Fable 5怎麼用？Anthropic官方指南一次看：如何掌握effort設定與驗證迴圈，打造最強自主Agent？

• Source URL: https://www.bnext.com.tw/article/91415/claude-fable-5-guide
• Published: 2026-07-03T16:00:00+08:00
• Captured via: BusinessNext JSON-LD NewsArticle.articleBody

Claude Fable 5 是 Anthropic 目前公開釋出、能力最高的模型。但很多人拿到手，還是沿用前一代的習慣對它下指令，結果不是嫌它想太多，就是嫌它自作主張。其實問題通常不在模型，而在你有沒有照它的行為特性重新設計工作方式。這篇整理 Anthropic 官方文件的重點，從規格、費用，到怎麼下提示詞、怎麼搭配自動化流程，一次講清楚。目錄一、Fable 5 是什麼二、哪些任務適合交給 Fable 5三、effort、思考模式與費用：先搞懂成本怎麼算四、長時序 agent 的關鍵：設計一個驗證迴圈五、官方提示詞怎麼用：依你遇到的問題挑六、子代理、記憶與 harness：讓能力能重複使用的配套七、第一次上手的三步 checklist八、社群進階玩法：一次性「立法」Prompt（非官方建議）一、Fable 5 是什麼？先把時間線講清楚，因為這段經歷直接影響你現在能不能用、在哪裡用。Fable 5（API 型號 claude-fable-5）在 2026 年 6 月 9 日發布，與只開放給 Project Glasswing 核准夥伴的 Claude Mythos 5 共用同一套底層模型。發布後第三天，6 月 12 日，美國政府對這兩個模型祭出出口管制，要求限制外國人存取；由於無法即時驗證使用者國籍，Anthropic 索性對所有用戶暫停了兩個模型的存取。6 月 30 日，出口管制解除；7 月 1 日起，Fable 5 在 Claude Platform、https://claude.ai、Claude Code、Claude Cowork 對全球用戶恢復。規格方面：Fable 5 具備 1M token 的 context window（模型單次能讀進去的文字總量），單次輸出上限 128K token，資料保留 30 天，且不支援零資料保留（ZDR）。二、哪些任務適合交給 Fable 5先說結論：Fable 5 是拿來處理「原本對前代模型太難、太長、太模糊」的工作，特別是那種要花人類數小時到數天才能完成的端到端任務。官方講得很直接，如果只拿它去跑簡單任務，反而會低估它的能力範圍。官方點名它相對前一代 Claude Opus 4.8 明顯進步的七個面向：長時序自主運作、定義清楚的複雜問題的單次通過率、視覺辨識、企業文件工作流（財務分析、試算表、簡報、文件）、程式碼審查與除錯、模糊需求的判斷，以及併發子代理的調度。這七項的共同點是：Fable 5 能在你沒盯著螢幕的時間裡，持續穩定地推進工作。這裡要澄清一個容易誤會的地方：「長時序」不代表單一次 API 請求能一路跑好幾天。官方的說法是，困難的單次請求可能執行數分鐘，自主流程可能持續數小時；所謂數天的工作，指的是搭配外圍流程、工具、記憶、跨多個回合累積完成的長任務，而不是丟一個請求就放著跑三天。至於會被安全分類器關注、可能遭婉拒的，有三個領域：攻擊型資安（例如撰寫漏洞利用程式、惡意軟體、攻擊工具）、生物與生命科學（例如實驗室方法、分子機制），以及試圖萃取模型推理摘要的請求。三、effort、思考模式與費用：先搞懂成本怎麼算effort（可理解為「要模型多用力思考」的檔位）是 Fable 5 在「聰明程度、回應速度、花費」三者之間取捨的主要旋鈕，由高到低分成 max、xhigh、high、medium、low 五檔。要先建立一個觀念：effort 是調整模型行為的訊號，不是嚴格的 token 預算。把 effort 調到 max，意思是不去壓抑模型節省 token 的傾向、讓它盡量發揮，並不等於「花費沒有上限」。真正的硬性上限是 max_tokens 這個參數，它同時涵蓋思考與最終回答的 token 總量。官方建議一般從 high 起手，能力最吃緊的工作才拉到 xhigh，例行工作往 medium、low 降。要注意的是，Fable 5 在 low 檔的表現，常常已經超過前代模型在 xhigh 檔的水準，所以別預設「越高越好」。在較高的 effort（xhigh 或 max）下，因為模型會產生更多思考內容，建議把 max_tokens 設得大一些，一個實務起點是 64K，再依實測調整。費用部分，以下是 API 開發者定價（美元計）。輸入每百萬 token 10 美元、輸出每百萬 token 50 美元。若搭配 prompt caching（把重複用到的長 prompt 存起來、之後重複讀取），寫入快取要加價、讀取則便宜很多：5 分鐘期限的快取寫入：每百萬 token 12.5 美元1 小時期限的快取寫入：每百萬 token 20 美元快取命中（讀取）：每百萬 token 1 美元換言之，命中快取時的讀取價格是一般輸入的一成，等於省下約九成。但有兩件事要提醒：第一，快取讀取仍然要收費，不是免費；第二，Fable 5 使用從 Opus 4.7 開始採用的新版 tokenizer；相較 Opus 4.7 以前的模型，同一段文字約會產生多三成 token。