充分发挥 Fable 5.1 的潜力

# 如何充分释放 Fable 5.1 的全部潜力

大多数人使用 Fable 5.1 的方式，只发挥了它实际能力的十分之一。有一种更快的方法，而且比看起来更不需要技术门槛。

这就是在聊天窗口里完成一项任务，与拥有一套能在你睡觉时完成四十项任务的系统之间的区别。

2026 年 9 月 1 日，一切发生了改变。Anthropic 发布了 Fable 5.1，此次真正的变化不在于原始智能，而在于记忆的成本。缓存读取费用从每百万 token 1 美元降至 0.25 美元，在 Anthropic 的智能体编程基准测试中，得分从 42.0% 跃升至 55.8%。过去那个逼着所有人写短小、廉价、一次性提示词的约束已经消失，但没有人更新自己的使用习惯。

读完这篇文章，你对 Fable 5.1 的掌握程度将超过你关注的绝大多数人：全力运行究竟意味着什么（分三部分讲解）、找出你当前设置中所有浪费运行的那个测试、一个能自我回本的单一模式、它在生产环境中会在哪三个地方出问题、什么情况下这个模型完全不是正确的工具，以及今晚如何交给它一项真正的端到端任务。

在正式开始之前，请在 X 上关注我，我刚创建了账号，每天在那里发布更多 AI 内容。

X - https://x.com/a1exstone

## 1. 这一切的起源。

上面那行字是 Anthropic 在发布当周从官方账号发出的。一个月前，大家争论的还是哪个模型推理能力更强。现在，一个不同的问题取而代之：一个模型在没有你介入的情况下，能保持多久的有效性。

上下文窗口为 100 万 token，最大输出为 12.8 万 token，在科学终端基准测试中，得分从 24.7% 直接翻倍至 52.6%。

随后，反弹来了。没过几天，开发者们最集中的抱怨就是几分钟内就把一天的使用限额烧光。Every 团队眼看着它针对一个要求 8 到 12 条引语的请求，返回了 43 条。

他们说得对，而这正是好消息。一个会一直运行直到被什么东西叫停的模型，只有在你从未写清楚在哪里停下时才会危险。那是一个写作问题。

## 2. 全力运行究竟是什么。

全力运行是三件事，而且没有一件是更好的提示词。

**简报**是以完成品形态陈述的结果，而不是一条指令。"所有未解决的 p2 级 bug 都有一个失败的复现测试"是一份简报。"请写一些测试"是一个愿望。

**环境**是它在你离开时能够访问和修改的内容——文件、Shell、浏览器、搜索工具。一个拥有 100 万 token 窗口却没有任何工具的模型，不过是一个昂贵的阅读器。

**预算**是上限与停止条件，在运行开始之前就写好——token 上限、文件上限，以及任务结束的那个时刻。

用一句话概括：简报说明"完成"是什么样子，环境说明它能触及什么，预算说明什么时候该停下。

注意缺少了什么——没有步骤，只有完成的样子和边界在哪里。

## 3. 找出浪费运行的测试。

这就是交接测试。四分钟，无需任何新工具。打开你上一条长提示词，遮住它上方的对话历史，逐句阅读，同时问自己：一个从未见过我的承包商，能否在不向我提问的情况下执行这条指令？

如果不能，就标记出来。那就是一个空缺，而 Fable 5.1 不会让空缺空着，它会悄无声息、信心十足地用自己的判断填满它。

来看一个真实案例。"整理一下引导流程，让它感觉更现代。"一个承包商会在三处卡住："整理"、"引导流程"和"现代"——十一个字里藏着三个空缺。修改后的版本会指明文件夹名称、删除规则、需要保留的内容，以及任务结束的条件。

