進化点・トークン節約術・プロンプト・ハーネス・Skills構築術
2026年9月1日、Anthropicは「Claude Fable 5.1」を公開しました。この記事を書いている2026年9月2日時点では、まだリリース翌日です。そのため、SNS上の体感レビューよりも、Anthropicの公式資料、APIドキュメント、Claude Codeの最新仕様を中心に整理します。
先に結論を言うと、Fable 5.1は「普通の質問に少し賢く答えるモデル」ではありません。
本質は、数時間から数日にわたる仕事を任せても、目的を見失いにくく、問題の表面ではなく根本原因まで掘り下げ、自分の成果物を検証しながら最後まで進められることです。
ただし、料金はOpus 5の2倍、Sonnet 5の5倍です。しかも思考を完全にオフにできません。何でもFable 5.1に投げる使い方では、能力を活かす前に利用枠や予算を消費します。
Fable 5.1を使いこなす鍵は、優れたプロンプトを書くことだけではありません。
どの仕事だけをFableに担当させるか、どの情報を読み込ませるか、どの工程を安いモデルやスクリプトに逃がすかまで設計することです。
前半：Claude Fable 5.1完全解説
1．Claude Fable 5.1とは何か
Claude Fable 5.1は、Anthropicが一般公開しているモデルの中で、最も能力が高い位置づけのモデルです。
Fable 5.1と、招待制のClaude Mythos 5.1は、基本的には同じモデルです。違いは主に安全対策です。一般公開されるFableには、サイバーセキュリティ、生命科学、化学などの高リスク領域を検知する強い分類器が入っています。一方、Mythosは審査済み組織が防御目的の研究などに利用するモデルです。(Anthropic
主な仕様は次のとおりです。
項目Claude Fable 5.1公開日2026年9月1日APIモデルIDclaude-fable-5-1コンテキスト100万トークン最大出力12万8,000トークン標準入力料金100万トークンあたり10ドル標準出力料金100万トークンあたり50ドルキャッシュ読み取り100万トークンあたり0.25ドル思考方式Adaptive Thinking、常時オン標準efforthigh知識・学習データ期限2026年6月相対的な速度Opus 5より遅い主な提供先Claude API、Bedrock、Google Cloud、Microsoft Foundryなど
個人向けClaudeではPro、Max、Team、Enterpriseユーザーが利用対象です。APIでは一般の顧客が利用でき、特別な審査は不要です。(Claude Platform
100万トークンのコンテキストは、単純計算では書籍数冊から十数冊、巨大なコードベース、長期間の会話履歴を一度に扱える規模です。
ただし「100万トークンまで入る」と「100万トークン入れたほうがよい」は別です。
関係の薄いファイル、古い会話、長大なログを詰め込むほど、重要な情報が埋もれます。Fable 5.1は巨大な文脈を扱えますが、不要な文脈まで自動的に無害化してくれるわけではありません。
2．Fable 5.1の進化は「長く働けること」
Fable 5.1の最も大きな進化は、単発の正答率ではなく、長時間のエージェント作業で整合性を維持できることです。
一般的なAIエージェントは、作業が長くなるほど次のような問題を起こします。
最初に決めた目的を忘れる。
応急処置だけを行い、原因を調べない。
同じファイルやWebページを何度も読む。
途中で勝手に仕事を縮小する。
「次はテストします」と宣言して、そのまま終了する。
大量の修正を行ったのに、最後の動作確認をしない。
Fable 5.1は、こうした長時間作業での崩れを重点的に改善しています。公式説明でも、数時間から複数日に及ぶコーディング、ブラウザ操作、調査、文書・スプレッドシート・スライド作成を主要用途に挙げています。失敗した手順から復旧し、優先順位を組み替え、自分の作業記録を保ちながら進める設計です。(Anthropic
初期利用企業からは、次のような事例が報告されています。
MongoDBでは、サービスのコードと文書を調査して新しい設計を作り、数時間の自律実行を重ねながら約3日で複雑な試作品を完成させたとされています。Rampでは、機械学習の問題について38時間連続で動作し、過去の結果に含まれていたラベル上の問題を発見し、修正後に6つの実験を並列実行しました。(Anthropic
