最強的 AI 模型 Fable 5 回歸了，但只到 7 月 7 日、而且用掉每週額度一半就沒了。與其亂用一通，不如把它留給「需要深度思考、影響未來幾個月」的高槓桿工作。這篇我把 Peter Yang 的 5 個用法整理成可以照做的清單，最後也接上我自己這陣子跑 AI 工作流的體會。
這是誰講的？為什麼值得聽
影片來自 Peter Yang——就是之前我整理過「AI 採用 5 個層級」那位，專門做「不吹捧、可實作」的 AI 教學。他這集開宗明義就丟出一句提醒：
「別跟 Fable YOLO，也別浪費這次機會。」（Don't YOLO it with Fable and don't waste this opportunity.）
會這樣講，是因為 Fable 5 這次是限時回歸：只到 7/7、而且用到每週訂閱額度的 50% 之後就轉成 pay-as-you-go 的 API 計費。換句話說，額度很珍貴，每一次呼叫都要花在刀口上。
為什麼「怎麼用」比「有沒有用」更重要
Peter 的核心觀點很簡單：頂尖模型最強的能力，是「讀一大堆資料 → 萃取洞察 → 直接採取行動」。所以真正該交給 Fable 的，不是接 API、擬草稿這種雜事，而是那些「需要它讀很多東西、想很深」的任務。
他甚至先做了一件很聰明的事——直接問 Fable：「你是最強的模型，翻我的 memory 跟專案，列出 5 件值得由你來做、需要深度思考的任務。」讓模型自己挑出高價值的活。這也帶出了下面完整的 5 個用法。
Fable 5 的 5 個高槓桿用法
1. 用 Fable 找「值得用 Fable 做的事」
核心動作：叫它翻你的 memory 跟檔案，列出最值得由它處理的深度任務。
Peter 實測的結果，Fable 從他的紀錄裡挖出「事業策略壓力測試、跨平台內容轉換稽核、把三年電子報存檔挖成內容路線圖」這種任務。共同點都是「讀大量資料、萃取洞察、採取行動」。
小結：不知道該把最強模型用在哪，就讓它自己告訴你。
2. 要人生／事業建議（他說這是最高槓桿的一個）
核心動作：三步驟——① 先給一份 plan doc；② 接上相關的 API／MCP；③ 再請它給建議。
plan doc 裡他會放：年度目標、幾條決策原則（例如「往感覺像玩的方向走」）、事業定位（客群、痛點、差異化）、什麼給我能量／什麼消耗我、還有生活與財務現況。然後把 Fable 接上銀行、電子報數據、YouTube、網站分析，讓它需要時自己去撈數字。
準備好之後，他只丟一句：「看我的 plan doc 跟內容排程，寫一頁診斷，告訴我未來 3 個月該專注什麼。」
小結：這會影響你未來 3 個月到一年的方向，是最值得花 Fable 額度的一件事。
3. 上線前，讓它把專案「挑到見骨」
核心動作：「讀整個 codebase，找出所有真的會在使用者面前爆掉的 bug。」
Peter 有個自己用了一個月、自認很穩的健身 App。他叫 Fable 檢查，Fable 開了 5 個 agent 去掃，找出 12 個以上的重大 bug——其中一個是「使用者被迫登出時，A 的資料可能外洩給 B」，這種真的上線就是災難。他說同一個 prompt 丟給其他模型，找到的遠遠沒這麼多。
小結：手上有 vibe coding 的半成品專案，上線前先讓最強模型抓一輪 bug，CP 值超高。
4. 規劃下一個大東西（規劃交 Fable、執行交便宜模型）
核心動作：請 Fable 出一份夠細的計畫——階段、要做的決策、風險、待答問題，寫成 HTML 讓你 review。
他請 Fable 規劃一個新的營養紀錄功能，Fable 不只列出開發階段，還自己找到美國 USDA 的食物資料 API、甚至幫忙畫出介面設計跟資料架構。重點是最後這句 prompt：「給我一份清楚到連比較便宜、比較笨的模型都能照步驟執行的計畫。」
小結：「Fable 負責想清楚、便宜模型負責做」——把貴的算力花在最需要腦的規劃上。
5. 重構一整個大系統
核心動作：把龐大、糾結的系統丟給它稽核、清理、重構。
他舉了一個誇張的例子：Stripe 用 Fable 一天內重構 5000 萬行 Ruby 程式碼，人工要花整個團隊兩個月。不過他也說得很實在——你不用真的有那麼大的 codebase，他自己是拿 Fable 去稽核整理「40 幾個自己建的 AI skill」，一口氣找出 13 個可以改進的地方（死掉的區塊、重複、模糊的指令）。
小結：你的「個人 OS」、一堆 workflow、一堆 skill，也算是一個值得整理的系統。
3 個把 Fable 用到極致的訣竅
- 用便宜模型做前置：接 MCP、擬草稿這種雜事，用 Opus 或 GPT 先弄好，別浪費 Fable 的額度。
- Fable 規劃、別的模型執行：詳細計畫交給 Fable，實際 coding 交給比較便宜的模型。
- 用 high、別用 ultra，還要盯著它：ultra effort 額度會秒噴；而且它偶爾會鑽牛角尖、原地打轉狂燒 token，要看著。
接回我自己的體會：關鍵從來不是模型，是你有沒有「套上韁繩」
看完這 5 個用法，我最有感的其實不是哪一招，而是背後那個共通邏輯，正好對上我前陣子一直在想的一件事。
我最近很認同一句話：「如果你 AI 用得不好，一定是你自己做錯了什麼。」現在的模型已經強到超過一般人，工具本身沒問題，差別在你有沒有用你的專業幫它套上「Harness」（韁繩），把它框在你懂的領域裡。你越懂那個領域，你給的 plan doc 越準、你判斷它答案對不對的能力越強，它產出的東西才會真的好。
Peter 這 5 個用法，每一個其實都是在「套韁繩」——給它 plan doc、接上你的數據、叫它照你的標準抓 bug。這也是為什麼我一直堅持「先規劃再執行」：先跟 AI 把方向、架構聊清楚，確定好了才讓它動手，完成度會高很多。
我自己這陣子在跑一個 AI 自動化的小實驗，最深的心得跟他第 4 招一模一樣：用最聰明的模型負責規劃跟搬移、把重複性的執行交給比較省的模型。強模型想清楚架構、細節讓便宜模型跑，成本跟品質才平衡得起來。所以我覺得 AI 時代反而更要逼自己當個「通才」——你懂得越廣，能幫 AI 套的韁繩就越多、越準。
套用前，有幾點要提醒自己
- 這是限時的：Fable 只到 7/7、額度用到一半就沒，所以「規劃在前、雜事外包」不是選配，是必要。
- 強模型不是萬能：它有時會鑽牛角尖狂燒額度，一定要盯著、適時喊停。
- 韁繩要靠你自己：你不懂的領域，AI 再強也生不出對的東西——因為你連它對不對都看不出來。這也是為什麼「變通才」比「學會下提示詞」更根本。
▶ 完整影片
本文整理改寫自 Peter Yang「Don't Waste Claude Fable 5: Five Must-Try Use Cases Before July 7」（2026）。原片：https://youtu.be/5CBnWGP5vIs
留言
張貼留言