前沿实践：乐天如何借助 Claude Fable 5 快速构建 Agent
发布日期： 2026年7月20日
分类： Enterprise AI
来源： https://claude.com/blog/working-at-the-frontier-rakuten
乐天（Rakuten）Business AI 总经理 Yusuke Kaji 的工作，是“找到具有变革性的创新种子，并把它们扩展到整个公司”。
Claude 正是其中一颗种子。
自 2025 年 3 月以来，乐天一直使用 Claude 和 Claude Code 加快软件开发，在各业务职能中部署 Agent，并为数百万客户提供 AI 功能。Kaji 表示，乐天选择与 Anthropic 合作，原因在于其企业导向、领导力和产品品味。
在接近十次模型发布中，他看到能交给 Agent 的工作不断扩大：先是用 Claude Code 交付生产软件，再为全公司的团队构建定制 Claude Managed Agents。他把试用新模型比作开启一段“新任务”。
他补充说：“优秀领导者会为员工设置有挑战性的目标，我们也会为新的 Claude 设置有挑战性的任务。也许 Claude 同样在促使我们突破。”
当他测试 Claude Fable 5 时，他立刻感到不同：该模型能自主运行得比前代久得多，而且第一次能在 Kaji 入睡后自行检查工作、连夜完成需要细致判断的任务。
这种额外的自主性，使乐天能够把更大、运行时间更长的工作交给 Agent，并改变整个组织的工作方式。
构建 AI 原生劳动力
乐天正在围绕 AI 重塑自身。这项名为 AI-nization 的公司级计划，意在把 AI 融入其为客户、业务合作伙伴和员工所做的一切。当 Claude Managed Agents 出现后，乐天在一周内便在产品、销售、营销、财务各环节部署 Agent，并接入 Slack、Microsoft Teams 和公司的任务系统。
对 Kaji 团队而言，构建 Agent 的约束过去是“谁会写代码”，现在则是“谁真正理解业务问题”。
他说：“现代公司被设计成尽量降低沟通成本。我相信，当我们借助 Claude Code 这类 Agent 降低创新成本，例如缩短从想法到生产的转换时间，它们会发挥巨大作用。给有能力的人配备能够保存上下文和品味的 Agent，就能释放原本隐藏的人才，并把其潜力放大 100 倍。”
但在所有职能中全天候运行 Agent，又暴露出新的约束：人类判断力。尽管乐天的 Agent 在各领域关闭 issue 的速度约快 10 倍，组织承担的任务数仍不断上升。增加 Agent 不会增加判断力；Agent 越快，组织进展就越依赖人来闭合最后的回路。
为无人值守数小时的 Agent 提供能力
对多数构建者来说，长时运行 Agent 最难之处，是让它在极少监督下仍然成功。接入正确工具和上下文是一回事，但按 Kaji 的经验，Agent 不让人进入闭环验证其工作时，总有一个运行时长上限。
在 Claude Fable 5 之前，让 Agent 无人监督地执行数小时任务始终是一场赌博。Kaji 说：“如果它在第一步选对路径，一切都好；但若第一轮走错方向，Agent 会花大量时间纠正路径，甚至到不了目的地。”对于要运行五小时或一整天的工作，一个早期错误假设可能耗尽整次运行；唯一能发现它的方法，就是有人中途检查。
失效模式在于缺少自我验证。任何模型都可能走错第一步；早期模型的问题是行进中不检查自己的工作，早期偏差不会被发现，会在持续运行中叠加，数小时后才产出次优结果。
据 Kaji 观察，Claude Fable 5 改变了持续数日的 Agentic 运行的成本收益关系，因为它会在执行过程中自行检查工作，频率远高于此前模型。
Kaji 说：“我们测试了 Fable，很喜欢它的自我反思和自我验证能力。相较之前的模型，在我凌晨两三点指出问题之前，它已经知道自己的错误，所以我可以睡觉。”
Claude Fable 5 的不同之处
Kaji 团队列出三个把 Claude Fable 5 与前代区分开、也标志前沿智能出现跃迁的行为：
- 重新检查自己的假设。 任务状态在中途变化时，Fable 5 会在行动前发现并改正错误假设，而不是沿错误路径前进数小时后才发现问题。
- 每一步都回到第一性原理。 它无需提示便会根据原始意图再次验证，完成过去 Kaji 必须亲自进行的路线修正。
- 符合团队的品味。 即使只获得极少指导，它对模糊选择的判断也与团队一致。Kaji 把这称为“taste alignment（品味对齐）”：与其所在公司此前的任何模型、以及他们用过的其他模型相比，Fable 的品味对齐更顺畅。
最重要的是，更长的自主运行时间改变了 Kaji 可以委派的工作单位。
他说：“在 Fable 之前，我们不得不把工作拆成定义清晰的块交给 Agent。现在我可以直接交付完整任务，并同时运行多个。”
Claude Fable 5 改变的是任务中间发生的过程：它在每一步反思，发现早期错误假设，并自行回到第一性原理，在没有人引导的情况下重新找到通向正确结果的路线。由于模型能在运行中自我纠偏，sign-off 第一次变得可行；Kaji 委派的单位也由“任务”转向“决策”。这些 Agent 还保留跨运行记忆：“具备 memory 的 Agent 会记得过去 session 中哪里出错，从而避免重犯。”
结果是，绝对任务量持续攀升，但真正需要人工的任务仍保持在可集中处理的水平。Kaji 认为，最大的生产率提升正是不必在运行中介入和引导，这让团队可把时间花在只有人应该作出的决策上，使 AI 原生组织不会因人工纠偏而停滞。
平衡成本与效率
前沿能力也有前沿价格。Kaji 直言，成本决定其能部署多广。
他说：“作为大型企业，我们希望平衡智能和成本。”团队同时衡量任务完成率与单任务成本，把额外能力真正会改变结果的工作交给 Fable 5，其余则保留给更小模型。
对 Kaji 来说，有两点使 Fable 5 的账算得过来：它以更少 Token 和更少错误转向完成更多工作，而且需要的人工带领更少。
下一步
Kaji 现在探索的前沿已不是个人速度，而是让 Agent 协调人。Claude Code 已加快他和同事的工作，但任何组织最难的部分，仍是人之间的协同，即把一个人的上下文与品味同另一个人的环境与品味相匹配。他正在探索“更像管理者一样协调或组织”的 Agent，以保留团队成员间通常会丢失的细微信息。
“我们不把 AI Agent 看作未来同事或竞争者，它们是我们周围的系统。”他也遵循 Anthropic 的建议：应为三个月或六个月后到来的模型构建，而非只为眼前模型构建。
他说：“我认为整个社会还没有找到 Claude Fable 5 的 model-task fit，但它已经显得像一个跨过界线、来到我们世界的模型。”
开始使用 Claude Fable 5。