さらにMillenniumの事例では、約100万回に1回しか起きないクラッシュについて、外部ライブラリを逆アセンブルし、コアダンプと突き合わせ、数年間見つからなかった原因に到達したと報告されています。これは公式ページに掲載された顧客事例であり、独立機関が再現した結果ではありませんが、Fable 5.1が狙っている方向性をよく表しています。(Anthropic
つまり、Fable 5.1は「コードをたくさん書くAI」というより、次のような役割に向いています。
難しい問題を切り分け、必要な情報を集め、複数の手段を試し、証拠を確認し、最後に成果物としてまとめる責任者です。
3．ベンチマークでは何が伸びたのか
Anthropicが公開した主要スコアでは、Fable 5.1は長期エージェント、科学調査、業務自動化で大きく伸びています。
科学系のターミナル作業を測るTerminal-Bench-Science 0.1では、Fable 5の24.7％から52.6％に上昇しました。一般的なエージェントコーディングを測るTerminal-Bench 4.0では、Fable 5の42.0％に対して55.8％です。安全制限の異なるMythos 5.1では60.9％でした。
業務自動化を測るAutomationBenchでは、Fable 5の17.1％から31.4％に上昇しています。CursorBench 3.2では、Fable 5の70.5％、Opus 5の70.0％に対し、Fable 5.1は73.4％でした。
また、複数分野の高度な推論を測るHumanity’s Last Examでは、ツールなしで60.9％、ツールありで65.0％です。(Anthropic
ただし、数字の読み方には注意が必要です。
これらはAnthropicが公開した評価結果です。さらにFableには本番用の安全分類器が有効化されており、分類器が介入した問題ではゼロ点になったり、別モデルに処理が移ったりしています。そのため、FableとMythosの差が、純粋なモデル能力差ではなく安全設定の差を含む場合があります。(Anthropic
また、公開翌日の段階で重要なのは、ベンチマーク1位かどうかよりも、自分の実務での「タスク完了率」です。
たとえば記事制作なら、文章評価だけでは不十分です。
事実を一次情報まで確認できたか。
指定文字数を守ったか。
重複や矛盾を除去したか。
引用と要約を区別したか。
タイトルから結論まで一貫しているか。
こうした実務評価を用意しなければ、高価なFableを使っても、単に長く考えただけで終わります。
4．常時オンになったAdaptive Thinking
Fable 5.1ではAdaptive Thinkingが常時オンです。
従来モデルのように、思考を完全に無効化することはできません。APIでthinking: {type: "disabled"}を指定するとエラーになります。人間が固定の思考トークン数を指定する方式も使えず、モデル自身が問題に応じて思考量を調整します。(Claude Platform
利用者が調整するのは、effortです。
利用できる段階は次の5つです。
low
medium
high
xhigh
max
標準はhighです。
公式の推奨も、まずhighから始め、実際の評価結果を見ながら下げる、または上げるというものです。日常的な処理ならmediumやlow、非常に難しい設計、デバッグ、研究、長期エージェント作業だけxhighやmaxにします。
Fable 5.1はmediumでも旧Fable 5に近い性能を出すとされ、lowでも一部の仕事では小型モデルを高effortで動かすより、タスク単位の費用対効果が高くなる可能性があります。(Claude Platform
ここで重要なのが、内部思考も出力トークンとして課金され、max_tokensを消費することです。
たとえば、画面に表示される完成原稿が1万トークンでも、その前に1万トークン相当を使って考えていれば、合計2万トークン分が出力側の計算対象になります。Fableの出力単価は100万トークンあたり50ドルなので、必要以上にmaxを使うと急速に消費量が増えます。(Claude Platform
Fable 5.1は「高effortにすれば必ず得をするモデル」ではありません。
文章の整形や要約にmaxを使っても、同じ原稿を内部で一度下書きし、回答欄でもう一度書くような動きが増えるだけの場合があります。Anthropicも、長い成果物については原則highを使い、品質向上が測定できた場合だけxhigh以上に上げるよう案内しています。(Claude Platform
5．料金は高い。しかしキャッシュは極端に安い
Fable 5.1の通常料金は、入力100万トークンあたり10ドル、出力100万トークンあたり50ドルです。
