A Multi-Model Workflow: Fable 5 for Planning and Review, Codex for Execution

但評估這顆模型的成本，關鍵不是「每個 Token 多少錢」，而是「解決一個大魔王任務的總成本（cost per solved task）」。用它來回一封信絕對是虧本生意，但用它來改寫系統架構、跑一次性的大型分析任務，反而可能比找一整個團隊做上兩個月更划算。這也是為什麼許多團隊會把 Fable 5 定位成「公用帳號限定跑最關鍵任務」的稀缺資源，而不是日常隨手用的工具。 ## 用 Fable 5 的核心心法：別讓它寫「答案」，讓它寫「生產答案的機器」 如果只是拿 Fable 5 去寫單篇文案、摘要一次會議紀錄、寫簡單的 CRUD 程式碼，就像是開法拉利去買菜；用小模型就能做得又快又好。 Fable 5 真正該被呼叫的時刻，是那些需要跨系統、跨資料、跨時間維度整合，且產出後能被長期複用的任務。換句話說：不是讓它幫你寫一份報告，而是讓它幫你搭一套「未來能持續產生報告的系統」。 ## 兩種產出，兩種驗證方式：代碼類 vs 策略類 不過「跨部門提案」裡列出的任務，其實可以分成兩種完全不同的東西；而這兩種東西該怎麼驗證、要不要先做 MVP，答案並不一樣。 ### 第一種：本身就是可執行的軟體或代碼 像後端的任務調度引擎、前端的微前端架構、自動化底層代碼⋯⋯這類產出本來就是 MVP，不存在「文件太難懂看不懂」的問題，因為跑得動就是跑得動，有沒有 Race Condition 一測就知道。這幾類任務可以放心讓 Fable 5 直接產出可執行的東西。 ### 第二種：純策略或知識型文件 像業務攻防、銷售策略、管理層的資源優化模型、CS 的 SOP 劇本、行銷的 ABM 框架，這類任務要特別小心兩個風險： #### 風險一：無從驗證 [...] #### 風險一：無從驗證 代碼寫壞了會 ERROR ，文件寫壞了不會，一直到有人試著照做才會發現行不通；但那時候往往已經沒人記得要去執行了。不知道你有沒有聽過「顧問報告詛咒」，產出越完整、越像論文，團隊反而越不會去用它，因為沒人有時間先讀懂一份幾十頁的框架才能開始做事。 #### 風險二：過度規劃 官方的 Prompting Guide 也點出這件事：面對複雜任務，它很容易列出一堆不會被採用的選項、把根因分析寫得落落長。如果不特別要求「直接給結論、只列可執行動作」，它很可能真的寫出一份漂亮但沒人看得完的「聖經」。 #

延伸閱讀：Fable收費前最值得衝的5件事！最狠的一招，能產出價值2,000美元的顧問等級文件！ #### 六、子代理、memory、harness 怎麼搭？讓 Fable 5 能重複完成複雜任務 官方點名的其中一項進步，是 Fable 5 比前代更會主動派出併發子代理協作。要把這件事做好，官方的實務建議是：把互相獨立的子任務派出去、自己繼續做別的，子代理走偏或缺 context 時再介入；優先用非同步溝通，不要卡著等它回覆；讓子代理活得久一點，跨子任務保留 context，靠快取讀取省成本，也避免被最慢的那個子代理拖住。對應的提示詞是： "Delegate independent subtasks to subagents and keep working while they run. Intervene if a subagent goes off track or is missing relevant context." 白話翻譯：把互不相依的子任務派給子代理，派出去後自己繼續做別的，等它跑偏或缺資訊再介入。 記憶則要修正一個常見誤解：Fable 5 不會自動、也不會永久記住你跨對話說過的話。要讓它累積知識，你得主動給它一個可寫入的記憶檔案，或使用官方支援的 memory tool（記憶工具），並確保之後的 session 讀得到這份紀錄。官方對記憶檔案的寫法建議是： [...] 先照它的行為特性調 effort 與提示詞，再用獨立的驗證子代理把關品質，最後把可重複使用的判斷寫進記憶檔；這三件事做好，Fable 5 的能力才真正用得出來。 延伸閱讀：ChatGPT記憶功能怎麼用？3步驟設定教學、免費付費差異、隱私管理一次看 資料來源：Anthropic 官方提示工程指南：Prompting Claude Fable 5、Anthropic 官方發布公告：Introducing Claude Fable 5 and Claude Mythos 5、Anthropic 官方復原公告：Redeploying Fable 5、Anthropic 定價、Claude 說明中心：Fable 5 促銷存取 本文初稿為AI編撰，整理．編輯/ 李先泰 延伸閱讀 矽島下的設備股十年大運！AI資本支出明年上看1兆美元，台廠檢測、封裝冒出頭 國泰內控爭議一