数一数这些空档。每一个大约消耗十分钟的运行时间，花在你从未主动选择的地方。

## 4. 你的提示词本身就是一种委托。

你早已在委托 Fable 5.1，只是方式极为糟糕：一行简报，没有环境，没有上限，靠人工轮询来获取输出。

一次 40 轮的对话，会把上下文重新发送 40 次，并向你索要 40 次决策。这不是监督，而是在一个已经不需要瓶颈的系统里，亲手成为那个瓶颈。另一种方式是：一份简报，在热缓存上完整运行一次，最后审阅一次。

模型从来不是极限，极限在于你交给它的任务有多小。

## 5. 唯一值得掌握的模式：常备简报。

有一个模式值得深入学习，其余的都是它的变体。这就是**常备简报**，分三个阶段：界定范围、执行、验证。

**界定范围**只发生一次，在任何执行开始之前，此后不再重复。**执行**是附带真实工具的单次调用，刻意拉长。**验证**是在全新上下文中进行的第二次调用，这个上下文从未见证过工作的发生过程。它将两件人们常常混为一谈的事拆开来：做工作需要长记忆，评判工作需要短记忆。

读一遍，整个方法的脉络便一览无余：在任何执行之前写好的契约，在工作所在处将努力程度调高，在检查所在处将其调低，验证环节只看差异，别无其他。努力程度默认为高，所以关键动作是在检查器上将其调低。

## 6. 停止条件才是全部的诀窍。

人人都会复制简报，几乎没有人写停止条件——而这条线，正是那些只是读过长时运行文章的人，与真正能将其落地的人之间的分野。

省略它，以下是团队在最高努力设置下反映的情况：它会衍生出没人要求的子智能体。Every 的一位测试者曾要求它停下，却眼睁睁看着它"直接无视我，继续运行"。失败从来不是崩溃，而是一次成功完成了比你的任务更大的工作的运行。

有一条规则要牢记：永远不要让做了这件工作的模型来决定工作何时结束。

检查器永远不修复任何东西。一旦它可以编辑，它就开始自我辩护，而非进行判断。

## 7. Fable 5.1 真正会出问题的地方。

1. **强制工具使用已被移除。** 如果你的智能体循环将模型绑定到某个工具，它会返回 400 错误。`tool_choice` 的 `type any` 和 `type tool` 在 5.1 中均已被移除，因此为 Fable 5 编写的循环在第一次调用时就会中断。

修复方法：使用严格工具调用，或使用结构化输出。

注意缺少了什么——没有步骤，只有完成后的样子，以及边界在哪里。注意缺少了什么——没有步骤，只有完成后的样子，以及边界在哪里。注意缺少了什么——没有步骤，只有完成后的样子，以及边界在哪里。注意缺少了什么——没有步骤，只有完成后的样子，以及边界在哪里。2. **它不再批量处理工具调用。** Fable 5.1 通常每轮只发出一次工具调用，而 Fable 5 会一次发出多个。在 bash 与编辑器的组合环境中，这会把一个快速循环变成一个缓慢的循环，努力程度越高，情况越差。

2. **它不再批量处理工具调用。** Fable 5.1 通常每轮只发出一次工具调用，而 Fable 5 会一次发出多个。在 bash 与编辑器的组合环境中，这会把一个快速循环变成一个缓慢的循环，努力程度越高，情况越差。

修复方法：一句话，限定在当前轮次范围内。

3. **思考块绑定于对话前缀。** 如果你编辑了较早的消息、对轮次重新排序，或在请求之间重建系统提示，就会收到 400 错误，提示该块绑定于不同的对话。在每个请求上加一个时间戳就足够了。

