Fable 5 и Claude Tag: почему инженеры становятся проверяющими работу ИИ

Введение

Fable 5 вернулся в строй, а Claude Tag теперь подключён к Slack. Речь идёт не просто о более мощной модели или ещё одном чат-интерфейсе. Это указывает на более крупный сдвиг в программной инженерии: ИИ переходит от режима «помоги мне написать следующую строку» к режиму «вот задача, выполни её и вернись с pull request».

Это также меняет роль инженеров-людей. Когда ИИ-агенты могут работать часами или днями, вызывать инструменты, писать код, анализировать результаты и открывать PR, самым ценным человеческим навыком становится уже не только умение быстро писать код. На первый план выходит способность чётко формулировать задачу, задавать критерии приёмки, проверять результат и понимать, когда работу ИИ безопасно сливать в основную ветку.

Примечание к источнику: Эта статья представляет собой оригинальную англоязычную SEO-адаптацию материала BAAI Hub «Fable 5解禁即上岗，工程师改行当「验收员」». На странице источника указано, что статья изначально была опубликована в WeChat. Это не построчный перевод. Рекламные изображения, QR-коды и не относящаяся к теме декоративная графика были исключены. Одно встроенное изображение ближе к разделу с позднейшими комментариями не удалось надёжно получить при извлечении, поэтому оно не было вставлено.

От помощника по написанию кода к ИИ-товарищу по команде

На раннем этапе программирования с ИИ всё было просто: один человек сидел перед редактором, а модель предлагала следующую строку или помогала дописать функцию. Человек по-прежнему держал руль в руках. Он определял каждый следующий шаг, проверял каждое небольшое изменение и вручную продвигал проект вперёд.

Затем появился более параллельный рабочий процесс. Один разработчик мог одновременно держать запущенными несколько сессий Claude. Одна сессия могла писать новую функцию, другая — исправлять баг, третья — исследовать данные. Инженер уже не просто печатал. Он координировал.

Теперь Claude Tag переносит этот рабочий процесс в командное пространство. Claude может жить внутри Slack, читать общий контекст канала и быть отмеченным в задаче как полноценный участник команды. Взаимодействие становится меньше похожим на «спросить чат-бота» и больше — на «делегировать работу агенту, которого видит вся команда».

Согласно объявлению Anthropic о Claude Tag, Claude Tag запускается в Slack, где команды могут предоставить ему доступ к выбранным каналам, инструментам, данным и кодовым базам. После настройки доступа люди в канале могут упоминать @Claude и делегировать ему работу, продолжая заниматься другими приоритетными задачами.

В этом и заключается реальное отличие. Модель больше не является

это уже не просто слой автодополнения для программирования. Он становится частью совместного рабочего процесса — с задачами, инструментами, контекстом и проверкой.

У одного человека может быть целый отряд Claude

Anthropic описывает Claude Tag как развитие Claude Code. Claude Code по-прежнему остаётся инструментом для непосредственной работы с кодовой базой: чтения файлов, редактирования кода, запуска команд, исправления ошибок и внесения изменений. Claude Tag добавляет ориентированную на команду точку входа в Slack.

На практике эти три компонента работают так:

Компонент	Основная роль	Что меняется
Claude Code	Выполнение кода и работа с кодовой базой	Помогает редактировать файлы, запускать команды, тестировать изменения и вносить правки в код.
Claude Tag	Делегирование командных задач в Slack	Позволяет команде отмечать Claude в треде или канале и поручать ему работу на основе общего контекста.
Fable 5	Уровень высокомощной модели	Поддерживает более амбициозную, длительную, многоэтапную агентную работу.

Claude Code — это руки. Claude Tag — это место, где команда ставит задачи и отслеживает их выполнение. Fable 5 — это более мощный движок под капотом для крупных задач.

В собственных продуктовых материалах Anthropic говорится, что Claude Tag можно использовать для таких задач, как просмотр длинных тредов и быстрое вхождение в курс дела, извлечение числовых данных, превращение отчёта об ошибке в черновик PR, подготовка к звонкам и мониторинг каналов. Это не отдельные промпты. Это рабочие процессы, зависящие от контекста и доступа к инструментам с соответствующими правами.