## 3. 大改动先从规划模式开始 对大型编码任务，Fable 往往应该从只读模式起步。 Claude Code 的文档建议在大改动前用 `/plan`，并指出 `/model` 和 `/effort` 让你调整在任务里投入多少推理。在交付之前，Claude Code 提供 `/diff`、`/code-review`、`/review` 和 `/security-review` 这些工作流。 一条强力的 Fable 提示长这样： ``` /model claude-fable-5 /effort high /plan Goal: Design the safest implementation plan for [feature/refactor/migration]. Constraints: - Do not edit files yet. - First map the affected files and dependencies. - Identify assumptions and unknowns. - Propose the smallest safe change. - Separate implementation steps from verification steps. - Tell me which parts should be delegated to a cheaper model. ``` 这做了三件事。 第一，它给了 Fable 那种适合它的高层次推理任务。 第二，它减少了意外的过度编辑。 第三，它产出一份干净的计划，即便 Fable 之后回退，另一个模型也能拿去执行。 ## 4. 默认用 `high` 力度，而不是永远拉满 Fable 有一个力度旋钮，用好它很关键。 [...] 这个转变很关键。 Anthropic 自己的 Fable 提示指南说，Fable 在复杂、含糊、长时间运行的工作上最强：那种可能要一个人花上数小时、数天、数周的工作。它特别点名了更强的长程自主性、代码评审、受限网络安全类别之外的调试、代码仓历史搜索、含糊处理，以及子 agent 委派。 所以问题不是：“Fable 能写代码吗？” 真正的问题是：“Fable 该在我的编码工作流里坐在哪个位置，我才能拿到最大价值又不老是撞上回退

session 的信」交接。 誠實條款：標註 harness 的極限。拆解、驗證、多樣本評審補得了執行品質；模糊題與品味判斷補不了，要寫明遇到時怎麼辦（升級模型、外部第二意見、或明說做不到）。不確定的事就查，查不到就標註，不要編造。 [...] > 延伸閱讀：Fable收費前最值得衝的5件事！最狠的一招，能產出價值2,000美元的顧問等級文件！ ## 六、子代理、memory、harness 怎麼搭？讓 Fable 5 能重複完成複雜任務 官方點名的其中一項進步，是 Fable 5 比前代更會主動派出併發子代理協作。要把這件事做好，官方的實務建議是：把互相獨立的子任務派出去、自己繼續做別的，子代理走偏或缺 context 時再介入；優先用非同步溝通，不要卡著等它回覆；讓子代理活得久一點，跨子任務保留 context，靠快取讀取省成本，也避免被最慢的那個子代理拖住。對應的提示詞是： > "Delegate independent subtasks to subagents and keep working while they run. Intervene if a subagent goes off track or is missing relevant context." 白話翻譯：把互不相依的子任務派給子代理，派出去後自己繼續做別的，等它跑偏或缺資訊再介入。 記憶則要修正一個常見誤解：Fable 5 不會自動、也不會永久記住你跨對話說過的話。要讓它累積知識，你得主動給它一個可寫入的記憶檔案，或使用官方支援的 memory tool（記憶工具），並確保之後的 session 讀得到這份紀錄。官方對記憶檔案的寫法建議是： [...] 這是我這輩子唯一一次使用 Fable 5 的機會。這個 session 結束後，我的環境將由後續可用的其他模型（Sonnet、Opus、Haiku 等）長期運作。所以你的任務只有一個：把你的判斷力轉成可長期沿用的制度與檔案，讓之後每一個由這些模型運作的 session 都因此變強。用這個 session 立制度，不要拿去執行日常任務。 作業規則（先讀完再動手）： 1. 自主作業。環境能查的自己查（CLAUDE.md、可用 subagent、模型與 effort 參數、MCP、skill、記憶機制）。開場最多問我一批問題，五題

