7.3
深览指数
产品人人都是产品经理·卡尔的AI沃茨··AI 生成
分享8个Claude Fable 5下线前必跑的超实用Prompt
作者在 Anthropic 的 Fable 5（原订阅模型）即将下线的最后 48 小时，从国内外开发者实战贴中提炼了 8 条高价值 Prompt，分为“让 AI 自己跑实验”和“让 AI 研究你”两大方向。核心价值在于：通过结构化 /goal 提示语让 AI 自我纠错并记录失败路径，以及将个人工作模式固化为可迁移的 Skills 和系统指令。适合想最大化利用最后订阅额度、并在后续 API 计费时代高效迁移与复用工作流的中高级 AI 用户阅读。原文 ↗
核心观点
- ▍Fable 5 下线前最值得做两类事：一是让其自主跑实验并记录失败路径，二是让其研究并打包你的工作模式为可复用系统，其他用法都是子集。
- 01Jesse Vincent 用 /goal 提示语让 Fable 5 自动跑了 25 个实验，花费 165 美元，将构建速度提升 50%，token 开销降低 60%。
- 02实验过程中，Fable 5 在没有人类介入的情况下，自行发现并修正了自己的三个测量 bug。
- 03给 Fable 5 思考过程加字数上限的优化方式被证伪：任务从 92 轮变成 138 轮，输出翻倍更贵；先用便宜模型 Sonnet 做计划再让 Fable 执行也被证伪：计划结构完全走样。
- 04开发者 hiromi maeo 从 Anthropic 官方文档中反向提炼了一份行为规范（结论先行、立即行动、实证汇报等），用于指导 Fable 5 生成的 subagent 任务，改善输出质量。
- 05开发者 Machina 制定了 25 个可复用的定时工作流（loop），每个 loop 包含排期表、状态文件、停止条件等要素，其中影子 Prompt（Shadow Prompt）loop 用于在真实流量中对新旧 Prompt 进行 A/B 测试。
- 06Anthropic 官方提供了两个可直接使用的提示语模板：一是自动检查点，让模型在真正需要人类介入时才暂停；二是记忆系统，让模型只记录被纠正过的错误和已验证的有效方法。
- 07作者推荐在写需求文档前，先让 Fable 5 反向面试你，直到它有 95% 把握完成任务，再用 /goal 结构化模板写出初版计划。
反方 / 局限
- — 作者认为在 API 计费时代，限制模型能力来省 token 是错误做法，但未讨论 token 成本失控的极端场景，也未提供预算封顶的具体策略。
Claude Fable 5Opus 4.8SonnetAnthropicJesse Vincenthiromi maeoMachinaFiona FungSuperpowers/goal 提示语subagentShadow Prompt loop
13 分钟 · 3 卡片 · 8 资料
读原文 →