 模板(5 段结构)共同指向同一方向:Agent 时代的知识管理基础设施正在快速成型——「agent 友好的知识库」将成为头部 AI 公司的标配,中型公司则需要依赖 OpenWiki 类开源工具追赶。唯一 caveat 是单源(CryptoTied 单条 X),需要更多 Anthropic 员工或前员工的二次确认,但鉴于 Anthropic 已经在多个公开信号(Redwood Research、Constitutional AI 论文等)展示对「知识管理」的严肃态度,这条披露的可信度尚可。

这五个项目的共同主题是「Agent 能力边界扩展」,分布在三个维度:① 自我学习(self-learning-skills)——让 agent 沉淀经验,呼应 loop engineering 的 Memory Update Loop 范式;② 多模态感知(sim-use / claude-real-video)——让 agent「看见」屏幕和视频,把 agent 的交互场景从文本扩展到 GUI / 视频 / 数字人;③ 数字人与视频生产(Fundamental-Ava / video-production-skills)——把 agent 的生产能力从代码扩展到「视频内容生产」这一具体商业场景。值得注意的是,所有五个项目都是「Agent 工具层」而非「模型层」,且都选择开源——这与 LangChain OpenWiki、Anthropic Fable 5 内部知识图谱共同印证:Agent 工业化时代,「模型 + 工具 + 知识」三层基础设施正在同步成型。sim-use 与 claude-real-video 一起,把 agent 的「眼睛」从 GUI 自动化(如 Anthropic Computer Use)扩展到视频理解,这是 agent 多模态能力的下一波增长点。self-learning-skills 的 789★ 是当日最高,说明「让 agent 从经验中学习」是开发者社区最迫切的需求——呼应 trq212 unknown unknowns 方法论(让 Claude 找你的 unknown unknowns)+ SkillCoach 学术方向(self-evolving rubrics)。

今日研究层呈现三个交叉应证的方向:① Agent 安全:Distributed Attacks in Persistent-State AI Control 与 Anthropic Fable 5 cyber safeguards 同期出现,说明「持续态 AI 控制」是 AI 安全的新前沿——传统 LLM 安全关注单次 prompt-response,但 agent 时代的「持续态 AI」(长时间运行、跨 session 维护状态)引入了全新攻击面;② Agent 评测:SkillCoach(self-evolving rubrics)+ EvoPolicyGym(策略自主进化评测)+ AgenticSTS(有界记忆测试床)+ AgenticDataBench(数据智能体基准)四篇同期出现,说明「Agent 评测」正从单点基准向多维评测矩阵演化,呼应开发者社区的 skill eval 瓶颈讨论;③ 范式突破:Program-as-Weights 提出「程序即权重」的新范式,如果可复现,将挑战传统「权重 = 训练后参数」的基础假设——可能催生可解释性 / 可验证性 / 可组合性更强的神经网络架构。WorldDirector 把「持久动态记忆」引入世界模拟器,与 Anthropic Fable 5 内部 Obsidian 知识图谱 + LangChain OpenWiki 的「agent 持久记忆」方向形成学术与工业的共振。

Skill eval 瓶颈是 Agent 工业化时代的「最后一公里」难题。一个完整 skill 包含三个环节:① 编写(知道要写什么 skill)② 蒸馏(把模糊的人类知识变成结构化指令)③ 评测(知道这个 skill 在不同场景下的成功率)。过去 6 个月,GitHub 上 agent skill 仓库数量爆发(self-learning-skills 789★ / video-production-skills 500★ / Pluviobyte 等),skill 编写环节已基本解决;skill 蒸馏环节靠 trq212 unknown unknowns + Boris Cherny loop engineering 方法论也在快速推进。但 skill 评测环节始终缺位——给一个 skill 写 eval 远比写 skill 本身难,原因有三:① skill 的成功标准因场景而异(同一 skill 在代码生成 vs 文档生成场景下成功标准完全不同);② skill 评测需要 baseline 模型对比(而 baseline 模型本身在快速迭代);③ skill 评测的成本极高(需要大规模 human annotation 或 sandbox 环境)。SkillCoach 论文提出 self-evolving rubrics 是学术方向,mattpocockuk + steipete 的实践吐槽是工业痛点,LangChain OpenWiki + self-learning-skills 等开源项目也在反向推动 skill 评测基础设施成型。预计未来 6-12 个月,「skill 评测基准」会成为 Agent 工程化的下一个竞争点——谁先解决「我的 skill 在什么场景下可靠」的问题,谁就能在 agent 工业化时代占据基础设施位置。

