Fable 5 駕馭工程 Harness Engineering 實戰提示詞：強化 AI 大腦

2026 年 7 月 Claude Code 帳號多了一個選項 Fable 5，Anthropic 目前最強的模型，現在到 7/7，訂閱方案可以撥最多每週用量上限的一半去跑 Fable 5，不用另外付錢，用超過就得靠 usage credits 額外付錢。

7/7 後 Fable 5 就整個被移出訂閱額度，之後每次用它都得花 usage credits，也就是方案之外另外掏錢。

大部分人拿到 Fable 5 的第一反應，是丟一個最難的題目給它，解完，爽一次，結束。

但你真正應該做的事：不讓 Fable 5 寫任何一行產品程式碼，用一份設計過的提示詞，讓它把自己的判斷力寫成制度檔案，交接給之後每天陪我工作的弱模型，這件事叫駕馭工程（Harness Engineering），這篇文章會把那份 Fable 5 提示詞全文公開。

你會拿到三樣東西：這份提示詞的設計邏輯、可以直接複製的提示詞全文，以及 Fable 5 實際跑完一輪的結果與踩坑，就算你沒有 Fable 5，換成手上最強的模型一樣能跑。

Fable 5 只有一次機會，為什麼不拿去寫 code？

因為寫 code 是一次性產出，立制度是複利資產，Fable 5 的額度花在後者，報酬率高一個數量級。

一次性產出 vs 複利制度：Fable 5 的 token 花在哪才划算？

你可能會想：Fable 5 寫 code 品質最好，不拿來寫最難的 code 很浪費吧？

問題是那段 code 只服務一個功能，而且 Sonnet 這級的模型其實也寫得出來，只是你要多盯一點。

但「什麼時候該停下來問人」「怎麼判斷方向錯了該換路」「驗收條件怎麼設計」這種判斷，弱模型自己生不出來，這才是 Fable 5 獨有的價值，把它寫成檔案，之後幾百個弱模型 session 全部受益。

貴模型解 1 題，便宜模型抄 49 題是什麼意思？

這是駕馭工程裡省額度的核心手段，也寫進了 Fable 5 這次產出的模型調度守則。

遇到 50 個同類問題，不要讓貴模型從頭做到尾，讓它把第 1 題解透，把解法寫成明確步驟，剩下 49 題降級給便宜模型批次套用，最後用全域搜尋做二次驗證，不信任執行者自己回報。

Fable 5 的額度是預算，判斷力才是你真正在買的東西，把判斷力固化下來，額度就從消耗品變成投資。

駕馭工程 Harness Engineering 是什麼？跟提示工程差在哪？

駕馭工程（Harness Engineering）是把高階模型的判斷力，轉成制度檔案與交辦規則，讓之後每一個較弱模型的 session 都能沿用的工程方法，它優化的不是單次回答，是你跟 AI 協作的整個作業系統。

提示工程管一次對話，駕馭工程管之後每一次？

這就是兩者的分界線。

提示工程（Prompt Engineering）解決的是「這一次怎麼問得更好」，你花心思寫的提示詞，對話結束就蒸發了，下一個 session 從零開始。

駕馭工程解決的是「以後每一次都自動變好」，產出的不是一段話，是一組檔案：指令檔（CLAUDE.md、AGENTS.md 這類每次對話自動載入的規則）、判斷準則、交辦範本、踩坑帳本，AI 每開一個新 session 都會讀到。

我之前在〈Agent Harness Engineering 編排工程〉那篇談過這個概念的產業背景，這篇是我拿 Fable 5 完整跑一輪的實戰紀錄。

為什麼弱模型需要制度，而不是更長的提示詞？

因為弱模型缺的不是資訊，是判斷力，而判斷力沒辦法用一段提示詞補，只能用具體的判準與範例外化給它。

舉個例：你跟 AI 說「做完要驗證」，弱模型會點頭，然後照樣跟你說「已完成」但什麼都沒驗。

但如果制度檔寫的是：說完成之前，必須貼出一條證據，測試輸出、curl 回應、或檔案回讀比對，貼不出來就只能說「已修改但無法驗證」，弱模型就有了可以逐條對照的行為規格，這才叫可執行。

