Nate Herk · 09:59 · 发布 2026-07-07 · 4.5万次观看(截至抓取) · 观看原视频
主旨
作者主张”模型本身的智能你留不住,但它的过程你可以留住”,做法是把 Fable 5 的工作纪律(五关流程)抽成一份模型无关的 skill 文件,装到 Opus 4.8 上,再用一张含成本/智能/品味三维评分的模型路由表把活分给 Opus、Sonnet、Haiku 各司其职。
核心论点
- 模型的智能留不住,过程可以留住——给 Karpathy 配 Sonnet 也能跑赢给新手配 Fable 5,证明围绕模型的指令、系统与循环比模型本身的指数级智能差距更决定产出。(→ 详解1)
- 把 Fable 当老师而不是工具:让它把所思所为打包成可移交的 skill——把不能直接复制的能力固化成可复制的工作纪律,Opus 也能”像 Fable 那样思考”。(→ 详解2)
- 把 Fable 的工作纪律放进五关流程里,任何模型都能按它跑——scoping / evidence / attacking / verifying / reporting 五步既是 skill 文件骨架,也是动态工作流天然的子任务切分点。(→ 详解5)
- 效力等级不是越高越好,反而是越高越容易过度思考产出更差——Fable 5 在低档已经接近 Opus 4.8 在高档,Max 档时常因自我怀疑而劣化结果。(→ 详解4)
- 给主 agent 一张含成本/智能/品味的模型路由表,让 Opus 调配 Sonnet/Haiku 干执行活——作者实测 Opus 编排 + Haiku scouts 比全 Fable 便宜约三倍且产出相同。(→ 详解6)
知识点详解
1. 模型不是护城河,过程才是 00:30
视频开篇用一组对比把”换更好的模型 = 解决问题”这条直觉敲碎:让一个 AI 新手拿到 Fable 5,而让 Andre Karpathy 拿到 Sonnet 3.7,后者照样会做出更好的东西(“Karpathy will build something better than the beginner, even though the beginner’s model is exponentially better”)。作者的意思不是 Fable 5 不强,而是”如何调用”与”在它周围搭的系统”远比模型本身的指数级智能差距更决定产出。
他补了一组自己跑过的对照:用 Claude Code 的动态工作流让 Fable 当编排者,把 Fable、Opus、Sonnet 各做子 agent 跑同一组任务。“the results are about the same, even though the Fable runs costed me exponentially more”(01:07)——三组子 agent 的产出大致相同,但 Fable 子 agent 那一组的账单是 Opus、Sonnet 那几组的指数倍。
由此推出全片的核心命题:“you can’t keep the model’s intelligence, but you can keep its process”(01:14)。所谓护城河,是围绕模型的指令设计、流程编排与循环,而不是某个特定快照下的模型本身。
2. 把 Opus 变成 Fable:老师而非工具 01:15
作者把改造 Opus 的第一步归结为”换一种看待模型的角色”:不再是当工作马用,而是当 senior engineer 用——把 Fable 5 想象成一位正准备把手头知识打包交接给下一批初中级工程师的高级工程师(“treating Fable like kind of like a co-founder or more like an officer at my company rather than just an employee”,02:19)。
这道隐喻直接决定了后面的方法:Fable 5 在他手里不是直接干活的雇员,而是 author / teacher 角色——让它跑一遍作者的 setup 与 skills,顺手做出改进(每轮反馈后把修正写回指令,本身就构成自我退火循环),作者跟着提炼出”为什么这样改效果好”的工序。
“动态工作流”在这里的概念含义也跟着改变:不再是编排者一股脑干到底,而是编排者先做完规划与未知风险扫描,把可执行的子任务派给便宜模型,再把反馈收回来继续设计下一步。
3. 从泄露的 Fable 系统提示里捞到的四条纪律 02:33
Fable 5 的系统提示最近被泄露到网上,作者顺手和 Fable 一起读了一遍,挑出几条值得固定进你自己工作流的”工作纪律”。
第一条是关于训练与现时的分野——“Partial recognition from training does not mean current knowledge, meaning just because something’s in your memory, you should probably verify it”(02:48)。比照之下,“提示里说有个文件 ≠ 文件真的存在”(02:53),Fable 被指示要在每一步都核验它正在处理的对象是否真在。
第二条是关于提问策略:面对模糊查询,先给出一个有信号的答案再去澄清——“address even an ambiguous query before asking for clarification. so, answer first, then ask. one question max”(03:04)。
