**
6 月 9 日，Anthropic 發布了一款名為 Claude Fable 5 的新模型。
就在當天，我讓它接手了我整個「自動化 Note 銷售系統」。
結果，短短一週多，每日銷售額幾乎翻了一倍。
老實說，我當時只是想著：「新模型出了，不如試試看吧」，所以連我自己都對這個結果感到驚訝。
在這篇文章中，我將記錄所有細節：我讓它做了什麼、修正了哪些地方，以及我使用的 Prompt（提示詞）。
順帶一提，我通常會在我的 LINE 上分享這個系統的最新動態，以及無法在文章中詳述的詳細設定，如果你有興趣，請查看文末的連結。
在 Fable 5 發布當天，讓 AI 接手一個成功的系統
首先，說明一下背景。
Fable 5 是 Anthropic 推出的第一款模型，它在具備安全機制的同時，向所有人開放了先前因性能過高而未公開的「神話級（Mythos-class）」能力。
它在程式設計基準測試（SWE-bench Pro）中記錄了 80.3% 的成績，這個數字不僅超越了之前的 Opus 4.8，甚至超過了 GPT-5.5 和 Gemini 3.1 Pro。
順帶一提，所謂的「安全機制」是指只有涉及危險領域的請求才會自動切換到舊模型。根據官方數據，超過 95% 的對話都不會觸發此機制。
簡而言之，在正常的商業用途中，你完全感覺不到任何差異。
然而，我關注的重點並非基準測試的數字，而是它能夠 「執行冗長且複雜的任務，且中途不會丟失上下文」。
這意味著什麼？
這意味著我們現在可以將「改進」過程本身外包出去——即閱讀整個系統的所有檔案，將其與銷售數據進行交叉比對，並判斷需要修復的地方——這些以前只有人類能做到的事。
使用傳統模型時，如果你給它 10 個檔案，它們往往會忘記前幾個檔案的內容，並給出不相關的建議。而 Fable 5 幾乎從不犯這種錯。
一個明顯的例子是海外的一份報告，提到「將 5000 萬行程式碼進行遷移，時間從 2 個月縮短到了 1 天」。本質上，這意味著它可以在完全理解龐大整體的情況下推進工作。
我的系統總共有約 40 個檔案加上銷售數據，所以這種「讀透一切的能力」非常有效。
這就是為什麼我認為 「讓它改進現有系統」是使用它的最聰明方式，而不是僅僅玩弄新功能。
這裡有一個重要的觀點。
模型進化並不代表「系統變得過時」。
它代表的是「系統改進的速度加快了」。
對於擁有系統的人來說，每一次新模型的發布都是順風車。
我不親自進行改進的原因有三：
- 親力親為會引入「假設」（根據自己的直覺判斷為什麼東西賣得好）。
- 外包意味著交出系統內容（洩漏核心機密）。
- AI 可以零情緒地閱讀所有數據（處理人類無法完成的龐大數據量）。
坦白說，改進就是「閱讀所有數據並找出差異」的任務，所以 AI 比人類更適合做這件事。
我的直覺可能會說：「我覺得這個月情感導向的文章比較有效」，但如果讓 AI 閱讀數據，它會回饋基於數據的發現，例如：「高收藏率的文章在引言中始終包含這個元素」。
這種差異是巨大的。
自動化 Note 銷售系統概述
這是我目前運行的配置：
- 概念設計（將銷售對象、內容和方式整合到一個 md 檔案中）
- 自動化貼文生成（AI 根據概念每天創建 10 篇貼文）
- 自動化發布（每天在固定時間流向 Threads/X）
- Note 引導（從貼文 → 個人檔案 → Note 文章的流程）
- 數據收集（自動累積曝光、收藏和銷售數據）
- 自動化改進循環（根據累積的數據更改下一批貼文）
稍微補充一下每個部分：
第 1 步的概念 md 是所有事情的起點。從第 2 步開始的一切都基於這裡寫下的「對象、內容和方式」。
在第 2 步中，AI 在閱讀概念 md 後，會自行每天創建 10 篇貼文。人類已經不再撰寫它們了。
第 3 步只是將它們放入自動化發布工具，所以我連發布按鈕都不用按。
第 5 步非常重要；「哪篇貼文被收藏」、「哪篇貼文引導至個人檔案點擊」，以及「當天賣了多少」都會每天自動記錄。
第 6 步是一個循環，每 3 天讀取一次數據，並將其反映在接下來的 30 篇貼文中。
重點在於，這個系統不是「建成後就結束了」，而是 5 → 6 → 2 的改進循環會持續運轉。
人們常說：「看起來很難建立」，但繁重的工作只有第一次。
你只需要在最初建立概念 md 和評估標準時動腦。之後，運行得越久，累積的數據就越多，數據越多，改進的準確度就越高。
由於這是一個隨時間推移而變得更強的結構，我真心認為早點開始的人會贏得這場遊戲。
那麼人類在做什麼呢？實際上只有三件事：