抽象要求等於沒寫，這是駕馭工程的第一原則，也是等一下你會在提示詞裡反覆看到的設計。

怎麼給 Fable 5 下指令？完整提示詞直接公開

下面就是我實際貼給 Fable 5 的完整提示詞，一字不改，你可以直接複製使用。

這份 Fable 5 提示詞的設計邏輯是什麼？

整份提示詞只圍繞一個目標：讓最貴的模型交出可以留下來的東西，所以每一段都在防一種浪費。

任務段先把定位釘死：立制度，不做日常任務，讀者是弱模型，抽象要求等於沒寫。

核心架構原則防規則漂移：一份正本，三個薄索引，任何規則只有一個出處。

作業規則防額度浪費：指揮官不下場、隨做隨寫、先查證再動筆。

交付清單把產出排成 A 到 G 的價值順序，隨時中斷都有完整交付。

收尾強制對抗審查與回讀驗證；誠實條款逼它承認查不到的事，不准編造。

Fable 5 提示詞全文（複製即用）

- 任務

這是我這輩子唯一一次使用 Fable 5 的機會。這個 session 結束後，我的日常會由較小的模型
（Sonnet、Haiku、以及 Codex / Hermes 上的對應弱模型）長期運作。

而且我不是只用一個工具：我同時使用 Claude、ChatGPT Codex、Hermes Agent 三個 agent。
它們共用同一個我、同一批專案、同一套判斷力，但各自有不同的指令檔、記憶機制與能力。

你的任務只有一個：
把你的判斷力轉成「一份共用正本 + 三個薄索引」的制度，讓三個 harness 上每一個較弱模型的
session 都因此變強，而且不會互相漂移。用這個 session 立制度，不要拿去執行日常任務。

你的讀者是三個平台上的弱模型：規則要具體、可執行、有判準與範例，抽象要求等於沒寫；
所有產出須在 Sonnet 等級（以及 Codex / Hermes 的對應弱模型）跑得動，不得依賴只有強模型才懂的默契。

注意：某些請求會被安全機制自動導向到 Opus 4.8，你未必總會察覺，所以別把價值綁在特定型號上，
要綁在「把高階判斷轉成便宜模型、且跨三個 harness 都能長期沿用的制度」上。

Fable 5 的額度是稀缺的，當預算來管理。


- 核心架構原則（凌駕全部）

單一正本，禁止在三個 harness 各寫一份。
制度內容一律寫進「共用正本目錄」（優先沿用我既有的 ~/.agents/ 那套 symlink 正本邏輯；
若不存在就建 ~/.agents/institution/，並在回報中說明你的選址理由）。
三個 harness 各自的指令檔（Claude=CLAUDE.md、Codex=AGENTS.md、Hermes=其對應檔，實際檔名先查證）
只放「路由到正本」的薄索引，NEVER 塞長內容、NEVER 各自複製一份規則。
任何規則只有一個 source of truth；三份索引指向同一份正本。


- 作業規則

0. 先撈舊記憶再立新制度。
   在動任何產出前，盤點並匯出三個 harness 各自的既有記憶與指令：
   - Claude：CLAUDE.md、記憶目錄 / MEMORY.md、已存的 lessons、可用 skill 與 subagent。
   - Codex：AGENTS.md 及其記憶 / 設定機制（查證實際檔名與位置）。
   - Hermes：其指令檔與記憶機制（查證；查不到就標「待使用者填寫」）。
   把三邊記憶去重、標出互相矛盾處，整併成共用正本的初始素材。
   矛盾處不要自己裁決，列成清單在開場問題裡問我（併入下方最多五題）。

1. 先盤點環境再產出。
   對三個 harness 各查：指令檔路徑、可用 subagent / 平行機制、當前實際可用的模型與 effort 參數、
   MCP、skill、記憶機制、能不能顯式指定 model。做成一張三欄對照表。
   盤點完先回報「查到什麼／假設什麼／查不到什麼」，再開始產出。
   開場問題最多五題（含第 0 步的記憶矛盾），之後自主作業不再停等。

2. 指揮官不下場，以省額度。
   大量讀取、掃 repo、查網頁、批次改檔、驗證，一律派便宜 subagent（在支援的 harness 上）或
   標記為「應由弱模型執行」；主對話只進結論。高階主線只花在「換便宜模型就掉品質」的判斷上。
   Codex / Hermes 若無 subagent 機制，改用「單獨的低成本 session + 明確交辦包」達成同樣分工，並在守則裡寫明。

3. 價值排序、隨做隨寫。每完成一項立刻存進正本再做下一項；隨時可能中斷，存檔的就是全部。

4. 改既有檔前先備份。新內容寫新檔；三個 harness 的索引檔只放路由，不塞長內容。

5. 型號與參數先查證，絕不憑記憶填。查得到寫實際值，查不到寫「待使用者填寫」並在回報中標出。
   三個 harness 的可用型號各查各的，不要拿 Claude 的型號套到 Codex / Hermes。