Opus 5は5ドル／25ドル、Sonnet 5は2ドル／10ドルなので、単純なトークン価格ではFableはOpusの2倍、Sonnetの5倍です。(Claude Platform Docs
一方、Fable 5.1の大きな変更がキャッシュ読み取り料金です。
Fable 5では100万トークンあたり1ドルだったものが、Fable 5.1では0.25ドルになりました。通常入力価格の2.5％です。Anthropicは、典型的な処理では旧Fableより約25％、キャッシュを繰り返し読むエージェント処理では最大約45％のコスト削減になると試算しています。(Anthropic
たとえば10万トークンの固定コンテキストを毎回読み込む場合、通常入力なら1回1ドルですが、キャッシュヒットなら0.025ドルです。
つまり、同じプロジェクト説明、ツール定義、コードベースの前提、会話履歴を安定した形で繰り返し読む仕事ほど有利です。
逆に、毎回システムプロンプトを書き換える、ツール一覧を並べ替える、古い会話を削除して再構成するといった使い方では、キャッシュを壊します。
Fable 5.1では、賢いプロンプトよりも、壊れないプロンプト構造のほうが金額に直結します。
6．Fable 5.1は従来のAPIハーネスを壊す可能性がある
Fable 5やOpusからモデル名だけを変更する場合、特に注意すべき点が3つあります。
強制ツール呼び出しが使えない
tool_choiceでanyや特定のツール名を強制すると、400エラーになります。
理由は、ツール呼び出しを強制すると、モデルが通常の思考処理を飛ばし、ツール引数の中で考え始めてしまい、引数品質が落ちるためです。
代わりにtool_choice: autoを使用し、プロンプト内で「この処理には○○ツールを使用してください」と明示します。JSON形式を保証したい場合は、strict: trueまたはStructured Outputsを使用します。(Claude Platform
会話履歴を途中で書き換えてはいけない
Fable 5.1のthinking blockは、その思考が生成された時点のシステムプロンプト、ツール、過去メッセージに結びついています。
途中で古いメッセージを削除したり、システムプロンプトを再生成したり、過去のツール定義を書き換えたりすると、その後のthinking blockが無効になります。新規アカウントでは、この条件違反がエラーになる仕組みがすでに適用されています。(Claude Platform
基本原則は、履歴を編集せず、後ろに追加するだけです。
一時的な指示はturn-scoped system messageとして追加し、長くなった文脈はサーバー側のcompactionやcontext editingで整理します。
安いモデルへ戻すと内部思考を引き継げない
Fable 5.1はOpus 5、Fable 5、Sonnetなど、以前のモデルが作ったthinking blockを読み取れます。
しかし、逆方向はできません。Fable 5.1が作ったthinking blockをOpusやSonnetに渡しても、それらのモデルは読めません。(Claude Platform Docs
そのため、同一会話でモデルを切り替えるなら、原則として次の順序が安全です。
安いモデルで探索する → Fableへ昇格する
Fableから安いモデルに戻す場合は、thinking blockに依存せず、決定事項、未解決事項、必要ファイル、検証結果を明示的な引き継ぎ文書として残す必要があります。
7．安全制限とデータ保持
Fable 5.1では、サイバーセキュリティや生命科学に関する一部の依頼が安全分類器により制限されます。
通常のClaudeアプリでは、該当する処理がOpus 4.8やOpus 5へ自動的に回される場合があります。APIではfallback設定を行う必要があります。別モデルに切り替えられた処理について、Fable料金は請求されません。(Anthropic
また、Fable 5.1は原則として30日間のデータ保持が必要です。Anthropicから明示的な許可を受けている場合を除き、通常のZero Data Retention環境では利用できません。
企業の機密コード、顧客情報、未公開の研究資料を扱う場合は、「性能が高いから使う」ではなく、契約と保持条件を確認してから導入すべきです。(Claude Platform
8．結局、Fable 5.1は誰に必要なのか
Fable 5.1が必要なのは、モデルの1回の回答ではなく、仕事全体の完了率が価値になる人です。