Для разработчиков это означает, что один человек вскоре сможет одновременно управлять несколькими ИИ-потоками работы. Один Claude может исследовать ошибку. Другой — подготовить план миграции. Ещё один — следить за метриками или готовить отчёт. Человек никуда не исчезает, но его работа поднимается на уровень выше.

Claude Code, Claude Tag и Fable 5 выполняют разные задачи

Эти названия легко смешать, но это не одно и то же.

Claude Code — это агентный инструмент для программирования. Он предназначен для разработчиков, которые хотят, чтобы Claude понимал кодовую базу, редактировал файлы, запускал команды терминала, интегрировался с инструментами разработки и помогал выпускать рабочие изменения.

Claude Tag — это интерфейс для совместной работы. Он находится в Slack и позволяет команде назначать задачи на основе общего разговора. Вместо того чтобы открывать отдельное окно чата, участник команды может упомянуть Claude в том же треде, где уже есть сообщение об ошибке, вопрос по продукту или запрос данных.

Fable 5 — это уровень модели, созданный для более сложной долгосрочной работы. На странице Anthropic о Fable он описывается как модель для амбициозной разработки и профессиональной деятельности, включая длительные агентные сессии, крупные миграции, сложные реализации и многоэтапные задачи.

Кратко:

1. Claude Code работает с кодовой базой.
2. Claude Tag отвечает за командное делегирование и общую видимость.
3. Fable 5 повышает потолок того, за что агент способен взяться.

Вместе они превращают ИИ-кодинг из ассистента для одного пользователя в систему командного рабочего процесса.

Движок — это Fable

5

Claude Tag — это входная точка, а Claude Code — рабочая среда. Но именно модель определяет, с каким уровнем сложности агент способен справляться, прежде чем начнёт сбоить.

Fable 5 важна, потому что ориентирована на длительную, многоэтапную работу. На странице Anthropic, посвящённой Fable, модель описывается как способная работать в агентной среде, такой как Claude Code или Claude Managed Agents, в течение нескольких дней подряд, включая планирование по этапам, делегирование подагентам и проверку собственной работы.

Именно поэтому разговор смещается от коротких фрагментов кода к полноценным задачам. Более сильный агент не просто отвечает на один вопрос. Он может удерживать в памяти более крупную цель, разбивать её на этапы, проходить весь рабочий процесс и возвращать артефакты, которые человек может проверить.

Ключевая мысль статьи не в том, что инженерам следует бездумно передавать ИИ целые кодовые базы. Более полезный вывод таков: единица работы увеличивается. То, что раньше было запросом на написание функции, теперь может стать запросом на небольшой pull request, пригодный для ревью.

Агенты с длинным горизонтом задач — это системная проблема

Долгая работа агента зависит не только от модели. Она также зависит от окружающей системы: памяти, передачи задач, инструментов, разрешений, тестов, логов и контрольных точек для ревью.

В оригинальной статье в качестве примера приводится проблема «передачи смены». Если агент работает в отдельных сессиях, каждая новая сессия может терять важный контекст проекта. Модель может попытаться завершить слишком много за один проход и перегрузить своё контекстное окно, либо принять частичный прогресс за завершённую работу.

Лучший подход — это поэтапный рабочий процесс:

1. Агент инициализации настраивает окружение.
2. Создаются список задач и файл прогресса.
3. Каждый кодирующий агент берёт на себя один ограниченный фрагмент работы.
4. Прогресс фиксируется и документируется.
5. Следующий агент продолжает работу с чётко определённой точки передачи.
6. Человек проверяет результат, прежде чем принять его.

Именно поэтому агентное программирование следует рассматривать как проектирование инженерного процесса, а не просто как написание промптов. Модель важна, но именно рабочий процесс вокруг модели определяет, будет ли результат безопасным и пригодным к использованию.

Исследование METR по оценке длинных задач даёт здесь полезный контекст. METR утверждает, что способности ИИ следует измерять по длине задач, которые модели могут завершить, а не только по статическим бенчмаркам. Их исследование отслеживает, как со временем увеличивался горизонт времени, в пределах которого задачи завершались с вероятностью 50%. Это подтверждает более широкий тезис: по мере того как агенты могут справляться с более длинными задачами, человеческая проверка и проектирование задач становятся важнее.

