How I Get Fable 5 Level Results with Any Model (Seriously) Using AI Harness Engineering
三句話摘要
建構 AI 智能體框架（Agent Harness），讓任何語言模型都能執行長期自主創意工作，擺脫對單一模型的依賴。 建構可自己擁有的智能體框架，比追逐下一個最新模型更加穩定和獨立——框架是長期資產，模型是可替換的工具。 框架是可擁有的資產
重點整理
重點- 1
框架是可擁有的資產
- 2
Fable 5 被撤下後，許多開發者陷入困境。但真正的限制不在模型智力，而在於缺乏好的執行框架。一個設計良好的智能體框架可以無縫地與任何模型配合——GPT、Gemini、本地開源模型都行。這意味著你可以擁有並控制框架（rig）的部分，即使模型被政府或公司撤下也不會完全報廢。
- 3
智能體循環：讀取→選擇工具→執行→檢查→決定
- 4
框架的身體包含知識庫（內部知識）、工具集（MCP 或終端指令）、驗證系統（確保品質）、完成度判斷（何時停止）與記憶機制（追蹤進度）。多個子智能體可以在獨立的上下文視窗中並行工作，避免單一智能體因載入過多文件而浪費 token。
- 5
從構建到執行的分離策略
- 6
用成本較高但能力更強的 Frontier 模型（如 Opus）來設計和構建框架，確保品質；然後用更便宜的開源模型執行已驗證的工作流。這樣既保證初期的精良設計，又能長期降低運營成本並提高隱私性。
- 7
現成框架快速上手
- 8
不必從零開始。可直接複製 Scott Graham 的 Safe Agentic Workflow 範本，或直接告訴 Claude Code「基於某某 URL 或某某想法建構一個框架」，AI 會自動設計並構建所需的多智能體系統。
實用技巧與重點
乾貨- 核心工具與平台
- Claude Code（Anthropic 的框架執行環境）
- Safe Agentic Workflow（開源範本，來自 Cheddar Fox / Scott Graham，Github 可取得）
- Venice API（可同時呼叫 Frontier 模型和開源模型）
- Apify（網頁爬蟲用於資料蒐集）
- Netlify、ConvertKit、GitHub（內容部署和同步）
- 框架結構組件
- `.claude` 資料夾：agent 系統提示和設定
- `CLAUDE.md`：主智能體的初始化指令和資料夾導引
- 知識庫資料夾：品牌準則、聲音標準、詞彙表、設計系統
- agents 資料夾：多個子智能體的系統提示（如 content_ideator、voice_reviewer、researcher）
- skills 資料夾：可重用的工作流程指令（如 newsletter_writer、stop-slop 品質檢查）
- commands 資料夾：使用者可觸發的命令（如 `/refresh-research`、`/add-listing`）
- 實際案例數據
- Jordan Herbs 品牌內容框架：執行時間 35-37 分鐘，產出 YouTube 標題、描述、章節標記、X 文串、部落格文、電子報、生成圖像
- Sovereignty Atlas 目錄刷新研究：22 分鐘內完成 FAQ 生成、SEO 審計、新指南撰寫、聲音審查循環
- Safe Agentic Workflow 例子：11 個專業智能體，各有獨立的完整上下文視窗，並行執行開發任務
- 自動化安全機制
- 聲音審查智能體（voice_reviewer）：檢查內容是否符合品牌聲調和 stop-slop 標準
- 品質審查智能體（quality_reviewer）：驗證事實聲明、檢查來源、拒絕未經驗證的內容
- 自動化品質評分（如「23/50」不通過，迴圈重做直到通過門檻）
結論
結論“建構可自己擁有的智能體框架，比追逐下一個最新模型更加穩定和獨立——框架是長期資產，模型是可替換的工具。”
完整解析
詳細Fable 5 在三天內被撤下的事件引發了一場重要思考：真正強大的不是模型本身，而是執行模型的框架。模型是租賃的，但框架（講者稱之為「rig」）是可以構建和擁有的資產。一個設計良好的智能體框架能將任何模型——無論是 Opus、GPT、開源模型，甚至未來的本地模型——轉化為高效能的自主工作系統。
智能體的核心是一個無限迴圈：讀取指令→選擇工具→執行工具→檢查結果→判斷是否完成→決定繼續或中止。框架提供了這個迴圈運作的「身體」：知識庫作為智能體的內部知識（品牌準則、專案背景、詞彙表等），工具集提供執行能力（終端指令、API 呼叫、檔案操作），驗證系統確保輸出品質，記憶機制追蹤進度。關鍵設計是讓多個子智能體在獨立的上下文視窗中工作，避免單一智能體因載入過多文件而浪費 token 預算，影響回答品質。
講者展示了自己的 Jordan Herbs 品牌框架如何在 37 分鐘內自動執行完整的內容再利用流程：從視頻逐字稿出發，產出 YouTube 標題和章節、X 文串、部落格文章、電子報草稿、品牌一致的生成圖像，甚至部署到 ConvertKit 和網站。同時也展示了新建立的 Sovereignty Atlas 目錄框架如何執行「刷新研究」命令：研究智能體進行競爭分析，SEO 審計智能體檢查策略，FAQ 生成智能體建立新內容，聲音審查智能體檢查是否符合品牌標準並拒絕未經驗證的事實聲明，所有這一切都在主編排智能體的協調下進行，確保品質門檻。
構建框架的推薦方法有兩種。第一種是「借鑒」：直接複製 Scott Graham 的 Safe Agentic Workflow 開源範本或其他現成框架，在 Claude Code 中打開並說「基於這個 URL 為我構建一個框架用於 X 目的」，讓 AI 自動完成設計和實作。第二種是告訴 Claude 你想自動化的重複工作，讓它提議框架結構——Claude 會問你要涵蓋哪些工作流、自動化程度有多高、如何控制人工審查點，然後自動生成完整的 `.claude` 資料夾結構、agent 系統提示、skills 和 commands。一旦框架建好，你甚至不需要每次手動設定，只需在新對話中貼上簡單的「handoff prompt」，框架會自動讀取 CLAUDE.md 並知道該執行什麼。
一個重要策略是「用 Frontier 模型構建，用開源模型執行」。Frontier 模型（Opus、GPT-4）成本高但能力強，適合精心設計框架結構和驗證邏輯；一旦框架運行穩定，就可以改用 Venice API 或本地開源模型執行相同工作流，大幅降低成本並提高隱私性。模型可能被撤下或限制使用，但只要框架保留，換上新的智能引擎即可繼續運作。這就是「交換大腦，保留身體」的策略——身體（框架）是你的資產，大腦（模型）是可替換的工具。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
