Devin 的夜班人生：Cognition 如何讓 Claude Fable 5 連續 8 小時自主寫程式

想像一個場景：你下班關上筆電，但你的程式碼還在繼續被撰寫、除錯、甚至部署到生產環境。隔天早上你打開 Slack，看到一段訊息：「昨晚發現一個記憶體洩漏，已經修好了，測試全部通過。」

這不是科幻小說，這是 Cognition 在 2026 年 7 月 10 日公開的真實案例。

Anthropic 的最新部落格系列《Working at the frontier》發表了與 Cognition 團隊的深度訪談，揭露這家打造 Devin（自主 AI 軟體工程師）的公司，如何利用 Claude Fable 5 讓 AI Agent 從「做幾分鐘就得人類接手」進化到「連續幹 8 小時夜班沒人管」。

從 10% 到 30%：這個數字改變了一切

要理解這個突破，先來看 Cognition 內部一個叫做 Frontier Code 的評測基準。

這個基準專門測試 AI 能否在「符合生產級代碼庫標準」的前提下，解決極困難的程式設計任務。Cognition 的模型訓練與評估負責人 Silas Alberti 透露了一個驚人的數據對比：

Fable 5 在最困難的「鑽石級」子集上直接翻倍，從 13.4% 躍升到 29.3%。但 Alberti 說，真正讓他興奮的不是這個數字。

「我們不相信任何評估基準（We trust no eval）。」 — Silas Alberti, Cognition

真正的考驗只有一個：Devin 在真實世界能不能真的通宵工作？

自主時間跨度（Autonomy Horizon）的質變

在 Fable 5 之前，AI Agent 有一個共同的致命弱點：自主持續時間太短。

Cursor 團隊的 Michael Truell（CursorBench 創建者）也證實了這個質變：

「Fable 5 開闢了以前完全無法企及的長週期問題解決能力。它是 CursorBench 上最先進的模型。」

它是怎麼做到的？三個技術關鍵

1. 不變量宣告（State its Invariants）

這是最關鍵的能力：Fable 5 在執行任何修改程式碼的操作之前，會主動聲明並確認系統的「不變量」。

什麼意思？想像一位外科醫生在動刀前，先確認病人的心跳、血壓、氧氣濃度都在安全範圍內，才開始手術。Fable 5 在做的是同一件事——在改程式之前，先確認系統的「不可違反規則」，然後才動手。

這大幅降低了長週期工作時最可怕的問題：累積誤差導致的系統崩潰（slop）。就像堆積木，每一步都確認底座穩固，就不會在堆到第 100 層時突然垮掉。

2. 內部除錯工具的自主使用

Fable 5 不是只會寫程式碼——它還會主動呼叫 Cognition 的內部除錯工具來診斷問題。

這就像一個工程師不僅會寫程式，還知道公司內部監控系統怎麼用、日誌怎麼看、效能瓶頸怎麼抓。Fable 5 把這些工具串起來，形成一條完整的「發現問題 → 診斷問題 → 修復問題」自主鏈。

3. 主動 Slack 與生產環境監控

這是最讓工程團隊興奮的一點：Devin 現在會自己看 Slack 頻道和生產環境監控。

想像一下：

凌晨 2:47 — 某服務的錯誤率突然上升
Devin 在 Slack 的 #alerts 頻道看到通知
→ 自動拉取最近的錯誤日誌
→ 比對程式碼變更歷史
→ 定位到某個 PR 引入的迴歸錯誤
→ 撰寫修復程式碼
→ 執行測試確認全部通過
→ 在 Slack 回報：「已修復，原因：XXX，測試 ✅」
→ 繼續回到原本的工作任務

全程無人介入。

Cognition 預測，在未來一到兩年內，這種能自主運作數小時、主動監控生產環境的模式，將會應用在 90% 以上的工作會話中。

這代表什麼？AI Agent 從工具變成同事

這篇文章的意義，遠不止「某個模型又進步了」。它標誌著一個更深層的轉變：

之前的 AI Agent

• 只能處理短週期任務（幾分鐘到一小時）
• 需要人類密切監督
• 適合「輔助工具」角色

現在的 AI Agent（Fable 5 時代）

• 能處理長週期任務（8 小時以上）
• 幾乎不需要人類介入
• 開始勝任「夜班同事」角色

對於軟體開發團隊來說，這意味著：

• Bug 修復速度：客戶回報的問題，可能在半夜就已經被修好
• 開發者體驗：工程師不用再被中斷打斷，可以專注於真正需要創造力的工作
• 部署頻率：夜間自動化 CI/CD + 自主修復，讓部署週期從天縮短到小時

「沒有評估基準是可信的」

回到 Alberti 那句話：「We trust no eval。」

這背後是 Cognition 務實到近乎偏執的工程文化。他們不在乎模型在排行榜上多高，只在乎一件事：Devin 在真實世界能不能真的派上用場？

Fable 5 在 Frontier Code 上的 29.3% 確實亮眼，但真正讓 Cognition 團隊信服的，是 Devin 真的能夠在完全無人看管的情況下，連續 8 小時產出有實際價值的成果。

「你不需要相信任何基準測試。你只需要第二天早上起來，看到 Slack 上 Devin 留的訊息——昨晚修了什麼、改了什麼、測試結果如何——然後點頭說『嗯，這幹得不錯。』」

這也許是 AI Agent 領域最重要的一堂課：真正的進步，不是發生在排行榜上，而是發生在深夜的生產環境裡。

參考來源：Anthropic Blog — “Working at the frontier: How Cognition trusts Claude Fable 5 to work through the night” (July 10, 2026)