第三条是关于效率:不同体量的任务分配不同的推理资源——“one for signal facts, three to five for medium tasks, five to 10 for deeper research comparison”(03:14)。这条是后两节要展开的”效力等级”在系统提示层面的源头。
4. 效力等级:更高未必更好 03:18
Anthropic 为 Fable 5 与 Mythos 5 发布时画过一张散点图,Y 轴是 benchmark 分数、X 轴是成本,Fable 5、Opus 4.8、GPT 5.5 各自在不同效力等级上各占一点。作者直接拿来当论据。
他指出:“Fable 5 on low is pretty similar to Opus 4.8 on high”(03:55)。Fable 那一档更贵、更准,Opus 那一档便宜、稍弱,但”接近”两字说明这个差距不足以否决把便宜模型拉到高档位的可能。
更反直觉的是他实测过 Fable 和 Opus 拉到 Max 档的后果:“starts to go way longer, get way more expensive, and then it overthinks, and it, you know, second-guesses itself, and then it ends up producing something worse”(04:16)。结论是日常只把 Fable 锁在高,而把 Max 留给真正需要能力敏感的任务。
本节与既有 Anthropic 工程师笔记 第 3 节”按任务配效力等级”一致——把它读到那一篇就够了,这里是补”为什么有效力等级”的那一段(过度思考导致质量下降)。
5. 造 Fable 模式 Skill:把过程固化进五关 04:25
作者推荐的”提取 Fable 方法”分两段。第一段是让 Fable 反推自己——“if you’ve ever gotten a deliverable from Fable that you just loved, and you couldn’t really explain what you loved about it, have Fable analyze it, or have Opus analyze it”(04:47),具体提”你是怎么走到这一步的、你做了什么证明它有效、你怎么得到这个好输出的”,然后”turn that into a skill”(05:03)。
第二段是把这些反推出的过程固化成一份五关 skill——“scoping, evidence, attacking, verifying, and then reporting”(05:27)。在 07:10 一段他把五关展开成”scoping before you work… evidence before reasoning, reasoning adversarially, verifying before or declaring done, and then calibrating”。
作者演示用的 prompt 是:“Write a complete installable skill file that makes Opus 4.8 operate with your judgment, your planning, verification, and reasoning habits”(06:34)——而这份文件的执行主体是模型无关的:“you could even have GPT 5.5 run this if you want, or even open source models run this if you want”(07:04)。
值得单独拎出来的是”scoping”和一般 plan 的区别:不只是列步骤,而是”playing devil’s advocate and thinking about… what about everything that could possibly go wrong?”。这条被挖深到底:Fable 编排的动态工作流之所以值得用 Sonnet 跑执行,核心就是 Fable 已经把”所有可能出错的事”预先扫过一遍,设计出的工作流允许 Sonnet 把执行结果回传、Fable 继续设计下一步。
6. 模型路由表:成本/智能/品味三维 07:30
模型路由在作者手里被固化成一张表,挂在主 agent 可见的位置,告诉它”工具集里每种模型按 cost、intelligence、taste 三个维度评分”:cost 列数字越大代表越便宜,intelligence 衡量它多聪明(理解你到什么程度、审代码能力等),taste 衡量审美与跳出框架的能力(创意、UI/UX 等)(08:11)。
这张表不是静态的运营模板,而是动态工作流每次派人时都就近查的依据。具体到一个实跑的例子:他让 Opus 4.8 当编排者、配 Fable mode prompt,子 agent 用三组对比——Sonnet 工人、Opus 工人、Haiku 工人。