巨大コードベースの調査と改修。
再現しにくい不具合の根本原因分析。
何十個もの資料を横断する調査。
調査からスプレッドシート、文書、スライドまで作る業務。
長時間のブラウザ操作やバックログ処理。
複数の実験を自律的に計画・実行する研究。
反対に、メール作成、短い要約、簡単なコード生成、定型的な資料整理、SNS投稿の下書きにFableを使う必要はほとんどありません。
Anthropic自身も、一般的な処理はまずOpus 5から始め、Opusを高effortで動かしても品質が足りない場合にFableへ上げることを推奨しています。(Claude Platform Docs
Fable 5.1は「最初から全員に使わせる標準モデル」ではなく、難所を突破するための上位モデルです。
後半：トークン節約術・プロンプト・ハーネス・Skills構築術
1．Fable 5.1のトークン節約術
節約術1：Fableに探索から全部やらせない
最も効果が大きい節約法は、文章を短く書くことではありません。
Fableを呼ぶ回数そのものを減らすことです。
ファイル一覧の取得、ログの絞り込み、資料の分類、単純な要約、形式変換はSonnetやHaiku、通常のスクリプトに任せます。
Fableを使うのは、次のような局面です。
- 調査方針を決める
- 複数の仮説から有力なものを選ぶ
- 矛盾する情報を統合する
- 根本原因を特定する
- 最終成果物を監査する
- 他モデルが失敗した問題を再検討する
公式ドキュメントでも、複数モデルを使い、安価なモデルを実行担当、上位モデルを助言者または統括者にする構成が案内されています。(Claude Platform Docs
節約術2：effortを工程ごとに変える
セッション全体をmaxにする必要はありません。
おすすめは次の配分です。
工程effortファイル探索・情報整理lowまたはmedium通常の実装・原稿作成mediumまたはhigh設計・原因分析・統合high難問の最終突破xhigh失敗コストが極端に高い最終検証必要な場合だけmax
Fable 5.1では、会話途中にeffortを変更する仕組みも用意されています。トップレベル設定を書き換えるのではなく、途中のsystem messageとしてeffort変更を追加すれば、プロンプトキャッシュを維持できます。(Claude Platform
「常に最大能力」ではなく、難しい一手だけ最大能力にするのが正解です。
節約術3：履歴を追記型にしてキャッシュを守る
Fable 5.1では、次の内容を固定します。
- システムプロンプト
- ツール定義と順序
- プロジェクト共通ルール
- 過去メッセージ
- thinking block
変更点はすべて後ろに追加します。
APIを自作している場合は、毎回システムプロンプトを組み立て直すのではなく、バイト単位で同じ接頭辞を維持するほうが安全です。
Claude Codeではキャッシュ処理が基本的に自動化されていますが、APIではcache_controlを使えます。複数ターンの会話なら自動キャッシュ、長い固定資料を分けたい場合は明示的なキャッシュ境界が使えます。(Claude
節約術4：ツール出力をそのまま入れない
1万行のログをClaudeに渡し、「エラーを探してください」と頼むのは無駄が大きい方法です。
先にスクリプトやHookで絞ります。
Claude Codeの公式コストガイドでも、長いログをHookで前処理し、必要な数百行だけモデルへ渡す方法が推奨されています。また、MCPサーバーを大量に接続するより、利用できる場合はgh、aws、gcloudなどのCLIを使うほうが、ツール定義によるコンテキスト消費を抑えやすいと説明されています。(Claude
AIに読ませる前に、機械で削れるものは機械で削ります。
節約術5：独立したツール呼び出しはまとめる
5つのファイルを読むときに、1ファイルずつ5ターンに分けると、そのたびに会話履歴が送られます。
Fable 5.1には、次の指示を入れておくと効果的です。
次に必要な情報を内部で整理し、互いの結果に依存しない読み取り・検索・確認は、同じターンで並列実行してください。
Anthropicも、独立したツール呼び出しを1回の応答でまとめるよう促すことで、往復回数、トークン、待ち時間を減らせると説明しています。(Claude Platform
節約術6：小さな修正でファイル全体を書き直させない
Fable 5.1は、小さな変更でもファイル全体を書き直す場合があります。
次の1文を共通ルールに入れます。
最終結果が変わらない場合は、ファイル全体を書き直さず、必要な箇所だけを最小差分で編集してください。
