KeyFrame內部研究專用

How Anthropic Engineers Actually Prompt Fable 5

Nate Herk10 min英文
觀看原始影片

三句話摘要

Claude Fable 5 的六大提示工程最佳實踐,如何高效使用這個最強大模型同時控制成本。 將這六個提示工程實踐系統化融入 prompt、skill 和 Claude.md 檔案,能顯著提升 Fable 5 的使用效率與輸出品質,同時有效控制 token 成本。 提供背景與意圖 — Fable 5 的推理能力使其更擅長理解上下文。不只說「寫客戶郵件」,而要說「我在處理 X 任務,收件人是誰、他們需要什麼,請幫我寫這封郵件」,讓模型能正確定位資訊來源。

重點整理

  1. 提供背景與意圖 — Fable 5 的推理能力使其更擅長理解上下文。不只說「寫客戶郵件」,而要說「我在處理 X 任務,收件人是誰、他們需要什麼,請幫我寫這封郵件」,讓模型能正確定位資訊來源。

  2. 使用負面提示 — 模型本質上是預測下一個最合理的單詞,有時會創意超支。明確告訴它「不要編輯、不要發送、不要刪除」,能有效防止不需要的操作。

  3. 避免過度規劃 — 不要強制模型先制定完整計畫。用「當你有足夠資訊時,立即行動」替代,避免不必要的延遲和 token 浪費。根據任務複雜度選擇推理力度(低、中、高、超高、最大),中等為默認值。

  4. 要求驗證與證明 — 模型聲稱完成不等於真的完成。要求它「在聲稱完成前,指出證明這一點的結果」,讓模型進行多輪自我檢驗,建立信任基礎。

  5. 不要要求顯示推理過程(Fable 特定)— 系統提示中的「解釋你的推理」會觸發安全檢查,導致請求被無聲路由到 Opus 4.8,反而更貴。

  6. 說得更少 — Fable 5 足夠聰慧,不需要「規則一、規則二、規則三」。用「以結果開頭、保持簡潔、僅在真正需要時暫停」的簡潔指令即可。

實用技巧與重點

  • 定價:$10 USD per million input tokens、$50 USD per million output tokens
  • 使用限額:周限額 50% 免費(含促銷期),超額後需用 usage credits
  • 促銷期截止:2026 年 7 月 7 日
  • 推薦使用頻率:僅 5-15% 的任務需要 Fable 5,其餘用低成本模型
  • 推理力度建議:低/中用於常規工作、高用於大多數任務、超高用於最敏感工作
  • 成本對比:Fable 5 on low < Opus 4.8 on max
  • 模型路由觸發條件:黑客相關內容、危險生物學、要求 reveal 模型私有推理、疑似惡意意圖
  • 支援平台:Claude Desktop App、VS Code Claude Code、任何可用 Claude 的地方
  • 官方資源:Anthropic 官方文檔完整列出最佳實踐

結論

將這六個提示工程實踐系統化融入 prompt、skill 和 Claude.md 檔案,能顯著提升 Fable 5 的使用效率與輸出品質,同時有效控制 token 成本。

完整解析

Claude Fable 5 是一個功能強大的新模型,但成本相對 Opus 高出一倍。講者通過分析 Anthropic 官方文檔和社區反饋,系統化地總結了六個最有效的提示工程實踐,幫助用戶在控制成本的前提下發揮模型最大潛力。

首先需要理解 Fable 5 的特性。這個模型在理解意圖和遵循清晰指導上顯著優於前代,成本為每百萬輸入 token 10 美元、輸出 50 美元,是 Opus 的兩倍。在目前的促銷期內(截至 7 月 7 日),用戶可免費使用周限額的 50%,超額部分需購買 usage credits。講者強調,只有約 5-15% 的任務實際需要 Fable 5 的全部能力,大多數日常工作應該用更便宜的模型完成。

提示工程的前三個實踐對任何模型都適用。首先提供背景與意圖。與其簡單說「寫一封關於延遲的客戶郵件」,不如說「我在處理更大的任務,收件人是誰、他們需要什麼資訊,請幫我寫這封郵件」。Fable 會更好地理解實際需求,甚至能自動查找相關的上下文文件。其次使用負面提示。模型本質上是預測下一個合理單詞,有時會創意超支。明確告訴它「停止,不要修改、發送或刪除任何東西直到我說開始」,能大幅提高準確性。官方文檔本身就大量使用負面提示範例,印證了其有效性。第三避免過度規劃。傳統上講者總是建議用 Plan Mode,但現在改變了做法。應該說「當你有足夠資訊時,立即行動」,避免不必要的規劃階段浪費時間和 token。同時應根據任務複雜度選擇推理力度——低或中用於常規工作,高為默認值,超高和最大用於最敏感的工作。

第四個實踐是要求驗證與證明。模型有時會聲稱完成,但實際上尚未驗證結果。要求它「在聲稱完成前,指出證明這一點的具體結果」或「只報告你能提供證據的工作」,讓模型進行多輪自我檢驗(2-5 次),就像審查員工工作一樣。這個技巧應該系統化地融入所有 skill、agent 和 Claude.md 文件中。

第五個是 Fable 特定的警告:停止要求顯示推理過程。系統提示中的「解釋你的推理」可能觸發 Fable 的安全檢查,導致請求被無聲路由到 Opus 4.8。由於 Fable 存在被 jailbreak 的安全疑慮,模型內建了大量安全防護,會在偵測到潛在惡意意圖時自動降級。避免此類觸發器能節省成本。

最後是說得更少。Fable 足夠聰慧,不需要列舉規則清單。改用「以結果開頭、保持簡潔、僅在真正需要時暫停」這樣的簡潔指令,效果同樣好。這不與第一條「提供背景」相矛盾——背景應該精簡但充分。

講者也說明了模型路由機制。Fable 在回應前會進行快速安全檢查,若涉及黑客、危險生物學或要求 reveal 模型私有推理等內容,會無聲路由到 Opus。好消息是路由到 Opus 時成本更低,但最好的辦法還是從一開始就避免這些觸發器。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。