6. 核心常載檔有上限：每個 harness 的索引檔本體 ≤150 行且只當路由；
   共用正本裡的常載檔合計 ≤500 行；其餘做成按需引用檔。超過就精簡或拆分。

7. 若時間窗口允許，可跨 2–3 個 session 完成，每段之間派 fresh-context subagent 驗證再續，
   不賭不能中斷的長 session。


- 交付清單（全部寫進共用正本，按價值排序）

A. 快速診斷（先寫，供後面引用）：
   三個 harness「最漏 token、最易失焦、最易出錯」的前三名，各附一個弱模型能照做的具體修法。
   若某問題三家共通就合併寫，若是某 harness 獨有就標明是哪一家。

B. 三個索引檔 + 共用正本骨架：
   建立共用正本目錄結構；改寫 Claude 的 CLAUDE.md、Codex 的 AGENTS.md、Hermes 的指令檔，
   三者都改成「薄索引 → 指向正本」，收斂重複、刪過時，套「弱模型明確、強模型留白」，守規則 6 上限。
   明確標出：哪些規則是三家共用（放正本）、哪些是單一 harness 專屬（放該 harness 索引的專屬區塊）。

C. 模型調度守則（正本內獨立檔）：
   指揮官不下場；任務交辦三要素（目標與動機、驗收條件、回報格式）；
   顯式指定 model 與 effort（依規則 5 查證後的實際型號，三個 harness 各一欄）；
   回報合約（subagent / 低成本 session 只回結論與「檔案:行號」，長產物存檔後傳路徑）；
   升降級路徑（弱模型錯一次升級、中階同一子任務連錯兩次帶完整失敗軌跡升級、
   解出模式降回便宜模型批次套用、同一件事最多重試兩輪）；
   驗證不自驗（派 fresh-context agent：檔案 read-back、程式碼測試或實跑、高風險判斷加第二意見或多答案評審擇優）；
   跨 harness 分工：什麼任務適合放哪個 harness（依其 sandbox / 檔案存取 / 型號能力），查證後填。

D. 判斷力外化（正本內獨立檔，harness 中立）：
   把高階判斷寫成弱模型可執行的 rubric 與 checklist，每條附一正例一反例。
   至少涵蓋：何時升級模型、何時算真的完成、何時停下來問使用者、
   什麼訊號代表方向錯該換路而非重試、品質底線怎麼驗。
   這份必須三個 harness 都能照用，不得綁定任一平台的專屬語法。

E. 任務交辦 prompt 範本（正本內，harness 中立）：
   含驗收條件與回報格式的填空，任務型態各一份：搜尋、實作、重構、研究、審查。
   每份標明「在有 subagent 的 harness 怎麼派、在沒有的 harness 怎麼開低成本 session 交辦」。

F. 維護協議（含跨 harness 同步）：
   哪些檔弱模型可自行改、哪些動前先問使用者；
   踩雷教訓寫回哪個檔與格式；累積多長要精簡；
   關鍵新增：三個 harness 的記憶如何回寫到同一份正本（避免再度漂移），
   以及每個 harness 的索引檔如何驗證仍指向正本、沒有偷偷長出重複內容。

G. 給未來 session 的信：
   三件我沒問但你認為最重要的事；這套三 harness 制度最可能的退化方式與預防法
   （尤其「三份索引漂移」與「某 harness 記憶沒回寫正本」）；
   誠實列出你這次哪幾份產出信心最低、為什麼。


- 收尾（必做）

1. 派 fresh-context subagent 對抗審查全部產出：規則互相打架、三個索引檔是否真的都只路由不重複、
   路徑或工具名錯誤、型號是否為查證後的實際值（且沒把某 harness 型號誤植到另一家）、
   弱模型會誤讀的模糊句。修完為止。

2. read-back 驗證每個檔（正本 + 三個索引）確實建立、內容完整、索引確實指得到正本。

3. 給我一頁總結：改了什麼、為什麼、三個 harness 明天各自怎麼開始用。

4. context 或額度快用完：立即停止產出，先完成收尾 1–3，未完成項寫進 G 交接。


- 誠實條款

拆解、驗證、多樣本評審補得了執行品質；模糊題與品味判斷補不了，
遇到就寫明處理方式（升級模型、外部第二意見、或明說做不到）。
不確定就查，查不到標註不編造：特別是三個 harness 各自「當前可用的型號與參數」、
「是否支援 subagent / 顯式指定 model」、「記憶機制實際檔名與位置」、
以及「被導向到 Opus 4.8 的請求是否消耗此窗口額度」這類事，
查不到就寫「未確認，建議到對應平台的 usage / 設定實測」。

