你打開 Claude Opus 5，一邊打字一邊念：「先做第一步，再做第二步，再做第三步，再做第四步。」每個环節都金得死死的，覺得這樣最保險。等了好一陣子，它終於回來——結果比你要的多了一堆沒問過的東西，token 帳單也跟著多跳了一截。 這個畫面，正是 Anthropic 內部提示詞工程師想粠正的頭號習慣。 那個把任務拆成「一二三四」的舊習慣，現在正在害你 三次創業、目前經營一個大型 AI 社群與 AI 代理公司的 YouTuber Ben（頻道 Ben AI）整理了 Anthropic 官方針對 Claude Opus 5、Fable 5 發布的提示詞指南與內部討論，得出一個結論：大多數人還在用舊模型的方式提示新模型，而這批模型的運作邏輯，根本上不一樣。 Claude Code 的創造者 Boris Cherny，在最近一場 Y Combinator 的主題演講上直接點名了這個習慣：常見的錯誤是对 Claude 下達過度精確的指令，硬要照特定順序一步一步交代。但对這批模型來說，這不是正確的用法。你該站高一點：描述任務、講清楚限制與底線、說明完

你正開著兩個分頁。一個是還沒讀完的簡報草稿，一個是還沒對完的報稅明細。你知道手上這兩個 AI 模型都能處理，但你只想丟一次——丟給那個「這次真的靠得住」的那個。問題是，你不知道是哪一個，而猜錯的代價，可能不只是重跑一次那麼簡單。 這正是頻道《Nate Herk | AI Automation》的作者每天在面對的處境。他把 OpenAI 陣營、透過 Codex 使用的新一代模型 GPT-6 Astra，和 Anthropic Claude 陣營的新版本 Fable 5.1，拿來對打了整整 15 個他自己日常真的會用到的任務——不是刷榜用的合成題目，是網頁設計、個人事務管理、報稅、瀏覽器操作、視覺辨識，以及實際搭建自動化與軟體這種會直接影響工作與收入的事。他自己說，光是為了搞清楚這件事，他已經燒掉三次 Codex 訂閱、四次 Claude 訂閱，加上數千美元的用量額度。這篇文章要整理的，就是這場 15 局實測裡，每一局到底發生了什麼。 做簡報和寫文案，兩個模型的「動作」完全不同 第一局，他請兩個模型做一份麥肯錫等級、要能對外提報的中小企業市場報告簡報

你每天打開 ChatGPT，丟出一個問題，複製一段回答，貼到 Email 或 Slack 裡，然後關掉分頁——這個動作，你可能一天重複十幾次。 如果你也是這樣用 ChatGPT，那你其實只用到它一小部分的能力。過去幾個月，OpenAI 把「ChatGPT Work」推上檯面，這是一次不小的升級，但問題是，幾乎沒有人講清楚：升級之後，你到底該換一種什麼樣的用法？連官方自己都沒有把這件事解釋得很明白。多數人打開 ChatGPT Work，還是照著舊習慣打字、拿答案、關視窗——用一台新引擎，開著舊檔位在跑。 真正的差異藏在一個很容易被忽略的地方：ChatGPT Work 不只是回答問題，它可以連上你平常在用的工具，直接幫你把事情做完。而它會不會把事情做得像「懂你」，關鍵不在你問得多聰明，而在你有沒有讓它記住規則。 一個小測試：它到底有沒有記住你說過的話 先看一個最簡單的例子。你請 ChatGPT Work 幫你建一個 Google 日曆提醒，提醒你弟弟的生日——這件事，一般的 ChatGPT 也做得到，沒什麼特別。 但接下來的動作才是重點。你補一句：「

晚上十一點，小婕的螢幕還亮著。週一要上架的新品海報，主視覺已經重畫第七次了。 她要的效果其實不複雜——把保養品瓶身換到一個更亮、更有質感的背景，其他一律不要動：logo 的位置不能跑掉、瓶身上的成分標示文字不能糊掉、反光角度要自然。但每一輪修改，AI 給她的新圖總會悄悄動到不該動的地方——logo 歪了、瓶蓋的光澤變了，她得從頭挑錯、從頭下指令，一晚上的時間就這樣耗在「重畫」而不是「調整」上。 叫她小婕，她是一家保養品牌的視覺設計，你也可以把自己代入這個位置——只要你也經歷過「每一次編輯都是一場賭博」這件事：不知道這一輪會不會又把上一輪好不容易調對的細節弄丟。 她一直以為，AI 出圖本來就該是這樣 小婕沒有覺得自己做錯什麼。她只是以為，用 AI 生成圖片本來就是這樣運作的：每一次修改，都是重新丟骰子，運氣好就接近你要的，運氣不好就得整組重來。多輪迭代修圖、還要同時守住已經確定的細節，聽起來像是貪心——魚與熊掌不可兼得。 她沒想到，這個「貪心的要求」，剛好就是 OpenAI 這次公告裡談的第一件事。 OpenAI 這次講的，剛好是她昨晚在崩潰的那件

凌晨一點四十分，阿凱的畫面跳出一行紅字：Claude Code 的額度用完了。 （阿凱是示意性人物，用來代表一般會在深夜靠 Claude Code 趕工的独立開發者，並非真實客戶案例。） 明天早上十點，他要跟三個潛在客戶展示一個用 AI 寫出來的自動化後台。程式碼寫到一半，AI 助理卻在這個節骨眼上罷工。他盯著那句「請升級方案以繼續使用」，想起這已經是這個月第二次。要嘔付更多錢，要嘔就等額度重置——但重置通常代表明天早上十點之前都別想了。 他心裡冒出一個念頭：這東西是不是本來就設計成讓你在最需要的時候剛好撞壁？ 半夜刷到一支「不可能是真的」的影片 阿凱打開 YouTube，想找有沒有人分享過怎麼撑過額度荒。演算法很快就餌給他一支標題寫著「我每天給 Claude Code 16 億顆免費 Token」的影片。 他的第一反應跟大多數人一樣：不可能。Anthropic 自己都在收費，怎麼可能有人天天送出十六億顆免費的量。 但影片一開頭就先回答了這個疑關——作者說，自己不只是空口說白話，他真的用這套方法做出了一個網站，而且鏡頭上直接展示那個成品。阿凱看著

那位負責維運客服系統的主管，是在下班前十分鐘看到那封升級信的。 一位客戶在線上詢問「我朋友的訂單能不能一起查」，公司新上線不久的 AI 客服 Agent，把另一位客戶的完整訂單紀錄和聯絡資訊，直接回覆了過去。資安團隊在兩小時內把這個功能緊急關閉，法務單位要求出具事件報告：這個 Agent 當初是誰核准上線的？它為什麼「看得到」那筆不該看的資料？ （以上為示意情境，用於說明業界已出現的普遍模式，非特定真實客戶案例。） 這不是聳動的假設。企業策略觀察家 Bernard Marr 在他主持的商業與科技趨勢 Podcast 節目中，直接點出這類事件已經在真實世界發生：「我們已經看過 AI Agent 刪掉關鍵業務資料、洩漏了不該分享的商業機密，只因為某些防護機制沒有到位，就把客戶資料交了出去。」而在那一集節目裡，他找來 Elastic 的 Masimo Merlo，一起拆解這一連串事件背後真正的病灶——不是模型不夠聰明，而是企業普遍漏掉了一塊叫做「context engineering（上下文工程）」的拼圖。 你以為問題出在模型，其實出在「地基」 Mas