学得慢就不用学：两个项目之后，我把脑子活全给了Fable

七月Claude改了政策：Pro用户想用Fable 5，订阅里不再包含，得走另算的额度。我是标准的Pro用户，第一反应是日常任务给Opus 4.8，额度省下来，留着让Fable干大活。日常内容生产，当时在我这算不上大活。

那条内容流水线是Fable开放试用那阵子搭的：采访式写作，AI一轮一轮提问，把我对一件事的看法逼出来，再成稿。第一篇出来我自己是满意的——AI的东西和人的东西混在一起，不是那种固定模板一眼看穿的AI稿。

换Opus之后，采访环节先不对劲：喜欢炫技，用一些奇怪的比喻来讲一件事。开头我以为没事。到出大纲的时候，我感觉到了前所未有的难受——稿子的逻辑、主体都是乱的。你说哪里不对吧，哪里都好像是你自己说的那样；你说哪里对了，看哪里都难受。

我的第一反应是改规则。流水线里有skill约束模型怎么写，我往里加规则：别炫技，别乱用比喻。改完再看，比喻没有变少，感觉它是控制不住。它用词还爱挑一些看不明白的词，我又往管语言风格的规则里加了一条“术语降载成白话”，聊起来照样降不下来。最夸张的一次是让它讲特化模型和只给结构化prompt的模型有什么区别，它一口气把权重比成手感、把上下文比成谱子、把换个prompt就上场的同一个模型比成“穿戏服的小提琴手”——一段话叠了四五层比喻，我后来用其他模型回头审了那批条款，结论是大部分没毛病。规则是好的，模型执行不下来，病根就不在规则文件，在模型。真就是学得慢就不用学了。

另一个项目是帮我拿市场数据、辅助做决策的，同样是试用期在Fable上跑起来的。Fable带了新的安全分类器，网络安全这类话题的请求会降级到Opus。好！我认了,毕竟之前用opus干活的经历还算是不错的。做这个调研我同时用上了gpt sol,我的感受只有一个:真的是卧龙凤雏,天生一对。opus干了什么,它去抓了大批量的app store和Apify的数据（Apify几乎是全量），分析完给我的结论是——什么都不用做了，都是无用功。GPT拿到的数据不多，几十条，却烧了我一周的额度写报告，第二天给我三个有可行性的方向；我让它对这三个方向继续往深挖（又再烧了一周），最后的结论跟Opus一模一样：别做了！

因为在拿到数据之后更多就是分析的工作，所以拿fable对所有拿到的数据进行分析。它没有再多写一份报告，而是让我把Apify上那个抓数据的工具直接上架，让市场来验证。结果上它也没让我赚到钱。但在一个大家都生死未料的环境里，踏出一步总好过困在原地：快速拿到结果，验证，复盘。这才是真的在帮我做决策，而不是分析了一堆，最后告诉我躺下吧，什么都不用干。

从这两个事我得出结论:干脑子活现阶段只能是fable。而opus在自己有判断的前提下是一名很好用的worker。