Co-design(协同设计)是 AI for Science 的下一个前沿——传统 AI for Science 多关注「给定结构预测性质」或「给定性质生成结构」的单向任务,co-design 把这两个方向融合,让结构与性质同时优化。COrigami 选择蛋白质作为首个应用领域,这是 DeepMind 在 AlphaFold 系列之后的下一个生物学方向——AlphaFold 解决了「蛋白质结构预测」,COrigami 解决「蛋白质结构-功能协同设计」,等于把 AI 在生物学的能力从「理解」推进到「设计」。这一方向如果成熟,将直接影响:① 制药行业(蛋白质药物 / 酶设计 / 抗体筛选);② 合成生物学(代谢通路设计 / 生物制造);③ 材料科学(蛋白质基材料 / 自组装结构)。需要注意 caveat:目前信息仅来自 GoogleDeepMind 单条转推,原帖截断,论文细节(arXiv ID、baseline 对比、应用案例)均待补全,本条作为「方向性信号」记录而非完整研究报道。

豆包 GEO skill 开源是 GEO(Generative Engine Optimization,生成式引擎优化)赛道基础设施层的关键进展。GEO 是 2026 年新兴的 SEO 变体——传统 SEO 优化搜索结果排名,GEO 优化生成式 AI 回答中的内容引用。豆包(字节跳动旗下 AI 助手)是国内 GEO 的关键战场之一,豆包 GEO skill 的开源等于把「如何系统性采集豆包 AI 回答」这一关键能力沉淀为可复用工具。该 skill 的三个亮点:① 双端采集(网页 + 手机 App)避免了单端偏差,学术严谨性高;② 手机端全字段记录(截图 + XML + 引用卡片 + 引用次数)让证据可复核,符合学术研究规范;③ 明确边界(不绕登录 / 不绕验证码 / 不抓隐藏接口)避免合规风险,定位为「低频研究 / 教学 / 可复核证据采集」而非商业爬虫。这是国内 AI 工具层少有的「研究友好 + 合规友好」开源案例,值得其他 GEO 工具(Perplexity GEO / Kimi GEO / 文心一言 GEO 等)跟进。预计未来 12 个月,GEO 工具层会出现「合规版 vs 灰产版」的明确分化,合规版成为学术与品牌方研究 AI 品牌可见度的标配。

这是 PM 视角对 AI Agent UI 范式的早期洞察,信号意义大于方案成熟度。三栏布局(右侧 AI + 中间内容 + 左侧菜单)正在成为 AI Agent 类产品的默认布局范式——Notion AI、Linear AI、Coda AI、Arc Browser AI 等都在往这个方向走。但这一布局有几个未解决的设计难题:① 拖拽 / 隐藏的分栏交互细节很难用自然语言描述,一次性 prompt 难以覆盖;② 三栏在不同屏幕尺寸下的响应式适配;③ AI Agent 与主体内容的视觉层级冲突;④ 用户在不同任务下对「AI 可见性」的需求不同(简单任务希望 AI 收起,复杂任务希望 AI 展开)。@vista8 提出的解法是「把设计规范做成模型可读参考材料」,呼应 LangChain OpenWiki 的「not for humans, for agents」思路——设计规范也需要「agent 友好版本」,让 AI 在生成 UI 时有结构化参考而非依赖自然语言理解。这与 loop engineering 的 Memory Update Loop 范式也是一致的:设计规范不再是静态文档,而是动态可被 agent 检索的参考。预计未来 6-12 个月,「agent 友好设计规范」(machine-readable design system)会成为设计工具(Figma / Framer / v0 等)的下一个竞争点——谁能提供「agent 可读 + 人类可读」双版本设计规范,谁就能在 AI 辅助设计赛道占据基础设施位置。