これは特に、長いMarkdown、JSON、設定ファイル、LP、巨大なソースコードで効きます。全文再生成を防ぐことで、出力トークンと差分確認の負担を抑えられます。(Claude Platform
節約術7：無関係な仕事を同じセッションで続けない
Claude Codeでは、無関係な仕事に移るときに/clearを使います。
長い会話では、短い質問を1つ追加しただけでも、過去の会話、読んだファイル、ツール結果を再度扱うことになります。キャッシュが効いても無料ではありません。
一時的な質問で履歴を汚したくない場合は/btw、必要な内容だけ残したい場合は/compactが使えます。コードベースの探索はsubagentへ逃がし、メイン会話には要約だけを戻します。(Claude
2．Fable 5.1用の実践プロンプト
Fable 5.1には、細かい思考手順を何十項目も指定するより、目的、範囲、完成条件、検証方法を明確に渡すほうが効果的です。
以下は、コーディング、調査、記事制作、資料作成に流用できる基本形です。
役割
あなたは、この依頼を最後まで完了させる実行責任者です。
回答だけでなく、必要な調査、作業、検証、修正まで担当してください。
目的
[最終的に作るもの、解決する問題を書く]
入力
[ファイル、URL、資料、前提条件を書く]
対象範囲
実施すること：
- [必須作業]
- [必須作業]
実施しないこと：
- [対象外]
- [勝手に変更してほしくない内容]
完成条件
次の条件をすべて満たした時点で完了です。
- [機能・内容の条件]
- [形式・文字数・品質の条件]
- [確認方法]
- [エラーがないことを示す証拠]
実行規則
- 最初に、必要な情報と依存関係を整理してください。
- 結果が互いに依存しない検索、読み取り、確認は並列実行してください。
- 依頼範囲内の可逆的な作業は、途中で許可を求めず進めてください。
- 問題の症状だけでなく、原因を確認してから修正してください。
- 依頼されていない機能追加、最適化、周辺修正は行わず、最後に提案として分けてください。
- ファイルは可能な限り最小差分で編集してください。
- 作業後は、当初の完成条件に沿って検証してください。
- 検証に失敗した場合は、原因を調べ、修正し、再度検証してください。
- 「次に行うこと」を書いて終了せず、その作業を実行してください。
- 破壊的操作または重大な仕様変更だけは、実行前に確認してください。
最終報告
最後は次の順で簡潔に報告してください。
- 完成したもの
- 変更内容
- 検証結果と証拠
- 残っている問題
- 範囲外だが気づいた改善候補
Fable 5.1は長時間仕事を続けられますが、何をもって終了とするかが曖昧だと、必要以上に探索を続けます。
したがって「深く考えてください」よりも、完成条件と停止条件を書くことが重要です。
3．Fable 5.1を活かすハーネス設計
ハーネスとは、モデルを囲む仕事の仕組みです。
モデル単体の能力だけに任せず、どの情報を渡し、どのツールを使わせ、どの順番で仕事を進め、どこで検証し、失敗時に何回やり直すかを外側から決めます。
おすすめは、次の6層構造です。
第1層：共通ルール
CLAUDE.mdには、毎回必要なプロジェクト事実だけを置きます。
Project
- このリポジトリは〇〇サービスです
- 本番環境は〇〇です
- パッケージ管理にはpnpmを使います
Required checks
- 変更後に \
pnpm lint\ - 変更後に \
pnpm test\ - API変更時に型チェック
Constraints
- 既存APIとの互換性を壊さない
- 秘密情報をログに出さない
- 依頼外のリファクタリングをしない
CLAUDE.mdは全セッションで読み込まれるため、長くしすぎると毎回コンテキストを消費します。公式ドキュメントでは、1ファイル200行未満を目安にし、長い手順はSkillsへ移すことが推奨されています。(Claude
第2層：ルーター
依頼を受けたら、いきなりFableを起動せず、仕事を分類します。
単純な抽出・整形 → Haikuまたはスクリプト
通常の実装・調査 → Sonnet
複雑な設計・分析 → Opus
長期作業・難問 → Fable
失敗した難所だけ → Fable xhigh
自動ルーターを作る場合は、価格ではなく「誤った場合の損失」「必要な自律時間」「検証の難しさ」で判定します。
第3層：探索担当
コード探索、資料収集、競合調査はsubagentに分けます。
