Claude Fable 5.1深度使用指南：核心技巧与Claude国内使用教程

type

status

date

slug

summary

category

icon

password

网址

Claude Fable 5.1虽然可以直接兼容旧版提示词，但很多开发者发现它的行为习惯变了不少。针对这些变化，官方整理了一份完整的提示词与工程落地指南，把新模型的性能挖掘和避坑细节全部讲透了。

详细指南拿走：

https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5-1

下面我说一下重点

思考程度不要只盯默认档

Fable 5.1默认的思考程度是high，但官方建议结合自身测试集把low、medium、xhigh和max全部跑一遍。不同模型之间的思考档位名称并不对应相同的计算量。

在medium档位下，Fable 5.1的表现基本追平上一代Fable 5，同时成本明显更低。如果评测结果达标，完全可以降档使用。在low档位下，Fable 5.1的任务成本能与Opus和Sonnet打平，得分却更高，适合替代高思考档位的小模型。需要注意两点特殊行为：low档位调用搜索工具的频率会降低，而在xhigh和max档位下，模型在输出长篇内容前会思考更长时间。

让模型在工具调用期间汇报进度

Fable 5.1在执行长链条工具调用时，默认输出的面向用户的信息比上一代更少，在高思考档位下尤其明显，容易让用户以为程序卡住。

如果客户端收不到进度，首先要检查接收设置。模型的简短进度记录包含在thinking块中，默认配置下这些块是空白的。可以在请求头中启用对应测试参数，将显示模式设为updates，把非空thinking块渲染为状态行，或者设为summarized接收总结后的推理。

其次，检查系统提示词里有没有抑制模型发声的旧规则，比如要求把所有发现留到最后统一汇报，这类规则需要删掉。如果依然需要更多进度播报，可以在系统提示词中加入明确指令：在开始前用一句话说明要做什么，工作过程中给出简短更新，最后给出独立完整的总结。

如果你的产品界面会折叠或隐藏工具输出，务必通过turn-scoped系统消息告知模型用户终端最多只能看到几行输出，如果需要用户阅读就放进回复里，避免模型运行多余命令去向用户展示内容。

在智能体循环中批量调用独立工具

在编码或电脑操作循环中，如果接下来的独立工具调用是任务隐含的而非用户明说的，Fable 5.1有时会一轮只调一个工具。这不会影响回答质量，但会浪费轮次和时间。

解决方法是在当前请求末尾加上一句提醒：先在心里列出接下来需要的内容，然后在这单次响应中一次性请求所有互不依赖的项。

每次回传工具结果时，将这句提醒作为turn-scoped系统消息追加在后方。这种消息会在下一条用户消息到来时被API自动清理，既不污染后续上下文，也不会破坏缓存。

历史对话必须纯追加，切忌中途篡改

调用API时，必须把助手回复连同thinking块原封不动追加到历史中，千万不要在请求之间修改早期的对话轮次。

对于2026年8月31日及之后创建的新账户，Fable 5.1的thinking块与生成它的精确上下文强绑定。只要前缀中的系统提示词、工具列表或任何历史消息发生变动，再传入旧thinking块就会直接报400错误。

会触发该问题的常见操作包括：逐轮插入或删除提醒、就地替换早期轮次的摘要、中途修改系统提示词。如果需要动态提醒，使用turn-scoped系统消息；如果需要调整指令，使用会话中途系统消息；如果需要裁剪上下文，优先使用服务端压缩或上下文编辑。如果是客户端自行压缩，最稳妥的做法是用一条总结消息加上最新用户问题替换全部历史，不再保留任何旧thinking块。另外，新模型缓存读取更便宜，过早做压缩可能得不偿失。

控制写作密度，剔除矫饰文风，去除AI味

Fable 5.1的写作水准有所提升，但在部分场景下句式会变长，段落变少，出现文风过密的问题。

如果出现这种现象，可以在用户消息或系统提示词中加入一段说明，明确要求剔除矫饰文风。核心逻辑是：矫饰文风喜欢用隐喻和花哨修辞代替直接陈述，既增加了阅读负担，又带来了不可控的歧义。要求模型能直说的就直说，有字面直白表达时就直接用字面表达。日常使用直接发一句请去除所有矫饰文风也能起效。

聊天中的格式控制

上一代模型容易过度使用粗体和列表，很多旧提示词里写了严厉的防排版规则。Fable 5.1本身就不太倾向于使用粗体、标题、列表和引号。

如果旧提示词里含有禁止排版的语句，建议删掉或改为条件规则：只在用户要求或内容复杂度确实需要时使用列表；当用户明确要求极简格式时，不使用任何列表、标题和粗体；在闲聊或情感交流中，保持纯文本段落。

规范检索内容的引用

在做文档摘要时，Fable 5.1有时会直接照搬原文语句而不加引号标注。

解决办法是在系统提示词中加入一个完整的正确示例，包含用户问题、理想回复以及一段解释说明。说明中要强调：回答应当基于事实进行归纳转述，采用间接引语，只有极少数特定短语才进行引用标注，其余内容全部重新组织语言。

