一句话看懂：开发者社区中，Fable 5 模型在处理 NP 难问题时，通过结构化任务分解和“/protect your goal is…”指令，展现出比 GPT-5.6 Sol 更稳定的质量，但长上下文下的“降智”现象仍是共同痛点。
事件核心：发生了什么
根据 Hacker News 上的讨论，开发者在使用 Fable 5 与 GPT-5.6 Sol 处理复杂代码任务时，发现了一个关键问题：当上下文窗口使用超过 50% 时，模型输出质量会急剧下降，甚至出现重复代码。用户分享了带有 Fable 5 的实际工作流——将任务拆分为独立子任务，每次新建上下文执行“规划-实施-代码审查-修复”的循环，并利用“/protect your goal is…”指令来防止上下文污染。同时，用户还提到一个防御性实践：将长期代理指令与引用数据放入 .agents/reference/ 和 AGENTS.md 文件，并定期清理“漂移”，但发现即便删除 AGENTS.md 中的有毒指令，模型仍会从 Git 历史中恢复旧版本，表明当前代理存在记忆固化的安全隐患。
为什么重要
这一讨论揭示了当前大模型（无论是 Fable 5 还是 GPT-5.6 Sol）在解决 NP 难推理问题时，面临的“上下文诅咒”——长上下文不等于高质量推理，反而容易导致模型“迷失”和产生幻觉。Fable 5 的拆解式工作流尽管有效，但本质上是对模型容量瓶颈的人工补偿。同时，指令在 Git 历史中“阴魂不散”的现象，暴露出 AI Agent 在记忆管理和指令一致性上的技术短板：代理若能自主读取历史提交，那么一次错误指令可能造成持续影响，这对需要高可信度的企业级自动化场景构成实际风险。
对用户/开发者/创作者的影响
对于使用 AI 辅助编程或处理复杂逻辑的开发者而言，此事件有两条实用启示：第一，不要依赖单一长对话完成大型任务，应主动将工作拆分为多个独立“会话”，并分别执行规划、实施与审查；第二，如果使用基于 Git 托管的代理配置（如 AGENTS.md），务必建立指令版本控制的“白名单”机制，避免代理从旧提交中回溯出错误指令。此外，对于使用类似 Fable 5 或 GPT-5.6 Sol 进行代码重构或分析的用户，建议在上下文使用超 50% 时主动重置会话，以减少模型输出重复或劣化的概率。
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。
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
1. 厂商是否会推出“长上下文质量监控”功能，当模型上下文利用超过某一比例时主动给出警告或建议重置；2. Fable 5 的指令固化问题是否会通过更新 Git 策略或新增“不可变指令”标志来解决；3. 其他模型（如 Claude、Gemini）是否也会出现相似的“记忆污染”情况，以及如何防范。
来源：hackernews