沒有 Fable 5 怎麼辦？要改哪三個地方？

第一，把提示詞裡的 Fable 5 換成你手上最強的模型，Opus、GPT-5.x 最高推理強度都行，駕馭工程的價值來自制度，不是特定型號，提示詞裡那句「別把價值綁在特定型號上」就是為這個寫的。

第二，工具名單換成你自己的，你只用一個 AI 工具，就把「三個 harness」改成一個，核心架構原則簡化成「指令檔只放薄索引，長內容抽成引用檔」，一樣成立。

第三，正本目錄路徑按你的環境調整，提示詞裡的 ~/.agents/ 是我機器上既有的共用目錄，你沒有的話，AI 會照提示詞指示自己建一個並回報選址理由，不用你先準備。

Fable 5 實際跑出什麼？六步全紀錄

Fable 5 收到提示詞後跑了六步：盤點環境、掃描歷史、立正本、建薄索引、對抗審查、回讀驗證，全程只問了我一輪共四個問題，之後自主作業。

為什麼先掃描 236MB 對話紀錄，而不是直接寫規則？

因為制度要解的題目，全部藏在你過去糾正 AI 的紀錄裡，憑印象寫規則，寫出來的是你以為的問題，不是真實的問題。

Fable 5 派了三個平行的 subagent（子代理，主對話派出去做事的分身），分頭掃描三個工具的全部歷史：Claude 這邊 33 個 session 共 236MB 的對話紀錄，Codex 這邊 1763 筆指令歷史，Hermes 這邊的設定檔與錯誤日誌。

掃描指令很簡單：在對話紀錄裡搜尋「不對」「錯了」「你又」「講過」「不要再」這類糾正訊號，統計哪些錯誤重複出現。

Fable 5 本人全程不碰原始資料，只收三份結論報告，這就是提示詞裡「指揮官不下場」那條的實際效果，貴模型的 context 只花在判斷上。

一份正本加三個薄索引：三個 AI 怎麼共用一套制度？

核心架構一句話：制度只有一份正本，三個工具的指令檔只放路由。

如果你在 Claude 的 CLAUDE.md、Codex 的 AGENTS.md、Hermes 的設定檔各寫一份規則，三個月後它們一定互相矛盾，AI 讀到哪份就照哪份做，這叫規則漂移，是多工具使用者最大的隱形成本。

Fable 5 的做法是把制度正本放在一個三方共用的目錄（用 symlink 讓三個工具都掛載同一份），每個工具的指令檔瘦身成薄索引：只放五條鐵律摘要，加一張「遇到什麼情況去讀哪份檔」的路由表，正本更新一次，三個工具同步生效。

交付物	內容	解決什麼問題
快速診斷	每個工具最易出錯的前三名，各附修法	讓弱模型知道自己最容易在哪跌倒
薄索引指令檔	五條鐵律 + 路由表，上限 150 行	防止指令檔膨脹、防止規則漂移
模型調度守則	交辦三要素、升降級路徑、驗證不自驗	額度花在刀口上
判斷力外化	何時升級、何時算完成、何時該問人的判準，每條附正反例	把 Fable 5 的判斷變成弱模型可執行的 checklist
交辦範本 5 份	搜尋、實作、重構、研究、審查	發包給 subagent 不再漏驗收條件
維護協議	哪些檔可自行改、踩坑寫回哪裡、多長要精簡	制度活得下去，不會三個月後爛掉
給未來的信	制度最可能的退化方式、信心最低的產出清單	誠實交接，下個 session 不用重新猜

對抗審查：為什麼要讓另一個 AI 來抓 Fable 5 的漏洞？

因為做的人不能驗自己的成果，就算是 Fable 5 也一樣，這條在提示詞裡叫「驗證不自驗」。

制度檔全部寫完後，Fable 5 派了一個全新上下文的 subagent 當審查員，它看不到寫作過程，只拿到檔案清單和審查標準：規則有沒有互相打架、路徑是不是真的存在、弱模型會不會誤讀。

結果審查員抓到 3 個阻擋級問題，包括兩份檔案對「收到任務要不要先問」給出矛盾指示，還有一條規則引用的檔案行數計算方式會讓體檢誤判，這些全是 Fable 5 自己回頭看八次也看不到的盲點。

