Fable 的判断力：Simon Willison 从 Claude Code 团队获得的效率技巧

一句话看懂：知名开发者 Simon Willison 从 Claude Code 团队获得一个关键效率技巧——让顶级模型（如 Fable）自主判断何时用更便宜的次级模型处理子任务，而非人为设定规则。这一做法已在实测中显著降低昂贵的 Fable token 消耗，同时保持产出质量。

事件核心：发生了什么

在 2026 年 7 月 3 日的 Fireside Chat 活动中，Simon Willison 与 Claude Code 团队的 Cat Wu 和 Thariq Shihipar 交流后，提炼出一条关于 AI 编程代理（agent）使用策略的核心建议：与其详细指示顶级模型（例如 Anthropic 的 Fable 或 Opus）“对较小改动不要写测试”，不如直接让模型自主判断何时写测试、何时跳过。同样，对于编码任务，让 Claude Code 自行决策使用 subagent 调用更便宜的模型（如 Sonnet 处理实质性实现、Haiku 处理简单机械编辑），再将结果返回主循环进行审核。Simon 已在项目中应用该方法，并记录了一份 memory 文件，明确“所有编码任务使用你的判断力选择合适低功耗模型运行 subagent”。实测效果是，工作量大幅提升，而 Fable 的 token 配额消耗速度明显放缓。

为什么重要

这一策略直接触碰到当前大模型商业应用的核心矛盾：顶级模型能力最强但 token 成本极高（尤其在 API 涨价前夕），而将判断权交给模型本身而非人工预设规则，是优化成本与效率的新范式。传统做法依赖开发者手动拆分任务、设定规则，既不灵活且浪费人力。Simon 的实践表明，模型自身的“自我意识”判断（例如区分主要功能实现与微小文案修改）反而能更精准地选择算力倾斜，让高价 token 花在刀刃上。对 AI 编程代理的产品设计而言，这意味着下一代工具的核心竞争力不仅是模型能力，更包括内置的成本感知与资源调度能力。

对用户/开发者/创作者的影响

对于使用 Claude Code、Cursor、Copilot 等 AI 编程工具的开发者，直接可借鉴的方法包括：在项目配置中写入类似“让主模型自主判断何时调用低成本 subagent”的系统提示，并信任模型的判断而非硬编码规则。这能有效延长高价 token 的使用寿命，尤其适合需要密集调试或大规模重构的场景。对于企业采购 AI API 的团队，该策略提示了一个降本思路：将复杂任务拆解后，仅让最昂贵模型处理判断、审核与设计环节，而将实现部分委托给廉价模型。对于 AI 应用开发者，这意味着产品设计中应加入“模型选择代理”模块，让用户无需手动干预即可实现成本优化。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

第一，Simon 是否会在更多项目（如 Django 或 Datasette）中正式采用该 memory 文件配置，并公开分享更详细的 token 节省数据。第二，Anthropic 官方是否会在 Claude Code 后续版本中内置“自动成本感知”功能，让模型级别选择对用户透明。第三，其他 AI 编程工具（如 GitHub Copilot 的 agent 模式、Replit Agent 等）是否会跟进类似“判断力优先、模型级联”的架构设计，从而改变当前 AI 编程的定价与效率格局。

来源：Simon Willison 博客