因此遷移時不要沿用舊模型的 token 數量估算，應以 Fable 5 重新計算成本及 context 使用量。四、長時序 agent 的關鍵：設計一個驗證迴圈Fable 5 最能發揮的場景，是讓它長時間自主完成任務。官方在提示與 scaffolding（指模型外圍那層流程與工具架構）指南裡，反覆強調一個做法：在長流程中建立自我檢查的機制。官方原話是： “Establish a method for checking your own work at an interval of [X] as you build. Run this every [X interval], verifying your work with subagents against the specification.”白話說，就是一邊做、一邊每隔一段時間停下來對照原始規格驗證一次；而且驗證要交給另外開的、context 全新的子代理（官方稱 fresh-context verifier subagents）。官方指出，獨立、全新 context 的驗證子代理通常比主模型自我批評效果更好，因此長流程可優先採用這種驗證方式。要說明的是，坊間常把這種「設計一套流程讓模型自我修正」的做法叫作 Loop Engineering，但重點是這個動作本身：先讓模型動手，再用一個獨立的驗證環節把關。五、官方提示詞怎麼用：依你遇到的問題挑官方指南給了一批可以直接複製的提示詞，用來修正 Fable 5 幾個常見的行為偏差。以下不照官方原文的順序，而是照「你會遇到的狀況」來分類整理，方便你對症下藥。要說明的是，這是本文從官方指南挑出來的組合，官方並沒有把這些提示詞編成固定幾大類。狀況一：它想太多，遲遲不動手。 “When you have enough information to act, act. Do not re-derive facts already established in the conversation, re-litigate a decision the user has already made, or narrate options you will not pursue in user-facing messages. If you are weighing a choice, give a recommendation, not an exhaustive survey. This does not apply to thinking blocks.”白話翻譯：資訊夠了就直接做，不要重新推導已經講定的事，也不要在回覆裡列一堆你根本不會採用的選項；要做選擇，就給建議、別窮舉。狀況二：它自作主張，順手改了你沒要求的東西（effort 調高時特別容易）。 （官方原文節錄）“Don’t add features, refactor, or introduce abstractions beyond what the task requires. A bug fix doesn’t need surrounding cleanup and a one-shot operation usually doesn’t need a helper. Don’t add error handling, fallbacks, or validation for scenarios that cannot happen. Trust internal code and framework guarantees.”白話翻譯：修 bug 就只修 bug，不要順手重構、拉出多餘的輔助函式，也不要為根本不會發生的情境加防呆。狀況三：你只是在描述問題、問問題，它卻直接動手改。 （官方原文節錄）“When the user is describing a problem, asking a question, or thinking out loud rather than requesting a change, the deliverable is your assessment. Report your findings and stop. Don’t apply a fix until they ask for one.”白話翻譯：當你是在描述問題、發問或思考，而不是要求改動時，交付物就是它的評估；講完就停，等你開口才動手。狀況四：長時間跑下來，你不確定它回報的進度是不是真的。 （官方原文節錄）“Before reporting progress, audit each claim against a tool result from this session. Only report work you can point to evidence for; if something is not yet verified, say so explicitly. Report outcomes faithfully: if tests fail, say so with the output.”白話翻譯：回報進度前，每一句話都要對照這次實際跑出來的工具結果；沒驗證的就明講沒驗證，測試失敗就連結果一起說。