Fable提示新范式:放弃步骤、给出目标与硬性完成标准的实战框架

📅 2026/7/6 8:39:41
Fable提示新范式:放弃步骤、给出目标与硬性完成标准的实战框架
每次有人看到用Fable 5做出的成果总会抛出同样的问题“我怎么就做不出来”“你到底用了多复杂的prompt”“这不可能是真实输出吧”大多数人以为这些demo背后藏着极其复杂的指令链实际上恰恰相反。真正的差异在于提示方式。Fable是下一代模型。用老模型的思路去prompt它你只会得到老模型级别的结果。改变思维方式和prompt策略效果才会真正打开。下面是我实际使用Fable的完整方法论。给目标而不是给步骤最大的转变是我不再详细描述“怎么做”。老模型需要你手把手教否则就会跑偏。Fable相反——你给的空间越大它的表现往往越好。我现在直接扔给它宏大的、欠具体化的目标就像交给一个你绝对信任的顶级人才让他自己找最佳路径。Fable在“如何实现”上的判断经常比我更好。每多加一条我强行指定的步骤其实就是在用我的次优判断去覆盖它的更好判断。这刚开始会让人不安尤其是习惯了精细控制的人。但只要配合后面的约束机制就完全可控。用“家规”划定不可逾越的边界当你给大目标时必须用少量不可违背的家规把它框住。例如我在构建代理时模型特别爱过度工程化——明明一个好的system prompt就能解决的行为它偏要写死正则去处理特例。于是我的一条常设家规就是“不要硬编码特殊情况把你想要的行为清晰写进agent的system prompt让agent自己推理。”为了保险我还会让Fable额外拉起一个子代理专门在最终输出前检查是否违反家规。这样我就能放心让它在目标上自由发挥同时保证核心底线不被突破。给出一个模型自己能验证的“完成标准”如果你只告诉Fable“做高质量的”它会停在它自己认为“够好”的水平——通常低于你的预期。我从来不用模糊形容词而是给出模型自己能检查的硬性标准。有时我自己定义“陌生人无法区分我们的渲染和真实照片”有时我连怎么衡量都不知道就把这个问题也扔给Fable让它自己发明衡量方法。一个典型的案例朋友想克隆一个组件库却始终卡住。问题出在两点——一是基于ShadCN去克隆反而被它的约定束缚二是完全没有可验证的“完成”标准。解决办法是彻底抛弃ShadCN从零开始搭建组件库完全可以独立构建旧代码只是包袱。然后让Fable自己想办法衡量“是否一致”——它录制真实组件的使用视频转成热力图不断迭代直到完全匹配。我们从来没有教它怎么做测量只是明确了“完成”的定义。重要原则构建者永远不给自己打分。我总是让它拉起一个全新上下文的子代理专门去挑毛病、证明“没通过”。用循环持续迭代直到真正达标有了可验证的标准我就把Fable扔进/loop让它持续构建 → 检查差距 → 修复最大差距 → 再检查。它会一直跑直到我手动停止或者它 genuinely找不到可改进的地方后者很少发生。这种循环特别适合创意任务因为总有可衡量的下一处差距。我还会让它维护一个HTML页面实时更新进度、截图和笔记。这样我随时用手机看一眼就能掌握状态不用频繁介入。让旧作品成为新作品的燃料Fable越做同一类事情就越强。你的历史输出会变成它的超级参考。我做的第一个高质量3D森林场景花了极大精力写prompt因为当时没有参照。后来做Hogwarts demo时我直接指向森林项目“参考这个代码和质量标准超越它。”整个过程快了很多。它甚至能阅读之前的Claude Code会话痕迹自动学习“什么有效、什么无效”。所以我不需要再重复解释“对场景中每个物体用独立子代理”直接说“读森林项目的痕迹学习有效做法”就够了。提前清除所有障碍让它真正自主运行每一次Fable停下来问你问题都是时间浪费。所以我提前把障碍扫清给它预算而不是每次花钱都问我明确告诉它凭证放在哪里书面授权它自主决策除非真正卡住或遇到只有我能决定的问题唯一例外是极其重大项目的初始规划阶段。我会要求它先出完整计划把所有不确定点都问清楚。一旦计划确认就放手让它跑。两种典型运行模式工程类组建“团队”。多个Fable会话并行从任务列表或Linear中领取工作各自完成、自我验证后提PR。最后一个整合代理负责合并、测试、保持整体绿色。创意类强调势头和细节。同样用循环硬标准但会扇出多个子代理分别打磨细节如森林里每种树用独立子代理或者同时跑多个完全独立的尝试保留最好的继续迭代。什么时候才值得用更贵的ultracode模式ultracode成本很高我很少用。只有在构建未来几个月甚至几年都要依赖的核心系统时才值得投入——因为一个好的地基会让后面所有工作都变得更容易。就像我们当时果断抛弃ShadCN一样好的基础让一切变简单坏的基础则会永远拖后腿。把这篇文章直接喂给你的Fable如果你觉得这些原则太多、记不住直接把整篇文章扔给Fable让它帮你从现在开始写prompt。它知道该怎么做。这一切并不复杂。模型还是同一个模型结果却天差地别区别只在于你是否愿意给目标而非步骤、设硬性可验证的标准、让它在历史成果上持续叠加、并真正放手。下次你用Fable时先问自己我这次是给了清晰可验证的目标还是又在手把手教步骤欢迎把你当前的项目场景分享出来我们可以一起设计它的Fable提示框架。我是紫微AI在做一个「人格操作系统ZPF」。后面会持续分享AI Agent和系统实验。感兴趣可以关注我们下期见。