如何提示 Claude Opus 5 與 Fable 5？整理自 Anthropic 官方指南的提示詞新規則
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、說明完成標準，然後放手讓模型自己去跑，過一會兒再回來看結果。他直言，這套做法半年前根本不管用，今天卻出奇有效。
Anthropic 為什麼說「把整件事一次講清楚」才是新解法
原因不複雜：Claude Opus 5 與 Fable 5，是被訓練來做「端到端」任務的——從頭到尾一次做完，不是乖乖照排好的清單一步步執行。Anthropic 官方的提示詞最佳實践文件也寫得直白：面对複雜任務，把目標、原因、限制、完成標準一次交代清楚，讓模型自主判斷怎麼分工，效果反而比每一步都寫死更好。
Ben 準備這支影片時，就是照這個框架走的：給模型一個較大的目標與方向，說明為什麼要做、限制是什麼、做完該長什麼樣子，讓它跑了十幾分鐘，拿回一份可直接參考的大綱草稿。他也提醒：小任務不必每次搬出完整框架，那反而殺雞用牛刀。
連 Anthropic 自己都要先「被面試」才敢動手
問題是，複雜任務常常沒辦法在動筆那一刻就把所有細節想清楚。Ben 提到，Anthropic 團隊會先用一套稱作「Interview me」的做法——讓模型反過來問你一連串問題，挖出你腦中還沒理清楚的部分，最後整理出一份任務簡報，甚至直接生成完整提示詞。Ben 拿它規劃自己的個人數據儀表板：一開始並不確定要什麼，讓模型先「面試」他之後，才拿到能直接用的任務簡報。他的體會是，動手前多花時間規劃，比匐匐下筆再一路修改，对這批聪明模型反而更省 token、更省時間。
另一個前置動作，是照 Andrej Karpathy 的建議，用語音轉文字工具对著任務講幾分鐘話，往往能讓 Claude 抓到比打字更多的上下文；但講話難免語無倫次，Ben 額外準備了一個把凌亂口述整理成結構化提示詞的小工具——這是他自己搭建的做法，并非 Anthropic 官方功能。
只說「做什麼」，Claude 會當成沒頭沒尾的公文——要說「為什麼」
Anthropic 的指南強調：模型理解你「為什麼」要做這件事，複雜任務的表現會明顯更好。因為複雜任務裡，模型總會碰到你事先沒講清楚的小判斷；描握大局與目的後，才能靠這層背景把小判斷做得更貼題。Anthropic 甚至給出一個可套用的句型：講清楚這件事是為誰做的、对方需要從結果裡得到什麼。
Ben 的例子是：同一份提示詞裡加一句「為什麼」——說明自己在做一支關於「Claude 提示方式怎麼變了」的影片，對象是想靠 Claude 自動化工作的非技術專業人士與企業主，要的不只是理論，還要能直接用的技巧與框架。這跟人與人之間的委派邏輯一樣：只講「做什麼」最省事，但最有效的委派，是連「為什麼」一起講清楚。
沒設終點的任務，焄的是你的 token 不是它的
Boris 在 YC 演講裡特別點出的另一件事，是「終點」。Claude 5 這批模型會跑得比較久，傾向做得太多而不是太少——沒明確講清楚何時算完成，它很可能一直跑下去，把 token 焄掉一大截。這有兩個面向：講清楚最終成品的樣子與輸出風格，再給一個可對照的範例。Ben 就在提示詞裡直接寫了輸出規格——固定數量的建議，每條要有具體例子與「有 Anthropic 官方背書」的出處。他也提醒 Opus 5 常見的毛病：講話容易太囉啡，可以直接加一句「用簡单直白的語言輸出」來校正。
「不要做」跟「因為……所以別做」，对 Claude 5 是兩種效果
很多人習慣用「絕对不要」這種硬性禁令。但 Anthropic 針對情境工程（context engineering）的新研究指出：這批模型如果同時知道指令背後的理由，反應會明顯更好——限制還是要給，但別只丟一句「不能做什麼」，永遠補上「為什麼不能」。Ben 的例子是：把「不要放任何 Anthropic 沒背書過的論點」改寫成「請確保列出的每一點都有 Anthropic 自家團隊的背書」——差別是，你手上真的握有證据，而不只是丟出一條禁令。
你可能正在花錢請 Claude 做一件它自己早就會做的事