狀況五：對話很長時，它突然說「我等一下再做」就停住，或反問你要不要繼續。 （官方原文節錄）“You are operating autonomously. The user is not watching in real time and cannot answer questions mid-task, so asking “Want me to…?” or “Shall I…?” will block the work. Before ending your turn, check your last paragraph. If it is a plan, an analysis, a question, a list of next steps, or a promise about work you have not done, do that work now with tool calls.”白話翻譯：告訴它現在是自主運作、你不會即時回話，所以別問「要不要我做」；結束前先檢查最後一段，如果只是計畫或還沒兌現的承諾，現在就用工具把它做完。狀況六：它擔心 context 快用完，自己喊停或建議開新對話。 “You have ample context remaining. Do not stop, summarize, or suggest a new session on account of context limits. Continue the work.”白話翻譯：告訴它可用額度還很充裕，不要因為怕用完就停下、提前總結或建議開新對話，繼續做。六、子代理、記憶與 harness：讓能力能重複使用的配套官方點名的其中一項進步，是 Fable 5 比前代更會主動派出併發子代理協作。要把這件事做好，官方的實務建議是：把互相獨立的子任務派出去、自己繼續做別的，子代理走偏或缺 context 時再介入；優先用非同步溝通，不要卡著等它回覆；讓子代理活得久一點，跨子任務保留 context，靠快取讀取省成本，也避免被最慢的那個子代理拖住。對應的提示詞是： “Delegate independent subtasks to subagents and keep working while they run. Intervene if a subagent goes off track or is missing relevant context.”白話翻譯：把互不相依的子任務派給子代理，派出去後自己繼續做別的，等它跑偏或缺資訊再介入。記憶則要修正一個常見誤解：Fable 5 不會自動、也不會永久記住你跨對話說過的話。要讓它累積知識，你得主動給它一個可寫入的記憶檔案，或使用官方支援的 memory tool（記憶工具），並確保之後的 session 讀得到這份紀錄。官方對記憶檔案的寫法建議是： “Store one lesson per file with a one-line summary at the top. Record corrections and confirmed approaches alike, including why they mattered. Don’t save what the repo or chat history already records; update an existing note rather than creating a duplicate; delete notes that turn out to be wrong.”白話翻譯：一個檔案存一條教訓、最上面寫一行摘要，修正和已驗證的做法都要記；已經記過的別重複存，更新舊筆記而不是複製一份，錯的就刪掉。如果要從既有紀錄啟動這套記憶，官方給的 bootstrap 指令是： “Reflect on the previous sessions we’ve had together. Use subagents to identify core themes and lessons, and store them in [X]. Make sure you know to reference [X] for future use.”白話翻譯：回顧你們之前的對話（限於系統實際能讀到的紀錄），派子代理整理出核心主題與教訓，存進指定檔案，並記得之後要參考它。最後一個遷移提醒：官方指出，替前代模型寫的 skills 對 Fable 5 常常「過度規範」，一堆逐步指揮反而拖累品質；搬過來用之前，先檢視、拿掉多餘的規範性指令。七、第一次上手的三步 checklist第一步：挑一個夠難的任務。 找一個以前覺得 Opus 4.8 做起來太吃力的任務交給它，讓它自己界定範圍、主動問清楚、一路做到完。只拿簡單任務試，只會低估它。第二步：長流程就建驗證迴圈。 派一個 context 全新的子代理定期對照原始規格驗證，設好驗證間隔（例如每完成一個子任務、或每隔一段時間跑一次）；官方指出這種獨立驗證通常比主模型自我批評效果更好，長流程可優先採用。第三步：要累積經驗就給記憶。 準備一個可寫入的記憶檔案、或啟用官方的 memory tool，並確認之後的 session 讀得到。八、社群進階玩法：一次性「立法」Prompt最後分享一個社群玩法，先講清楚：這不是 Anthropic 的官方建議，而是 Threads 用戶 @gyozalab 提出、經本文整理的一個 prompt 範例，供進階讀者參考。