如何利用 Claude Fable 5 獲利（完整指南）

兩年來，每個人使用 AI 的方式都一模一樣

你輸入一個查詢，它回覆一個答案，你閱讀它，然後輸入下一個查詢

你是引擎。AI 只在你推動它時才會運轉

這種工作模式已經悄然終結，而大多數人還沒察覺

上個月，一位工程師給了 Claude 的最新模型一個難題，然後就離開了

它不只是回覆而已

它運行了整整一天——修復了原始問題，然後發現了底層程式碼中的四個不同缺陷，也一併解決了，並且幾乎獨自完成了一整個軟體更新

這位開發者並沒有坐在那裡一步步地提示它

他們只是交給它一個目標，然後回來時工作已經完成了

Fable 5 可以完全自主運行數小時，有時甚至數天

https://x.com/claudeai/status/2064394146916229443

它會設計一個計畫，執行工作，追蹤自己朝著目標的進度，並在過程中修正自己的錯誤，無需你發送下一條訊息

所以，現在最重要的能力不再是撰寫聰明的提示詞

而是學會交付整個專案，並信任它能完成它

讓我帶你一步步了解如何做到，並提供一個你可以直接複製的實際設定

為什麼「一次只回覆一個問題」拖慢了你

想想你現在與 AI 合作的方式

你要求一個功能。你複製貼上錯誤訊息。你要求修正。你複製貼上下一個錯誤。你要求它添加測試

二十條訊息之後，你得到了一個大致能運行的東西

這二十條訊息中的每一條都需要你的輸入。你是維繫整個專案的黏合劑。AI 很聰明，但它的注意力跨度跟金魚差不多

這不是你這邊的錯。這是模型本身的限制。早期的模型確實無法在引導任務完成的同時，將一個漫長而複雜的工作牢記在心。所以它們被設計成處理一個極小的步驟，然後就停下來

Fable 5 是第一個以相反方式設計的、廣泛可用的模型。它會牢記目標，在很長一段時間內追求它，並且只有在真正完成或確實卡住時才會回報

官方訊息甚至聲稱，任務越長越困難，它相對於早期模型的優勢就越大。這一個轉變改變了你應該使用它的方式

你不再是引擎。你成為了管理者

單一的心態轉變：交給它一個目標，而不是一個步驟

這裡是整個訣竅，用一句話概括：

描述最終的成果以及你如何判斷它已完成，然後就別再插手

一個提示詞告訴 AI 它的下一步行動

一個專案則向它展示「完成」的樣子，並讓它自己規劃步驟

弱（舊方法）：

1幫我寫一個讀取 CSV 檔案的函式

強（新方法）：

1目標：建立一個小型命令列工具，可以接受任何雜亂的 CSV，
2整理它，並儲存一個乾淨的版本。
3完成的定義：
4> 它能處理缺失的條目和奇怪的日期格式
5> 它包含測試，且所有測試都通過
6> 有一個簡短的 README 說明如何使用它
7從頭到尾執行完成。步驟之間不要向我確認。
8只有在所有測試都通過或你真的卡住時才停止。

注意到對比了嗎？第二個版本交付了整個工作。它定義了「完成」的意義，讓模型可以根據這個定義來衡量自己的輸出，這正是 Fable 被設計來做的事情

這就是整個思維轉變的核心

接下來的一切只是如何配置它，讓它能夠真正運行

設定環境：給它一個工作空間

要讓 AI 運行一個實際的專案，它需要一個地方來執行工作——讀取檔案、寫入檔案、執行命令、驗證結果。這個地方稱為編碼 Agent。最廣泛使用的是 Claude Code，它在你的終端機中運行

你不必是程式設計師也能跟著做。把它想像成打開一個工作區，AI 在這裡有了「手」，而不只是「嘴巴」

設定它（如果你的機器上有 Node.js，只需一行指令）：

1npm install -g @anthropic-ai/claude-code

然後進入一個新的專案資料夾並啟動它：

1mkdir my-first-project
2cd my-first-project
3claude

就這樣。你現在有了一個空間，AI 可以在這裡真正地建構東西，而不只是描述它們

交付你的第一個專案

現在是最好玩的部分。與其聊天，不如給它一個目標檔案。建立一個純文字檔案，概述專案：

1# 把你的專案簡報放入 Agent 會讀取的檔案中
2cat > GOAL.md << 'EOF'
3# 專案：CSV 清理工具
4建立一個命令列工具，用來整理雜亂的 CSV 檔案。
5## 完成的定義
6- 能讀取任何 CSV，即使有缺失條目和混合日期格式
7- 在原始檔案旁邊寫入一個整理後的副本
8- 包含自動化測試，且每個測試都通過
9- 有一個簡短的 README，包含一個使用範例
10## 它應該如何運作
11- 在開始建構之前先規劃。
12- 每個部分完成後，自己執行測試並修復失敗的部分。
13- 不要在步驟之間停下來問我。
14- 只有在所有測試都通過時才停止，然後總結你完成了什麼。
15EOF