复杂任务一口气做完，不要中途停下要权限

在复杂的异步任务中，Fable 5.1有时会在工作没做完时停下来询问是否继续，或者光描述下一步计划而不去执行工具调用。

可以通过系统提示词进行约束，主要包含两点：

第一，告知模型当前处于自主运行状态，用户没有实时查看，无法在半途回答问题，因此询问会直接阻塞任务。对于符合原始需求的可逆操作，直接执行，遇到破坏性操作或重大需求变更再停下。遇到纯问题咨询，给出分析即可，不要擅自修改代码。在结束本轮前检查最后一段，如果是计划、分析、追问或承诺，必须立即通过工具调用把事情做完。

第二，明确用户的初始要求就是交付范围，不要擅自缩小或扩大。遇到模糊处按常规判断推进，只有当不同理解会导致完全不同的工作方向时再确认。执行已确定的步骤，不要把宣布下一步当成结束。

上下文压缩时明确指定保留要素

使用客户端做长对话压缩时，要明确告诉Fable 5.1必须保留哪些关键信息。必须保留的要素包括：遇到的困难及解决方法；尝试过、提出过或放弃掉的方案及其原因；用户提过的要求、决定、偏好、限制等确切约定；当前进展与已完成事项；仍处于未决状态或承诺下一步要做的事；名字、数字、日期、确切措辞、链接等难以重建的细节。同时要求对用户的话尽量逐字保留，对助手自身的推理过程则大力精简。

严格限定修改范围与测试用例

在实现开放式功能时，Fable 5.1有时会顺手修改旁边的代码，或者添加过多测试文件。

可以在提示词中加入约束：如果在开发或测试中发现已有缺陷或性能问题，只要不阻塞当前任务，就不要顺手去修，而是作为后续建议写在总结里；任务存在歧义时，按照代码最直接支持的理解去实现并说明假设，不要把各种情况全做一遍；测试代码只在任务明确要求或仓库已有惯例时提交，数量与同类文件看齐，临时排查脚本不要作为永久测试文件提交。

解决低思考量下不触发搜索的问题

在low档位下，Fable 5.1更倾向于依赖自身记忆回答，减少调用搜索工具。除了在对应轮次动态提高思考档位外，也可以在系统提示词中增加校验提醒：

当查询涉及不完全确信的名称，或者处于AI模型、开发工具等变化极快的领域时，必须先搜索再回答。搜索词中至少要有一条完整包含用户写出的原始名称。即使有背景了解也必须检索，因为一知半解反而容易让过时回答显得权威。

降低安全策略误杀

Fable 5.1的安全分类器误杀率有所下降，且允许分析源代码中的漏洞。如果依然遇到正常代码被拦截并返回拒答，可以检查以下三点：

编译检查的提问方式：不要问这段代码能否无报错编译，改为询问这段程序中是否存在Bug。冷门编程语言：在上下文中补充该语言的基础文档和运行机制介绍。工具返回中的Base64数据：工具输出如果包含Base64编码数据容易触发误杀，建议去除。

优先局部精准编辑，避免重写整个文件

对于小修小补，Fable 5.1有时倾向于全量重写文本文件，这会消耗更多输出Token和耗时。

解决办法是在系统提示词或首条用户消息中加入规则：在保证结果一致的前提下，尽量对文件进行精准局部的替换编辑，避免重写整个文件。

超高思考量下为输出预留足够空间

在xhigh和max档位下，模型思考时间很长，如果任务要求输出长文本，模型容易在思维链中把整个交付物草拟一遍，随后在正式回复中再写一遍，导致耗时翻倍甚至耗尽max tokens发生截断。

常规任务建议首选high档位。如果必须用xhigh或max档位，首先要调大max tokens参数，其次在用户消息末尾加入说明：告知思维过程与最终输出共用Token上限，严禁在推理阶段全量草拟完整交付物；要求模型把思考空间用于理解需求、检查输入和敲定架构，把输出空间用于正式编写，避免重复起草。

允许主智能体与子智能体并行工作

在多Agent架构中，如果Fable 5.1派发任务给子智能体，不要让主智能体强行同步等待。

实现方式是：启动子智能体的工具在调用后立即返回；子智能体跑完后，把结果通过后续的用户消息喂回；同时给主智能体提供一个可以主动选择等待结果的工具。这样在编码任务中，主智能体可以在子任务执行期间继续处理其他工作，缩短整体耗时。

复杂视觉任务配备裁剪与放大工具

Fable 5.1的基础视觉能力更强，在处理密集图表等复杂图像时，配合迭代分析、局部裁剪和反复核对能发挥出最佳效果。

建议让模型运行在装有PIL、OpenCV等图像处理库的环境中。如果无法提供完整容器，单独给它提供一个图像局部裁剪和放大的工具也能带来明显提升。通过工具获取放大后的局部图像，可以让模型看清细节，实现测试期计算量的有效扩展。

文章来自于微信公众号 “AI寒武纪”，作者 “AI寒武纪”