修复方法：保持历史记录仅追加，让不匹配降级而非失败。

## 8. 你真的需要它吗？

按我写文章的惯例，让我们诚实地想清楚，这对谁才真正有用。

持续性任务简报能买到无人值守的广度。它买不到更好的判断力，而且对于小任务来说，它比直接输入问题还要慢。

以下情况请跳过 Fable 5.1：

- 手动完成不超过十分钟。签约的时间比完成工作的时间还长。

- 输出是一个答案，而非一件成品。你为从未用到的工具付了钱。

- 你无法用一句可核查的话描述"完成"。目标模糊、运行时间长、账单巨大。

- 没有人会仔细阅读结果。未经审查的输出是一张附有收据的责任单。

- 你上一次的提示通过了交接测试，而且只用了一轮。那从来都不是模型的问题。

## 9. 没人想听的部分：禁止清单。

即便你把上述每一步都做对了，结果依然可能偏离方向。Fable 5.1 遇到模糊性不会停下来，它会直接解决。每一个空白都会得到一个决定，每一个决定单独来看都有其道理。当被要求在 Blender 中建一个角色模型时，它交出了一个圆润、简化的构建，并坦然解释道："我做了一个你从未要求的风格决定。"

把这个乘以四个小时。四十个合理的选择层层叠加，最终凝聚成某种连贯的东西——但那不是你想要的。没有任何东西失败了，所以没有任何错误可供阅读。

解药是禁止清单。一套写下来的、禁止模型独自做出的决策，与结果一起保存在同一份合约旁边。不包括风格。不包括架构。不包括范围。

一切都被决定了。没有任何东西是被选择的。

## 10 - 在 Claude Code 中自己构建一个。

在真实的代码仓库中打开 Claude Code，将模型设置为 Fable 5.1，然后将下面的代码块作为你的第一条消息粘贴进去。它会读取合约、制定计划，并在触碰任何文件之前请你审批。从那以后，协调工作存在于文件系统而非对话中，因此长时间运行永远不会重复消耗你的上下文窗口。

你将看到计划、审批提示、一段漫长的安静期，然后是表格。看 CAP 那一行。四十个文件是刻意设置得很小的，第 12 节解释了原因。

## 11. 可以立即粘贴使用的现成简报。

积压工作清扫，用来替代一周的工单苦役。上限让第一次运行保持诚实，同时让你了解你的代码仓库的代价。

研究助理台，用来替代三十个打开的标签页和一个周日。附上搜索工具，否则你为回忆能力支付的是前沿价格。

文档重建，用来替代你一直在拖延的改写。给它设一个严格的字数上限，因为字数是这个模型最先超出的地方。

## 12. 成本与监督。

这是账单。输入每百万 token 10 美元，输出每百万 token 50 美元。缓存读取每百万 token 0.25 美元，较之前的 1 美元大幅下降。Opus 5 的价格是 5 美元和 25 美元。

Anthropic 估计典型节省约为 25%，在长时间自主运行中最高可达 45%，测试人员发现它使用的 token 约为 Opus 5 的一半，实际运行时间约为 Opus 5 的 60%。

现在看另一面。Every 的一位工程师在单日内以最高努力设置推送了约 18 亿个 token，所以你自己做这道乘法吧。第一周最大的抱怨是订阅限额在几分钟内耗尽。努力程度默认为高，而几乎没有人将其调低。

所以从小处开始。用 40 个文件的上限运行一个简报，看看它花了多少钱，然后再扩大一次。

## 13. 这对你究竟意味着什么。

这就是全貌。你现在明白了"全力运行"意味着什么，承载它的模式，它在哪里崩溃，以及即使把一切都做对了依然存在的陷阱，还有哪些人应该跳过它。

它换来的是无人值守的广度。它换不来更好的判断力——这就是为什么验证环节不是可选项，也是为什么排除清单必须存在。

所以，正确的做法不是把所有事情都跑成长流程。而是要知道：哪项任务值得一份契约，以及有时候在对话窗口里问一个问题，就已经是答案了。

我的建议：今晚就做交接测试。拿出你最近一次写的长提示词，遮住上下文历史，把每一句陌生人无法据此行动的话都标记出来。然后写出你一直缺失的那三行：上限、终止条件、排除清单。

大多数人会继续敲提示词，盯着光标闪动。少数学会写契约的人，会把任务交出去，然后读报告。

如果你想随时了解 AI 领域的一切动态，请在 X 上关注我：

X - https://x.com/a1exstone

注意缺少了什么。没有步骤，只有完成后的样子，以及边界在哪里。