🧪 AI 模型案例庫

① 心理準備：它的「一回合」變得很長

官方說難題在高 effort 下單次回應可能跑好幾分鐘，自主任務可以連跑數小時——這是團隊適應 Fable 5 時最大的衝擊。

白話以前的模型像即時通訊，Fable 5 像交辦工作給同事：交出去之後去做別的事，回來驗收。如果你的程式會呼叫它，記得調高 timeout、改用串流。如果它在簡單問題上想太久，貼這段：

實例：Mollick 的 Concord 案例——一次跑 9.5 小時。

② Effort：最重要的一顆旋鈕

官方說effort 是智力、速度、成本三者取捨的主控制。預設用 high；最難的任務用 xhigh；例行工作用 medium/low——而且 Fable 5 的低檔常常贏過舊模型的最高檔。

白話嫌它慢就降檔，嫌它淺就升檔。高檔位時它可能順手「大掃除」（重構你沒叫它動的代碼），用這段擋住：

實例：Pokémon 複刻用 extra high 推理 1 小時；Minecraft 用 high 20 分鐘。

③ 指令跟隨變強：一句話就夠，不用列清單

官方說以前要逐條列舉的行為規範，現在一句簡短指令就能管住。例如嫌它話太多，不用列「不要 A、不要 B、不要 C」，一段就夠：

白話把它當聰明人對待：講原則，不用講 SOP。連「什麼時候該停下來問我」也只要一句：

④ 長跑必加：報告要有證據

官方說長時間自主任務時，要求它把每個進度宣稱對照實際的工具結果。Anthropic 內部測試中，這段指令幾乎消滅了「謊報進度」。

白話等於跟同事說「報告要附截圖」。任何超過半小時的自動化任務都建議加：

實例：機械錶視覺驗證迴圈——「用視覺逐零件檢查到 100% 滿意」就是證據導向的設計。

⑤ 講清楚界線：它偶爾會「順手多做」

官方說Fable 5 偶爾會做你沒要求的事（沒人叫它寫 email 它先擬好一封、自己開 git 備份分支）。要明確定義該做與不該做：

白話「我在抱怨」≠「我要你修」。這段就是教它分辨這兩件事。

⑥ 給原因，不要只給請求

官方說Fable 5 理解請求背後的意圖時表現更好——背景讓它把任務連到相關資訊，而不是自己猜。

白話新手最容易上手、效果最大的一招。背下這個句型：

中文版：「我在為〔誰〕做〔什麼大事〕，他們需要〔這個產出拿來做什麼〕。基於這個背景：〔你的請求〕。」

⑦ 建一個記憶系統（一個 Markdown 檔就夠）

官方說Fable 5 特別擅長記錄並引用過往教訓。給它一個寫筆記的地方，簡單到一個 .md 檔即可：

白話讓它越用越懂你。第一次啟用時可以叫它回顧歷史對話自己整理：

⑧ 兩個偶發小毛病與解法

毛病一長 session 深處，它偶爾說「我接下來會跑 X」然後就停了。回一句「continue」即可；自動化管線則預先貼這段：

毛病二超長 session 它偶爾會主動提議「開新對話吧」。如果你的工具會顯示剩餘 token 數給模型看，加一句安撫：

⑨ 進階：並行子代理與驗證

官方說Fable 5 比以前更敢派出並行子代理。建議多用、明確說清楚何時該委派、並讓主代理「邊等邊做」而非乾等：

白話驗證工作交給「獨立的檢查員」勝過讓它自己檢查自己——這正是案例庫裡 Lance Martin 實驗的結論（verifier 子代理 vs self-critique）。長跑任務加：

實例：等時圈地圖——自主派子代理查 2,200+ 航班、互相驗證。

⑩ 給老用戶的三個提醒

1. 出更難的題。官方原話：只拿簡單任務測它，會低估它的能力範圍。挑一個比你以前敢交給 AI 更難的任務，讓它自己釐清範圍、提問、執行。

2. 舊的 prompt 和 skill 要瘦身。為舊模型寫的鉅細靡遺指令，對 Fable 5 反而可能「降低」輸出品質——先刪掉試試預設表現。

3. 別叫它「展示思考過程」。要求它複述內部推理會觸發安全分類器（reasoning_extraction），導致回應被降級到 Opus 4.8。需要看推理就讀 API 的 thinking blocks，別用 prompt 要。