他的問題是：如果只有一次機會用 Fable 5，怎麼用最划算？他的想法是把用法反過來，不要拿它去做一次性的任務，而是請它把「判斷力」轉寫成一套之後能沿用的制度與檔案，讓價值留在硬碟上。這個構想背後有一個前提假設：後續環境會由其他 Claude 模型（不論 Sonnet、Opus 或 Haiku）接手長期運作。要提醒的是，這是社群提出的使用觀點，不是 Fable 5 的官方能力保證。實際套用前，請依你環境實際可用的工具、權限、模型與 effort 支援情況調整；尤其涉及修改既有檔案時，先確認你有授權再動手。以下是經整理、可直接複製的版本（保留原作者的指令設計）： Prompt 複製 這是我這輩子唯一一次使用 Fable 5 的機會。這個 session 結束後，我的環境將由後續可用的其他模型（Sonnet、Opus、Haiku 等）長期運作。所以你的任務只有一個：把你的判斷力轉成可長期沿用的制度與檔案，讓之後每一個由這些模型運作的 session 都因此變強。用這個 session 立制度，不要拿去執行日常任務。作業規則（先讀完再動手）：1. 自主作業。環境能查的自己查（CLAUDE.md、可用 subagent、模型與 effort 參數、MCP、skill、記憶機制）。開場最多問我一批問題，五題以內，之後不再停下來等我。2. 價值排序＋隨做隨寫。先做價值最高的產出，每完成一項立刻寫進檔案再做下一項。這個 session 隨時可能中斷，中斷時已落檔的就是我拿到的全部。3. 改任何既有檔案前先留備份副本。新內容寫成新檔，CLAUDE.md 只放精簡路由指向新檔。4. 你的讀者是後續接手的模型。你自己不需要被逐步指揮，但寫給它們的規則要具體、可執行、有判準與範例；抽象要求（例如「保持高品質」）等於沒寫。5. 產出不可依賴只有你能做到的能力，全部要在 Sonnet 等級就跑得動。6. 環境允許的話用最高 effort 跑，長回合沒關係。交付清單（按價值排序執行）：A. 快速診斷：我目前 harness 最漏 token、最容易失焦、最容易出錯的前三名，各附具體修法。這份先寫，供後面所有產出引用。B. 重寫 CLAUDE.md：最高槓桿的檔案，未來每個 session 都會載入。收斂重複規則、刪過時內容、把長內容抽成引用檔，套用「能力較弱的模型需要明確、能力較強的模型需要留白」的寫法。C. 模型調度守則（獨立檔案）：指揮官不下場（大量讀取、掃 repo、查網頁、批次改檔一律派 subagent，主對話只進結論）；派工三件套（目標與動機、驗收條件、回報格式）；顯式指定 model 與 effort；回報合約（subagent 只回結論與檔案:行號，長產物落檔傳路徑）；升降級路徑；驗證不自驗（驗收派 fresh-context agent：檔案用 read-back、程式碼用測試或實跑、高風險判斷加第二意見或多答案評審選優）。D. 判斷力外化（獨立檔案）：把只有你這個等級才擅長的判斷，寫成後續接手的模型可執行的 rubric 與 checklist。至少涵蓋：何時該升級模型、何時算真的完成、何時該停下來問使用者、什麼訊號代表方向錯了該換路而非重試、品質底線怎麼驗。每條判準附一個正例和一個反例。E. 派工 prompt 模板：給未來主模型直接套用的委派模板（含驗收條件與回報格式的填空），常見任務型態各一份：搜尋、實作、重構、研究、審查。F. 維護協議：未來接手的模型怎麼安全地更新以上檔案。哪些可以自行改、哪些動之前要先問使用者、每次踩坑後教訓寫回哪裡、用什麼格式、累積多長要精簡。G. 給未來 session 的信：三件我沒問、但你認為對這個環境最重要的事，加上你認為這套制度最可能的退化方式與預防法。收尾（必做，不可省略）：1. 開一個 fresh-context subagent 對抗審查全部產出：找規則互相打架、路徑或工具名錯誤、後續接手的模型會誤讀的模糊語句，修完為止。2. read-back 驗證每個檔案確實落地、內容完整。3. 給我一頁總結：改了什麼、為什麼、明天開始怎麼用。4. 如果 context 快用完：立刻停下手上的產出，先完成收尾前三步，把未完成項目寫進「給未來 session 的信」交接。誠實條款：標註 harness 的極限。拆解、驗證、多樣本評審補得了執行品質；模糊題與品味判斷補不了，要寫明遇到時怎麼辦（升級模型、外部第二意見、或明說做不到）。不確定的事就查，查不到就標註，不要編造。 手機版可左右滑動查看完整內容。 先照它的行為特性調 effort 與提示詞，再用獨立的驗證子代理把關品質，最後把可重複使用的判斷寫進記憶檔；這三件事做好，Fable 5 的能力才真正用得出來。 延伸閱讀：ChatGPT記憶功能怎麼用？3步驟設定教學、免費付費差異、隱私管理一次看資料來源：Anthropic 官方提示工程指南：Prompting Claude Fable 5、Anthropic 官方發布公告：Introducing Claude Fable 5 and Claude Mythos 5、Anthropic 官方復原公告：Redeploying Fable 5、Anthropic 定價、Claude 說明中心：Fable 5 促銷存取本文初稿為AI編撰，整理．編輯/ 李先泰