然後，在 Agent 中，你將它指向那個簡報並讓它自由發揮：

1讀取 GOAL.md 並建構整個東西。持續工作直到完成。

然後你就可以離開了。去泡杯咖啡

第一次經歷這個時刻會感覺很奇怪，因為沒有什麼需要你

模型會讀取簡報，建立計畫，撰寫程式碼，執行測試，看到三個失敗，修復它們，重新執行，然後繼續下去

這個自我驗證的循環是早期模型無法維持的。Fable 會從頭到尾牢記目標

讓這真正有效的三個規則

交付一個專案是一項技能

以下是區分「它建構了整個東西」和「它偏離方向並製造了一團混亂」的三個因素

> 將「完成」轉化為機器可以驗證的東西

「把它做好」不是終點線——「好」永遠不會真正到來，所以它永遠不會停止

「所有測試通過」才是一個真正的終點線——要麼對要麼錯，沒有爭議

給它一個可以自我衡量的基準，它就會知道何時該停止

這是你簡報中最關鍵的一行

> 從一開始就交給它完整的藍圖

Fable 現在可以處理的不只是文字——它能理解螢幕截圖、圖表、密集的表格和 PDF 檔案

所以，如果你要重現一個畫面，給它一張螢幕截圖。如果規則儲存在 PDF 中，就把 PDF 給它

它會根據視覺資訊進行推理，而不僅僅是你輸入的文字

你一開始提供的上下文越多，它需要猜測的部分就越少

> 讓它運行，但要設定一個限制

一個能運行數小時的模型也會連續數小時消耗費用，而 Fable 並不便宜——它比早期模型成本更高，消耗使用量也更快

所以，在離開之前，設定一個上限

設定一個關於它可以運行多長時間或多少量的邊界，加上一個明確的停止條件，這樣一個偏離軌道的專案就不會整夜運行

有運作自由是好事。但沒有開關的自由就是一張帳單

它值得這個成本嗎？一個坦率的回答

讓我直說，因為我在這裡是為了提供坦率的評論

Fable 5 速度慢且價格昂貴

對於像「這個錯誤是什麼」、「改寫這封郵件」這類快速問題，它大材小用了，選擇一個更便宜、更快的模型是更明智的選擇

用 Fable 處理小任務，就像僱用一台起重機來掛一幅畫

它真正體現其價值的地方，在於那些通常會耗掉你整個下午的冗長、乏味、多步驟的工作

一個完整的小工具。徹底清理一個雜亂的資料夾。一個涉及十五個來源的研究任務。這類工作的價值不在於一個聰明的句子，而在於一個你不需要全程參與的最終成品

把這些任務交給它，成本就會在你節省的時間中回本

交給它一個簡單的單行任務，你只是在燒錢

選擇那些「運行一小時並完成它」比「在三秒內回覆」更有價值的任務

這就是全部的規則

這真正意味著什麼

兩年來，AI 的限制不在於它的智慧

而是在於你需要參與每一個步驟

你就是瓶頸

而這個瓶頸剛剛讓步了

新的技能不是提示——而是委派

撰寫清晰的簡報，定義「完成」的意義，提供上下文，設定合理的限制，然後信任它去運行

這比較不像與聊天機器人對話，更像是監督一個非常快速、非常按字面意思理解、從不疲倦的初級員工

這裡的贏家不會是那些擁有最聰明提示詞的人

他們會是那些習慣於交付整個專案然後離開的人

下一步的發展

這涵蓋了心態和基本設定

但你可以走得更遠，這就是第二部分要講的內容

我已經在起草了，這是進階的操作手冊：

• 如何撰寫能讓它第一次就做對的簡報，並附上你可以重複使用的實際模板
• 如何同時並行運行多個專案，且不互相干擾
• 如何提供螢幕截圖和 PDF，讓它能精確捕捉設計和規則
• 我使用的精確限制和上限，讓長時間運行不會帶來意外的帳單
• 我現在完全委派出去、從不親自碰觸的三個專案

如果這改變了你對與 AI 合作的看法，請關注我，這樣你就不會錯過第二部分

我會把我完整的實際設定放進去

停止輸入問題

開始交付專案——這就是現在的整個遊戲規則

GIF

@insomnia_vip