Pull request становится новой единицей поставки

Для обычных разработчиков и команд самым безопасным началом будет не подход «отдать ИИ всё». Лучший старт — поручать ему задачи с низким риском, чётко ограниченные по объёму, которые можно протестировать и проверить.

Хорошие кандидаты включают:

• Небольшие исправления багов с чёткими шагами воспроизведения.
• Корректировки UI со скриншотами или

визуальные критерии приемки.

• Дополнения к тестам для существующего поведения.
• Обновления документации, связанные с известной функцией.
• Проверки данных, где ожидаемый формат вывода ясен.
• Рефакторинг, покрытый тестами и легко откатываемый.

Граница проходит не по тому, достаточно ли команда смела, чтобы доверять ИИ. Граница проходит по тому, может ли команда определить работу с правильной степенью детализации.

В объявлении Anthropic о Claude Tag говорится, что 65% кода продуктовой команды компании создается внутренней версией Claude Tag. Это не означает, что 65% pull request’ов полностью автономны или что люди больше не проверяют код. Это означает, что код, сгенерированный ИИ, стал важной частью процесса разработки внутри этого рабочего процесса.

Ключевая идея в том, что pull request становится практической единицей делегирования. Человеку не нужно проверять каждое нажатие клавиши. Вместо этого человек просматривает PR, проверяет тесты, подтверждает соответствие требованиям и решает, следует ли объединять изменение.

Новый порог — это не промптинг

Когда инструменты ИИ для программирования в основном работали через промпты, преимущество было у тех, кто умел лучше формулировать запросы. Промптинг по-прежнему важен, но это уже не вся игра.

Когда ИИ может выполнять многодневные задачи и открывать pull request’ы, человеческое преимущество смещается к проектированию приемки. Инженерам и продуктовым командам нужно определить, что означает «готово», еще до того, как агент начнет работу.

Практическая задача для ИИ должна включать:

1. Четкую цель: что именно нужно изменить или создать.
2. Узкие границы: какие файлы, системы или поведение нельзя затрагивать.
3. Критерии приемки: что должно быть истинным, прежде чем работа будет принята.
4. Требования к тестам: какие тесты нужно добавить или запустить.
5. Чек-лист ревью: что должен проверить человек-рецензент.
6. План отката: как отменить изменение, если оно вызовет проблемы.

Вот в чем заключается по-настоящему новый навык. Писать код становится проще. Безопасно принимать код становится сложнее.

Что это значит для инженеров

Роль инженера не исчезает. Она реорганизуется.

Будущий инженерный рабочий процесс может выглядеть так:

Старый рабочий процесс	Новый рабочий процесс с ИИ-агентом
Писать код самостоятельно	Определять задачу и стандарт приемки
Просить ИИ написать функцию	Просить ИИ подготовить PR, пригодный для ревью
Вручную переключаться между инструментами	Позволить агенту использовать одобренные инструменты
Сразу проверять каждую сгенерированную строку	Проверять итоговый diff, тесты, логи и поведение
Одна задача за раз	Несколько потоков работы ИИ параллельно

Самым сильным инженерам по-прежнему понадобится техническое суждение. Фактически, суждение становится

более важной, потому что объём результатов увеличивается. Больше кода, сгенерированного ИИ, означает больше решений при ревью, больше контроля рисков и большую потребность в сильных инженерных стандартах.

Именно поэтому роль «ревьюера работы ИИ» не является менее статусной. Она ближе к роли технического лида: определять, какая работа должна быть выполнена, устанавливать стандарты качества и не допускать попадания неудачных изменений в продакшен.

Часто задаваемые вопросы

Что такое Claude Tag?

Claude Tag — это командный ИИ-агент Anthropic для Slack. Команды могут упоминать @Claude в канале или треде Slack и назначать задачи на основе общего контекста, если администраторы настроили доступ и разрешения.

Чем Claude Tag отличается от Claude Code?

Claude Code ориентирован на работу с кодовыми базами через среды разработчика, такие как терминал, IDE, браузер, десктоп и Slack. Claude Tag предназначен для командной работы в Slack, где Claude можно назначать задачи на основе общих обсуждений и получать отчёты о прогрессе в треде.