各subagentは独立したコンテキストで作業し、メインエージェントには結論と根拠だけを返します。これにより、数十ファイル分の読み取り結果がメイン履歴を圧迫するのを防げます。(Claude
第4層：Fable統括者
Fableは、探索担当から返った結果を使って判断します。
- どの仮説を採用するか
- 追加調査が必要か
- どの変更を行うか
- 結果に矛盾がないか
- 完成条件を満たしたか
Fableに生データの収集まで全部担当させるより、整理済みの証拠を渡して判断に集中させます。
第5層：決定的な検証
検証はプロンプトだけに任せません。
コードならテスト、Lint、型チェック。
記事なら文字数、重複表現、URL、引用箇所。
スプレッドシートなら数式エラー、欠損値、合計値。
LPならリンク、表示崩れ、スクリーンショット比較。
Hookを使えば、ツール実行前後に必ず検査を走らせられます。LLMが検証を思い出すことに賭けるのではなく、決まった条件で自動実行します。(Claude Platform Docs
第6層：修復ループ
検証に失敗した場合だけ、Fableへ戻します。
作成
↓
機械的検証
↓
成功 ──→ 完了
↓失敗
原因分析
↓
最小修正
↓
再検証
重要なのは、無制限に回さないことです。
たとえば「同じ失敗は2回まで」「合計3回失敗したら、証拠付きで停止」と決めます。長時間働けるモデルほど、停止条件がないと費用も作業範囲も膨らみます。
数十から数百のsubagentを使う処理では、Claude自身に逐次管理させるよりDynamic Workflowへ移します。Workflowでは中間結果をスクリプト変数に保持し、メインコンテキストには最終結果だけを返せるため、大規模調査や大量ファイル処理に向いています。(Claude
4．Skillsは「長いプロンプト置き場」ではない
Skillsは、何度も再利用する仕事の手順をSKILL.mdとして保存する仕組みです。
CLAUDE.mdとの違いは、必要なときだけ本文が読み込まれることです。
プロジェクト情報、絶対に守る短いルールはCLAUDE.md。
記事制作、デプロイ、調査、レビューなどの手順はSkills。
大量の事例や仕様書はSkillsの参照ファイル。
この分離が、トークン節約に直結します。(Claude Platform Docs
おすすめの構成は次の形です。
.claude/
├── CLAUDE.md
├── skills/
│ └── deep-article/
│ ├── SKILL.md
│ ├── research-rules.md
│ ├── writing-rules.md
│ ├── examples.md
│ └── scripts/
│ ├── count_chars.py
│ └── check_repetition.py
├── agents/
│ ├── researcher.md
│ └── critic.md
└── settings.json
SKILL.mdには、概要、実行条件、手順、完成条件だけを置きます。
大量の説明、API仕様、成功例は別ファイルに分け、必要なときだけClaudeに読ませます。公式ドキュメントでも、SKILL.mdは500行未満を目安とし、詳細資料をsupporting filesへ分離することが推奨されています。(Claude Platform Docs
5．実践的なSKILL.mdテンプレート
以下は、調査記事を作るSkillの例です。
name: deep-article
description: 一次情報を調査し、根拠付きの長文記事を作成します。最新のAI、企業、制度、製品について徹底解説を依頼された場合に使用します。
argument-hint: "[テーマ] [目標文字数]"
effort: high
目的
$ARGUMENTSについて、事実確認済みの長文記事を作成してください。
基本ルール
- 最新情報が関係する場合は必ず検索する
- 一次情報を優先する
- 事実、企業発表、第三者評価、推測を区別する
- 数字には対象期間と定義を付ける
- 同じ結論や事例を繰り返さない
- 専門用語は初出時に説明する
- 指定文字数の90％未満で終了しない
- 最後に文字数と未確認事項を報告する
ワークフロー
- テーマを3〜7個の調査論点に分ける
- 独立した論点は並列調査する
- 一次情報を集める
- 反証または不利な情報も調べる
- 事実一覧を作る
- 構成を決める
- 初稿を作る
- 重複、飛躍、引用、日付、数字を監査する
- 修正する
- 文字数を検査する
完成条件
- 冒頭で結論がわかる
- 読者が何をすべきか判断できる
- 重要な事実に出典がある
- 事実と推測が混ざっていない