那 Fable 5 呢？它发布当天就进了兼容表，但只占了对角线上的一格：executor 是 Fable 5 时，advisor 才能是 Fable 5，用途是在执行中途要一个不带工具、通读全场的第二意见。你真正想要的那个组合，Sonnet 或 Haiku 干活、Fable 5 当顾问，还没有开放。不过跨档配对有先例可循：Opus 4.8 在 5 月发布后，很快就出现在了便宜模型的 advisor 选项里。更重要的是，Fable 5 恰好是为顾问位置而生的定价。每百万输出 token $50，端到端跑 agent 很难算得过账；但顾问角色一次只产出几百个 token 的建议，贵的单价乘以小的用量，恰好是这种定价下唯一舒服的用法。在那个组合开放之前，订阅用户手里还有一张免费票：6 月 22 日之前 Claude Code 里可以直接用 Fable 5，这两周是测它上限的窗口期。长期想在 agent 里留住这个等级的智能而不被账单劝退，advisor 模式就是那个结构。 ## Caveats [...] ## Caveats 四件事说在前面。第一，Claude Code 的集成目前问题最多。advisor 子推理的 token 会被重复计入主上下文，这个 issue 挂了五个星期没修；CLI 拒绝 Haiku 做 executor，和 API 文档矛盾；经过 LiteLLM proxy 时会断。想认真评估这个 feature，走 API 直连。第二，平台范围有限。只有 Claude API 和 Claude Platform on AWS 可用，AWS Bedrock、Vertex AI、Microsoft Foundry 都不支持。第三，它有明确的不适用区。单轮问答没有东西可规划；产品如果让用户自己挑模型，再叠一层 advisor 只会把成本模型搞乱；每一步都真正需要 frontier 能力的任务，直接上 Opus。第四，advisor 自己的 prompt caching 是单独的开关，社区实测的经验法则是每个对话三次以上 advisor 调用才回本：长循环开，短任务关。 ## 没人鼓掌，但都在接入 发布当天，官方博客在 Hacker News 上拿到 6 个赞和 1 条评论。同一周内，LiteLLM 和 Vercel AI SDK 完成适配，OpenCod

Fable 5 最大的浪费方式，就是拿它做普通聊天。 比如让它改一句文案、翻译一小段文本、写几个标题。能做，但没必要。 它真正适合的是这些任务： 复杂代码库理解 长文档深度分析 多工具 Agent 长周期自主执行 企业知识库检索与决策 跨文档、跨系统、跨步骤的工作流 一句话：越是需要连续工作、反复判断、保留上下文、调用工具的任务，越适合 Fable 5。 如果你的任务只需要“答一句”，Fable 5 的价值未必能体现出来。 如果你的任务需要“自己拆解、自己查证、自己执行、自己复盘”，Fable 5 才开始进入它的主场。 ## 五、高级用法二：effort 分层，不要所有任务都开最高 很多人拿到新模型后的第一反应是：既然最强，那我所有任务都开最高档。 这其实很浪费。 Fable 5 的价格不低，输入和输出成本都明显高于普通模型。如果所有请求都用 high 或 xhigh，账单会很快上来，而且延迟也会变长。 更合理的做法是把任务分层。 普通任务，比如摘要、改写、提取字段，用 low 或 medium。 需要判断的任务，比如代码审查、产品方案、竞品分析，用 high。 真正高价值的任务，比如核心架构迁移、重大风险分析、复杂 Agent 执行，再用 xhigh。 这和雇人很像。 你不会让一个高级架构师每天只帮你改错别字。 Fable 5 也一样。 它应该被放在最需要判断力的地方。 ## 六、高级用法三：100 万上下文不是垃圾桶 Fable 5 有 100 万 token 上下文，但这不代表你应该把所有东西都塞进去。 大上下文很容易给人一种错觉： 既然窗口够大，那就全塞。 但真实情况是，上下文越长，噪音也越多。模型并不是因为你给得多，就一定理解得更好。很多时候，信息过载反而会让模型注意力分散。 [...] 所以 Fable 5 的关键不是“长上下文”，而是“上下文工程”。 你要设计： 哪些信息放最前面。 哪些信息必须保留。 哪些信息可以压缩。 哪些工具结果需要删除。 哪些历史对话只保留结论。 哪些文档需要先做结构化摘要，再进入主任务。 真正高级的用法，不是“塞满 100 万 token”，而是让模型每一次看到的上下文都干净、稳定、可追踪。 这就是为什么 Fable 5 很适合和 RAG、索引系统、知识库、MCP 工具、代码