Для чего используется Fable 5?

Fable 5 — это высокопроизводительная модель Anthropic для амбициозного программирования, длительной агентной работы и сложных профессиональных задач. Здесь она важна потому, что более мощные модели, способные работать на длинном горизонте, делают более практичным выполнение агентами многоэтапных рабочих процессов.

Claude Tag автоматически пишет pull request’ы?

Claude Tag может помочь превратить отчёт об ошибке или задачу в черновик PR, если у него есть доступ к нужным инструментам, например к подключённому репозиторию. Однако человек-ревьюер всё равно должен проверить изменения, убедиться, что тесты пройдены, и решить, следует ли выполнять merge.

Готово ли ИИ-программирование к работе в продакшене?

ИИ-программирование может быть полезным в продакшен-процессах, когда задачи ограничены по объёму, протестированы и проходят ревью. Рискованно передавать ИИ крупные, расплывчатые изменения без критериев приёмки, тестового покрытия, контроля разрешений и плана отката.

Какие навыки становятся важнее по мере того, как ИИ-агенты пишут больше кода?

Более важными становятся постановка задач, проектирование систем, тестирование, ревью кода, оценка безопасности и принятие продуктовых решений. Инженерам нужно уметь задавать границы и проверять, корректна ли работа, сгенерированная ИИ.

Стоит ли командам начинать с передачи ИИ-агентам крупных миграций?

Большинству команд следует начинать с более небольших и менее рискованных задач. Крупные миграции могут быть возможны при продвинутой настройке агентов, но для этого нужны хорошее тестовое покрытие, поэтапная передача работы, чёткое распределение ответственности и тщательное человеческое ревью.

Связанные инструменты

• Claude Tag: интерфейс Claude для Slack, предназначенный для назначения задач в общих командных каналах.
• Документация Claude Tag: официальная документация по настройке, использованию, безопасности и доступу, управляемому администраторами.
• Claude Code: агентный инструмент Anthropic для программирования, который читает кодовые базы, редактирует файлы, выполняет команды и помогает выпускать изменения.
• Claude Fable: страница модели Fable от Anthropic, включая доступность, сценарии использования, меры защиты и бенчмарки.
• Slack: платформа для совместной работы, где Claude Tag изначально доступен.
• GitHub: распространённая платформа для работы с репозиториями и pull request’ами, используемая в

Разработка с использованием ИИ.

• Временные горизонты METR: исследовательский ресурс, отслеживающий временные горизонты выполнения задач ИИ.

Связанные ссылки

• Оригинальная статья на BAAI Hub: китайская исходная статья, на основе которой подготовлена эта английская адаптация.
• Представляем Claude Tag: официальное объявление Anthropic о Claude Tag.
• Работа с Claude Tag: официальная документация, объясняющая, как работает Claude Tag и как команды могут его использовать.
• Страница продукта Claude Code: официальный обзор Claude Code и его процесса разработки.
• Страница модели Claude Fable: официальная информация о модели Claude Fable 5.
• Повторное развертывание Fable 5: обновление Anthropic о доступности Fable 5 и мерах безопасности.
• Измерение способности ИИ выполнять длительные задачи: исследовательская публикация METR об измерении выполнения ИИ задач с длинным горизонтом.
• Временные горизонты выполнения задач передовыми моделями ИИ: обновлённая страница METR с измерениями временных горизонтов для передовых моделей.

Краткое резюме

Claude Tag и Fable 5 ясно показывают направление развития программной инженерии с использованием ИИ. ИИ больше не ограничивается написанием одной строки кода или ответом на короткий запрос. Он движется к совместным рабочим процессам в командах, длительным задачам и поставке результатов на уровне PR.

Это не исключает инженеров из процесса. Это меняет то, где инженерные навыки становятся наиболее важными. Роль человека смещается в сторону формулирования задач, определения критериев приёмки, тестирования, ревью и принятия решений о слиянии.

Следующий важный инженерный навык — это не просто умение писать более качественные промпты. Это умение определять, проверять и безопасно принимать работу, созданную ИИ.