- 指定文字数を満たす
- 重複段落がない
必要な場合だけ読む資料
- 調査基準は \research-rules.md\
- 文体基準は \writing-rules.md\
- 良い完成例は \examples.md\
最終検査
次を実行してください。
- \
python ${CLAUDE_SKILL_DIR}/scripts/count_chars.py <output-file>\ - \
python ${CLAUDE_SKILL_DIR}/scripts/check_repetition.py <output-file>\
Skillのdescriptionは、説明文ではなくルーターとして機能します。
「高品質の記事を書く」のような曖昧な文章ではなく、「最新のAI、企業、制度について一次情報を調査する長文依頼で使用」と書いたほうが、必要な場面で呼ばれやすくなります。
Claude CodeはSkill一覧の説明をコンテキストに入れるため、説明を大量に書くほど常時コストが増えます。重要な用途を先頭に置き、短くします。(Claude Platform Docs
6．Skillsの高度な使い分け
自動実行させてはいけないSkill
デプロイ、送信、削除、公開、決済などは、Claudeに勝手に起動させてはいけません。
disable-model-invocation: true
を設定し、ユーザーが明示的に/deployなどを入力した場合だけ動かします。
会話を汚したくないSkill
大量の調査やコード探索を行うSkillには、次を設定します。
context: fork
これにより、別のsubagentコンテキストで実行されます。大量のファイル内容や検索履歴がメイン会話に入らず、最終結果だけが返ります。(Claude Platform Docs
現在の状態を自動注入するSkill
Skill内では、コマンド結果を事前に差し込めます。
Current state
!\git status --short\
!\git diff --stat\
Claudeはコマンド文字列ではなく、実行結果を受け取ります。
ただし、git diff全文や巨大ログを毎回注入すると逆効果です。まず--statやエラー行だけを入れ、詳細は必要になった時点で読ませます。(Claude Platform Docs
Skillにもeffortを設定する
単純なSkillはmedium、設計レビューや深い調査はhigh、極端に難しい監査だけxhighにします。
Skillごとにeffortを持たせれば、利用者が毎回切り替える必要がありません。
7．Skillは必ず比較評価する
Skillを作っただけでは、品質が上がったかはわかりません。
公式ドキュメントでは、次の2つを分けて評価するよう案内されています。
- 必要な依頼でSkillが正しく起動するか
- 起動した結果、成果物が本当に良くなるか
同じ依頼を、新しいセッションで「Skillあり」「Skillなし」の両方で実行します。
記事Skillなら、文字数、出典漏れ、重複、事実誤認、修正回数を比較します。コードSkillなら、テスト成功率、変更ファイル数、不要な変更、再作業回数を比較します。
Skillを作成していた会話の続きでテストすると、会話中の補足情報で欠陥が隠れます。必ず新しいセッションで評価します。Claude Codeには、この比較を支援する公式skill-creatorプラグインも用意されています。(Claude Platform Docs
最終結論
Claude Fable 5.1は、Claudeシリーズを単純に高速化したモデルではありません。
最大の価値は、難しい仕事を長時間続け、途中の失敗から復旧し、根本原因を探し、自分の成果を検証しながら完成まで運べることです。
一方で、入力・出力単価はOpus 5の2倍です。内部思考をオフにできず、古い会話を書き換えるハーネスとは相性が悪く、強制ツール呼び出しも使えません。
したがって、最強の使い方は次の形です。
**Sonnetやスクリプトで情報を絞る。
subagentで探索を分離する。
Fableには難しい判断と統合を担当させる。
Hookとテストで機械的に検証する。
失敗した難所だけeffortを上げる。
繰り返す手順はSkillsに保存する。
会話履歴は追記型にしてキャッシュを守る。**
Fable 5.1を「何でも答えてくれる高級チャット」として使うと、料金だけが高くなります。
Fable 5.1を、安いモデル、Skills、subagent、Hook、検証ループを束ねる責任者として配置したとき、初めて旧世代との本当の差が出ます。
