哈哈还真的延期了Fable继续用为了赶在 7 月 7 日之前完成我一口气测试了好多例子主要是很多类型的游戏开发我的一个感觉是最好让 Fable 5 来设计游戏的核心引擎把整个架构搭建起来把核心难点攻克了然后交给 Opus 4.8 来完善细节。这个搭配还不错。之前的坦克大战 2026 就是这么做的今天刷推特官方还专门讲起了类似的操作。我是手动完成它这个是可以通过 API 机制自动完成感觉可以学习和收藏一下以后调用 API 或者做智能体的时候可以省好多钱。根据他们的测评大概可以省一半的钱达到 Fable 5 的 90% 多的效果。7eaf722e-646c-40f3-806c-6218c82081d0我把官方的信息转过来跟大家分享一下然后也加强一下自己的记忆。这是发布在官方开发者账号上的一个帖子分享了他们在使用 Fable 5 中的两种模式一种是顾问一种是协调器1、顾问模式顾问模式是把 Fable 5 作为顾问Sonnet 作为执行器调用 Fable 5获取指导。也就是大部分活还是 Sonnet 5 来干如果它遇到啥难搞的问题就是请教一下 Fable 5。这种方式效果怎么样呢官方有做过专门的测试的。他们在专业的编程基准 SWE-bench Pro 进行了测试最终结果是Sonnet 5 Fable 5 顾问工具以约 63% 的价格获得了 Fable 5 分数的约 92%整个过程大概是 Fable 5 每个任务仅被调用一次约一次来指导方向而 Sonnet 5 执行者完成大部分工作。实现这种方式的核心代码如下client anthropic.Anthropic() response client.beta.messages.create( modelclaude-sonnet-4-6, max_tokens4096, betas[advisor-tool-2026-03-01], tools[ { type: advisor_20260301, name: advisor, model: claude-opus-4-8, } ], messages[ { role: user, content: Build a concurrent worker pool in Go with graceful shutdown., } ], ) print(response)这个主要是Claude API 里的功能它是在你调用Messages API时在tools里配置一个advisor让一个“执行模型”中途请教另一个更强模型。整个代码的执行逻辑大概是你先把 advisor 加到 tools 里执行模型自己判断要不要调用执行模型发出 server_tool_useAnthropic 服务端单独跑一次顾问模型顾问模型会看到完整上下文Advisor 返回建议执行模型继续生成答案整个过程通常只需要一次 API 请求特殊情况中途暂停Advisor 本身不能用工具。官方文档里还是 4.6 咨询 Opus 4.8现在可以把 4.6 换成 Sonnet 5把 4.8 换成 Fable 5整个能力又上一个台阶了。2、协调器模式上面这种模式看起来已经比 solo 好多了保持大部分能力的情况下成本降低了很多。但是作为有追求的开发者是永不满足的直到把自己替代哈哈。然后就有了第二种策略将 Fable 5 作为协调器Fable 5 规划并委托给工作者Sonnet 5大多数令牌按较低的工作者费率计费。这种方式就是“顾问”变成“项目经理”了。Fable 5 负责全局把握Sonnet 负责执行。从结构上来说应该这种方案效果会更好会更省钱。下面是官方的测试数据在 BrowseComp 上我们测试了 Claude 托管代理使用 Fable 5 协调器 Sonnet 5 工作子代理。Fable 5 协调器以 46% 的价格实现了 Fable 5 性能的 96%。分布情况如下果然这种方案性价比更好。96% 的性能46% 的价格实现这种方式的核心代码如下# 子Agent research_agent client.beta.agents.create( nameresearcher, modelclaude-haiku-4-5, mcp_servers[ { type: url, name: github, url: https://api.githubcopilot.com/mcp/ }, ], tools[ { type: mcp_toolset, mcp_server_name: github } ], ) # 主控Agent coordinator client.beta.agents.create( namecoordinator, modelclaude-opus-4-8, tools[ { type: agent_toolset_20260401 } ], multiagent{ type: coordinator, agents: [ { type: agent, id: research_agent.id } ], }, ) # 会话 session client.beta.sessions.create( agentcoordinator.id, environment_idenvironment.id, vault_ids[vault.id], ) print(session.id)这个核心代码其实就围绕3 件事创建几个子 Agent创建一个 Coordinator 主 Agent创建 Session让主 Agent 去调度子 Agent整体思路应该很清晰了具体的代码还是得看文档慢慢调慢慢测试。我目前主要是使用 Claude Code还没有到大量调用 Anthropic API 和 Agent 的阶段先收藏学习后面有空慢慢研究。为了方便以后翻看我把相关的几个文档都给找出来了。官方文档https://platform.claude.com/docs/en/agents-and-tools/tool-use/advisor-toolhttps://platform.claude.com/docs/en/managed-agents/multi-agenthttps://github.com/anthropics/claude-cookbooks/blob/main/managed_agents/CMA_plan_big_execute_small.ipynb我之前还让 Opus 4.8 给我做了一个中文版的 Claude 文档镜像站可以分享一波了https://doc.jarvisuni.com/几乎给我一模一样给扒下来了目录结构和内容都是一致的内容都是原版的样式没有扒但是看起来也还可以右上角还提供了一些辅助功能。可以直接复制或者下载这个 MD 文档也可以直接调用 Claude、ChatGPT 或者国内的 DeepSeek 来帮你解读这个文档。收工我要写代码搞项目去了