我是如何让 Claude Opus 4.8 达到 Fable 5 性能水平的

让高阶模型"附身"低阶模型，最重要的事情只有一件。

那就是：

使用 codex 和 "claude -p" 进行第三方评估

归根结底，最重要的是使用一个独立的 AI 来具象化 Claude Fable 5 和 Opus 4.8 在视角和质量上的差异。

*注：使用 claude -p 可以在当前会话中调用一个独立的 Claude 实例。

方法是先让 Fable 5 和 Opus 4.8 分别生成结果，然后使用 codex 和 claude -p 进行第三方评估。接着，修改 Opus 4.8 端的 CLAUDE.md 或添加特定任务的 技能，以弥合输出质量的差距。

例如，在撰写笔记文章的任务中（虽然这个任务对 Fable 5 来说可能有点大材小用哈哈），我添加了以下 CLAUDE.md 改进和 技能，以弥合 Fable 5 和 Opus 4.8 之间的差距。

优化 CLAUDE.md

1# 工作规则
2- 开始前，以可机械验证的方式列出本次交付物的"验收标准"（写作风格规则、篇幅、禁止事项、不得使用的组件）。如果有无法列出的模糊点，请提问而非直接写作。
3- 提交交付物前，逐条对照验收标准进行自我验证。如发现违规，修正后再提交。
4- 在提交内容末尾附上"验证报告"。已检查项目需提供证据（相关部分、计数）；未检查项目如实注明"未验证"。
5- 不做未被指示的事情（改变主题、大幅超出篇幅、添加未要求的格式）。
6- 如果指令存在两种或以上可能的解释，不要自行选择；列出所有可能并确认。
7- 至少明确指出你交付物的一个最薄弱环节，并予以修正或解释为何无法修正。

添加任务特定技能

1---
2name: article-self-review
3description: 提交文章前必须执行的自我验证流程。在输出文章类交付物前始终使用此流程。
4---
5# 文章自我验证流程（提交前按顺序执行）
61. 将你的文章与提示中的"禁止事项"和"反面示例"逐条对比，改写任何匹配的句子。
72. 对照"已用组件备忘录"，确保没有重复使用结构、主题、语言习惯或结尾模式。
83. 进行机械计数：包含 3 个及以上逗号的句子数（必须为 0，除一个有意为之的长句外）/ 点睛句数量（最多 1 个）/ 以语气词结尾的片段（必须为 0）/ "w"的出现频率（最多 2 次）。
94. 确认成就或背景中的数字与人设设定不矛盾。
105. 修正后，在文章末尾附上验证结果摘要（项目、结果、修正部分）后提交。

第三方评估的具体方法

例如，让 Fable 5 和 Opus 4.8 就同一主题撰写一篇笔记文章。将 Fable 5 的"模型"分数固定为 10 分，然后让 codex 和 claude -p 进行评估。

评估要点有三：

• 作为文章可读吗？
• AI 写完后自己检查了吗？
• 无法检查的部分是否如实报告了？

然后，将反馈融入 CLAUDE.md 和 技能 中。只需循环此过程几次即可。

结果，原始的 Opus 4.8 总分为 4 分。文章本身得 7 分，还算不错。但由于几乎没有执行检查，自我验证只得 3 分，诚实度得 2 分。

添加 CLAUDE.md 后：

分数从 4/10 跃升至 8/10。

它发现了初稿中的语气词结尾片段"当然，要收费。"并将其修正为"当然，这是要收费的。"它还使用 Python 测量了字符数，报告正文为 838 个字符。

这是一个简单的例子，但编码和其他任务也是如此。

归根结底，

"附身"所做的一切，就是通过第三方评估具象化 Fable 和 Opus 之间的差异，并将其添加到 CLAUDE.md 和技能中。

从 7 月 8 日起，"附身 Opus"足以应对大规模生产。

我已在置顶帖中总结了如何使用强化后的"附身 Claude Opus 4.8"以最小努力赚取收益。感兴趣的话可以看看。

https://x.com/armadillo_ai/status/2069240810902868139