三组的关键结论是:全部用 Haiku scouts 的那一组,产出与全 Sonnet、全 Opus 完全一致,但便宜了约三倍——“the one where the Opus orchestrator delegated to all the Haiku scouts, it was this much cheaper… about three times cheaper and the result was the exact same”(09:06)。
本节与 Anthropic 工程师笔记 第 5 节描述的”模型自选静默路由”机制不同:那里的路由由模型内部判定、对用户不可见,这里由主 agent 自己查表派活,人能查证每次派了什么、给了什么 prompt。
7. 收尾:模型拿不住,流程拿得住 09:15
最后一节作者把镜头拉远。他注意到最近评论区、社群里很焦虑,因为听到 Fable 5 的访问权会再次回归订阅制,以后不一定拿得到。
他的回应是直接承认这一现实——“we don’t own anything. We don’t own these models. So, what we can own is our processes, our systems, our methodologies”(09:38)。这句话正好是本片开头那条命题的回声——你无法持有模型本身,但能持有围绕模型的工序与系统;模型可能改换、可能再次被收走,但你已经抽出来的过程不会因此消失。
他预告下期会继续挖自托管与硬件方向,呼应本片里”Fable + Sonnet”的分工——硬件与本地模型是这条分工的进一步外推:把”过程”也布到你能控制的机器上。
可执行步骤
- 把你某次从 Fable 拿到的、但”说不出好在哪”的产出重新喂给 Fable(或 Opus),按”你是怎么走到这一步的、你做了什么证明它有效”两个问题把它解构,再把解构出的工序写成一份 skill 文件。
- 把这份 skill 文件按 scoping / evidence / attacking / verifying / reporting 五关组织,每一关都给出可验证的判据(不只输出物,还有核验步骤)。
- 把 skill 文件装到 Opus 4.8(或 GPT 5.5、任何开源模型)上跑一轮,确认体感比裸用 Opus 明显提升,再考虑固化。
- 给主 agent 配一张至少含 cost / intelligence / taste 三维评分的模型路由表,taste 列里塞进”创意、UI/UX、跳出框架”等你想让便宜模型尽量少碰的能力子项。
- 在 Claude Code 里设计一组动态工作流,编排者用 Opus、scouts 用 Haiku,跑一遍同任务对比三组不同档子 agent 的产出与账单。
- 复盘自己的长任务:什么时候把效力等级推到 Max 反而比”停在高档”更糟?把这些场景记下来,作为”Max 档禁用清单”。
- 备份你已经抽出的 Fable mode skill 到自有 vault / wiki 里,而不是依赖某个第三方平台。模型可能再次改订阅,但流程不会。
关联
- 印证:Anthropic 工程师笔记 第 3 节按任务挑效力等级、第 5 节模型静默路由到 Opus——本片在同一频道补充了”为何要固化效力等级(Max 反而过度思考)“与”主动查表路由”两张牌,共用同一套分歧维度。
- 互补:Fable5+Karpathy 笔记 第 4 节主张”摄取阶段用什么模型不重要,摄取后怎么用才是差异所在”,本片是同一论点的指令层实现——把”摄取后”这一步的”工序”显式化成 skill 文件,落到五关流程。
- 互补:索引里的 Scout 模式 指主 context 投入规划前先派 scout subagent 探明资料,本片”Opus orchestrator delegated to all the Haiku scouts… about three times cheaper and the result was the exact same” 是该模式在 Opus 上的具体落地,且在 routing 表加持下从单点技巧变成可重用的编排骨架。
- 进阶:本片把”模型路由”从凭经验的临时判断固化成一张可被 agent 查询的表,索引里的 模型分散(CC 高阶课·模型分散)主张”主力约 70% + 多家分流”,本片与之指向一致,但用更细的成本/智能/品味维度替代”70/30”经验比例;先读 模型分散 建立”为什么需要多元”,再读本片填怎么路由的颗粒度。
一手来源与延伸
- 作者的免费资源社群(Fable mode skill 直接发布在这里):Nate Herk · AI Automation Society (Skool)——视频中”this is my Fable mode skill, which I’ll attach in my free skill community completely for free. the link for that is down in the description”指向的同一条链接,从 description 提取、与视频原话一致。
术语
- 效力等级(effort level)——Anthropic API 调用时的推理预算档位,模型在指定预算内决定思考深度,与上下文窗口、模型本身并列的第三维参量。
- 动态工作流(dynamic workflow)——把”完成某个高层目标”包成规划、设计子任务、派工、回传、迭代几步循环组成的工作流,本片中由 Fable/Opus 做规划、Sonnet/Haiku 做执行。