掃描完三個 AI 的紀錄發現什麼？

最痛的不是 AI 犯錯，是同樣的錯在三個工具上用不同的形式重複發生，而我從來沒有把它們放在一起看過。

三個 AI 的共同病：沒驗證就說完成、疊 patch、糾正不留存？

對，掃描結果高度一致，三個工具的前三大問題幾乎是同一組。

第一名是沒驗證就宣稱完成，Claude 這邊有超過 8 次獨立事件，Codex 那邊留下過「這個沒改到」的紀錄，這是信任損耗的最大來源。

第二名是疊 patch 不找根因，同一個版面問題連續三次用表面修法蓋過去，全部無效，真正的根因是一個屬性衝突，讀一次原始碼就能找到。

第三名是糾正不留存，Codex 的歷史裡「講過」「說過」「記得」這類詞出現超過 20 次，代表同一件事我糾正了 20 次以上，它每次都答應，每次都忘。

設定寫 xhigh，實際大多在跑 medium？

這是整次掃描最意外的發現：你以為的設定，跟實際執行的設定，可能是兩回事。

我的 Codex 設定檔白紙黑字寫著推理強度 xhigh（最高檔），但 Fable 5 實際查了 95 筆執行紀錄，83 筆跑的是 medium，也就是說我以為自己一直用最高規格在跑重要任務，實際上大部分時候不是。

同一輪掃描還發現：Codex 的自動記憶管線從來沒有真正運作過（資料表 0 筆），等於它每個 session 都是失憶狀態，難怪糾正 20 次都沒用。

駕馭工程的第一步永遠是查證環境，不是寫規則，因為你連自己的 AI 現在怎麼跑都不一定知道，這也是提示詞裡誠實條款存在的原因。

工具	最痛的發現	制度解法
Claude Code	覆蓋使用者手動改過的檔案、大檔整讀燒 token	寫回前先拉最新版只改指定欄位、只讀需要的段落
ChatGPT Codex	記憶管線 0 筆資料、設定與實際執行不符、跨檔修改漏改	糾正當場固化成靜態檔、收工前逐檔對帳
Hermes Agent	記憶檔有字數硬上限且常態撞頂、不讀其他工具的指令檔	通用教訓寫進共用正本、全域規則只放它真正會載入的檔案

企業主決策摘要

如果你是企業主，應該先盤點公司裡誰在用哪些 AI 工具、規則寫在哪裡，再決定要不要導入駕馭工程，判斷標準只有一條：同一個錯誤，AI 有沒有被糾正超過兩次？有，就代表你缺的是制度，不是更貴的模型。

導入順序建議：先讓一個人用上面的 Fable 5 提示詞跑一輪（沒有 Fable 5 就用手上最強的模型），產出制度檔，觀察兩週，如果 AI 重複犯錯的頻率明顯下降，再把「一份正本、多個薄索引」的架構推廣到團隊，讓所有人的 AI 工具讀同一套規則。

成本上這是一次性投資，我這輪從掃描到審查完成大約半天，之後的維護是每次踩坑花一分鐘把教訓寫回帳本，跟你導入任何 SOP 的邏輯一樣。

結論：Fable 5 會過期，駕馭工程的制度不會

這次駕馭工程給我最大的體會，不是省了多少額度，是換了一個問題來問。

大部分人在問：怎麼讓 AI 這次回答得更好？駕馭工程問的是：怎麼讓之後每一次都自動變好？前者的產出是一段對話，後者的產出是一套會複利的制度檔案。

模型會一直換代，今天的 Fable 5 明年就是平價品，但你沉澱下來的判準、交辦規則、踩坑帳本不會過期，它們會跟著每一代新模型繼續工作。

AI 把執行的成本降到趨近於零之後，你的優勢就只剩判斷力，而駕馭工程就是把判斷力寫成資產的方法。

提示詞就在上面，複製給你的 AI，讓它今天就開始幫未來的自己立制度。

---

推薦閱讀

過去是提示詞工程，未來是編排工程 Agent Harness Engineering

Hermes Agent 是什麼？2026 教學、費用、本地模型硬體需求

科技翰林院怎麼用 Claude Code 終端機？8 個實戰設定全公開

---

參考資料

Anthropic (2026). “Manage Claude’s memory – Claude Code Docs”

Anthropic (2025). “Claude Code Best Practices”

AGENTS.md (2025). “AGENTS.md: a simple, open format for guiding coding agents”

OpenAI (2026). “Codex Developer Documentation”

Nous Research (2026). “Hermes-Agent GitHub Repository”

HermesAgent.download (2026). “Hermes Agent 中文安裝與使用指南”

---

FAQ