過去很多人習慣加一句「回答前先自我檢查」，或叫子代理重新驗證答案，想減少幻覺。但 Ben 提到，Opus 5、Fable 5 本身已被訓練成會自動重新檢查、驗證、修正輸出——再額外要求檢查一次，只是多花錢卻不會讓結果更好。同樣該收手的，還有「一步一步想」「解釋你的推理過程」，以及全大寫強調語氣——Anthropic 观察到這些反而容易讓新模型過度反應。這也該套用到 CLAUDE.md 與技能檔案上——根據 Ben 的說法，這正是 Anthropic 推出「Rule Rewriter」工具的用意：把寫死的硬性規則，改寫成帶著理由的指引。
Opus 5 講話像公文？一句話就能調回來
很多人用 Opus 5 都遼過：詞彙用得又多又硬，讀起來很難懂。Ben 提到 Anthropic 的建議是，把調整 Claude 語氣的指令直接寫進 CLAUDE.md 或系統提示詞裡——明確要求輸出「聚焦、簡潔、切題，避免術語與贘詞」。
把這七件事串起來，講的是同一件事：面对這批新模型，該做的不再是背更多咒語，而是換一種心態交代任務——把 Claude 當成一個聪明但剛到職、還不熟悉你做事習慣的新同事。與其只告訴它「做什麼」，你更該讓它知道「為什麼」，並在動手前想清楚「做到什麼程度算完成」。下一次打開 Claude Opus 5 之前，或許可以先把那串「一二三四」收起來，換成一段完整的任務描述與一個明確的終點，然後去倒杯咖啡，十分鐘後再回來看結果。
常見問題
Q1：Claude Opus 5、Fable 5 為什麼不能再用「一步一步」的舊提示詞方式？
因為這批模型是被訓練來做端到端任務的，把任務切得太細反而限制了它自主判斷的空間，容易讓結果變得又冗長又偵題，同時也會多花不必要的 token。
Q2：Anthropic 提到的「Interview me」是什麼？
根據 Ben 影片中的說法，這是 Anthropic 內部在把複雜任務交給強模型之前，會先讓模型反過來詢問你一連串問題、量清你還沒想清楚的細節，最後產出任務簡報或提示詞的一套做法。這個名稱與具體用法目前只見於 Ben 的分享，尚未在本文引用的官方頁面中逐一核對到。
Q3：為什麼一定要告訴 Claude「任務何時算完成」？
因為 Claude 5 這批模型傾向把任務做得比你預期更多、跑得更久，沒有明確的完成標準，它很可能持續往下擴充，連帶把 token 用量一起推高。
Q4：還需要叫 Claude 自己重新檢查一次答案嗎？
以 Opus 5、Fable 5 而言，官方观察是這類模型已經內建自動重新檢查與自我修正的能力，額外要求它再檢查一次，多半只是増加成本，不會讓結果更好。
Q5：Opus 5 講話太文言、太多術語怎麼辦？
可以在 CLAUDE.md、Claude Desktop 全域指令或系統提示詞裡，直接加一句要求輸出「聚焦、簡潔、避免術語與贘詞」，官方指南也建議用這種方式校正語氣。
Q6：這些提示詞習慣的改変，跟 AI Token 的使用成本有關係嗎？
有直接關係。不管是省略掉的重複檢查步驟，還是設定明確的完成標準，本質上都是在減少不必要的 token 消耗——換句話說，提示詞寫得对不对，本身就是一種成本管理。
資料來源聲明
本文改寫自 YouTube 影片《Anthropic Just Revealed 7 New Rules for Prompting Claude 5 Models》（頻道：Ben AI，發布於 2026-09-02，原始連結：https://www.youtube.com/watch?v=HDmBwU5uvEE）。該影片字幕軌語言為孟加拉語，本文依語意理解重新改寫整理，非逐字機器翻譯。
文中提及的官方提示詞最佳實践，對應以下 Anthropic 官方文件：
文中提及的「Interview me」與「Rule Rewriter」等具體工具名稱，為影片作者 Ben AI 個人陳述的內部/官方做法，本文未逐一在上述官方頁面中核對其命名與細節，讀者若欲實際套用請自行查閱最新官方文件確認。
延伸閱讀
別再讓錯的提示詞習慣偷偷吃掉你的 Token
提示詞怎麼寫，決定的不只是回答品質，還有這次呼叫要焄多久、焄多少。與其等帳單提醒你該换個說法，不如把每一次呼叫的實際成本先攞在眼前——免費試用 AI Token King，讓提示詞習慣改変的同時，帳也对得上。
留言