- 模型路由表(model routing table)——给主 agent 的一份关于”工具集里不同模型在 cost/intelligence/taste 维度上评分”的可查询清单。
- 五关流程(five gates)——Fable mode skill 里的五条工作关:scoping / evidence / attacking / verifying / reporting,任何模型按这五关顺序执行即可复现 Fable 思维。
- 品味(taste)——本片路由表里引入的第三个评估维度,衡量模型在创意、UI/UX、跳出框架思考上的能力,与 intelligence 维度并列。
金句
“you can’t keep the model’s intelligence, but you can keep its process” → 全片核心命题:模型本身随时可能改换、被收走,但围绕它设计的工序不会因此消失。01:14
立场与利益
视频中作者把自有 AI agency 课程、AI OS 社群放在 description 引流,而 free skill + free resources 的社群页本身就是 lead magnet(订阅群体才能领到)。关键主张按利益方向分档:
- 与利益同向(待印证):“装上 Fable mode skill 后 Opus 4.8 feels elevated”——skill 文件由作者自己提供并放到社群,不收费却带动”AI 自动化社会”skool 群增长,需独立第三方验证。
- 利益中性:Karpathy / 新手类比、用 Fable 编排 + 不同档子 agent 时产出接近、全 Haiku scouts 便宜约三倍——这些是观察类主张,可独立验证,与作者变现路径无直接绑定。
- 与利益反向(可信度最高):“we don’t own anything. We don’t own these models… what we can own is our processes”——明确劝观众不要把”会用一个特定模型”当长期资产,反而削弱其课程对模型选择的依赖性,属于不利己的忠告。
利益证据:description 同时挂了 $1M AI agency 推广(app.aiautomationsociety.ai/opaa-ads-optin)与 affiliate(VPS hostinger.com/vps/claude-code-hosting + get.glaido.com/nate)。
价值定位
对已在用 Claude Code、想把”会调 Fable”这一技能转成可重复可用工作流的人是高优操作指南:五步流程有具体可抄的 skill prompt 与演示用的五关清单,跑一遍就能把”会用 Fable”沉淀成”也能让 Opus 跑出 Fable 思路”。认知层面是”模型不是护城河,流程才是”的可操作化,实操层面是路由表 + 五关 skill 文件两块具体工具。
与同频道既有的 Anthropic 工程师笔记 重叠在”按任务定效力等级”这一条;本片独有的是”Fable mode skill 文件结构 + model routing table”——重读时只要看这两节即可。
自检问题
- 为什么作者说 “model isn’t the moat”,却不让读者因此放弃 Fable? 答案:不是否定 Fable,而是说 Fable 本身的智能不是你的资产,你可以复制的是它的工作纪律;作者接着给出五步路线,把这种纪律固化进 skill 文件,从而任何模型都能复用。详见「知识点1」。00:30
- 视频里说的”五关”具体是哪五步?它们和一般的 plan-then-execute 有什么本质不同? 答案:scoping / evidence / attacking / verifying / reporting。区别在于 evidence-before-reasoning 与 reasoning-adversarially 两条:在推理前先要证据,在推理中以对抗视角逼出盲点,而不是一次性把执行步骤列完就走。详见「知识点5」。05:27
- 效力等级被推到 Max 为什么会产生更差的结果,而 Fable 5 低档为何反而接近 Opus 4.8 高档? 答案:Max 档容易让模型过度思考、second-guess 自己的中间结论,最终产出比停在高档还差;Fable 5 在低档与 Opus 4.8 在高档的散点距离很小,说明高成本不一定对应高智能差。详见「知识点4」。03:55 / 04:16
- 模型路由表比”凭印象派活”多了哪两件事? 答案:把 cost / intelligence / taste 三维度评分公开给主 agent 可查;把它具体化到每一次派工时由 agent 自己看表挑选,不依赖人按类型提前分流。这条对应 Opus 编排 + Haiku scouts 便宜三倍的那次实跑。详见「知识点6」。08:11 / 09:06
- 作者为什么在结尾劝观众”不要依赖任何特定模型”,这与他卖课程的行为是否矛盾? 答案:不矛盾。他卖的其实是”如何让任何一个模型都跑出 Fable 的工作纪律”,所以劝读者不要把希望挂在某个模型上,反过来说明课程的长期价值;视频中”我们不拥有任何模型”这一段属立场节里”利益反向”档。详见「知识点7」。09:38