- 在開始時決定類型和概念（這是人類的工作）。
- 決定是否採納 AI 的改進建議（我稍後會詳細說明）。 -偶爾查看數據，調查是否有異常情況。
就日常工作時間而言，不到 10 分鐘。
而我這次讓 Fable 5 做的是循環中最上游的任務：「將此系統的所有檔案與最近的銷售數據進行交叉比對，以識別需要修復的地方。」
我在數據傳輸方面沒有做任何困難的操作；我只是讓它直接讀取系統檔案集以及包含銷售、曝光和收藏的數據。
許多人認為：「我必須在交給它之前整理好」，但事實恰恰相反。
如果你交出原始數據，AI 會自行整理，並捕捉到人類未察覺的相關性。
我丟出的 Prompt 基本上是這樣的（我把它留在這裡，方便你複製貼上）：
「閱讀此系統的所有檔案，並將其與銷售數據進行比較，以識別『銷售時』與『未銷售時』之間的所有差異。只給我數據差異，不要給我曝光數據。接下來，建議應該將這些差異反映在系統的哪個檔案和哪個判斷標準中，並以檔案名稱和修改建議的形式呈現。」
重點是我限制它 「只給數據差異，不要給曝光數據」。
如果你不加上這點，AI 就會混入「增加發布頻率」之類的通用建議，這種建議到處都看得到。
透過將其限制為數據差異，只會產出我系統獨有的改進點。
在找出差異後，實際讓它進行修復的 Prompt 是：
「我會指定採納哪些建議，請直接重寫相應的檔案。在最後向我展示重寫前後的差異列表。在我未指定的部位，請勿更改任何一個字。」
「在我未指定的部位，請勿更改任何一個字」 非常重要。如果你不加上這點，AI 會出於好意去「改進」其他地方。當讓它觸碰一個運作中的系統時，鐵律就是限制變更範圍。
Fable 5 發現的「銷售與未銷售」之間的三個差異
Fable 5 提出了三個差異。
當我看到第一個差異時，我心想：「這絕對會改變銷售額。」
差異 ①：銷售中的 Note 包含「購買前的那句話」
這是 Fable 5 在比較所有銷售中與未銷售的 Note 後得出的結論。
銷售中 Note 的概念，將「讀者在購買前腦中浮現的情緒」具體化並包含在內。
而那些賣不出去的，設計僅止於「目標對象」和「問題」。
具體來說，未銷售 Note 的概念顆粒度僅在這種程度：
「30 歲女性 · 想與前任復合 · 教她方法。」
而銷售中 Note 的概念則是這樣的：
「30 歲女性 · 想與前任復合 · 在她想到『如果我完全照這個人說的做，或許就不用在午夜看著手機感到焦慮了』的瞬間購買。」
你看出差別了嗎？
前者止步於「賣什麼」。
後者則 設計到了打開錢包前 0.5 秒腦中的想法。
這就是銷售的分水嶺。
因此，我讓它將「購買前情緒的具體化」作為概念設計 md 中的強制項目。
僅僅增加這一個項目就改變了一切。由於概念位於上游，生成貼文的用詞、Note 的標題，以及內文的切入方式——一切都開始朝著那個「購買前的想法」撰寫。
一個檔案中一個項目的修改，會漣漪般影響所有下游產品。這就是系統化的美妙之處。
順帶一提，我還讓 Fable 5 輸出了撰寫此項目的訣竅：標準是「用讀者自己的話，寫出讀者無法告訴任何人的真實感受」。
「我想解決焦慮」太弱了。
如果你能寫出「我太害怕再次被冷暴力，以至於不敢按下發送鍵」，這才算合格。
在其他類型中也是如此。例如，在副業領域，與其說「給想從副業賺錢的人」，不如用：
「發薪日前一週看著餘額，在便利商店嘆氣並把一件商品放回架上的人。」
如果你能寫到這種程度，它就會變成一篇看起來像是只對那個人顯示的廣告的 Note。
差異 ②：貼文評估標準過於關注曝光
自動化改進循環的評估標準太過「重曝光」。
然而，與銷售相關的並非曝光，而是「收藏數」和「個人檔案點擊率」。
這意味著 獲得曝光的貼文與打開錢包的貼文是兩回事。
任何做列表行銷的人都會明白，潛在客戶數量與轉換數量並不一定相關。
獲得曝光的貼文屬於「共鳴、親切、幽默」類型。
但對於打開錢包的貼文，會發生「我想收藏這個以後再看」或「看看這個人的個人檔案」之類的動作。
爆紅感覺很好，但直接與銷售掛鉤的數字卻是那些較為低調的數據。
順帶一提，這兩個數字任何人都能在 X Analytics 上免費看到。
只要按「收藏數」而非「曝光數」來審視你的貼文，你應該就能找到會賣的模式。
作為參考，被收藏的貼文有三個共同點：
- 包含以後可以使用的具體步驟（讀完後不會結束）。
- 包含數字或專有名詞，讓人想把它當作「備忘錄」保存。
- 有應用到自己情況的空間（以可以直接使用的形式）。
相反地，「好故事」是不會被收藏的。曝光在當下被消耗掉，然後就結束了。
當我讓它將評估標準重寫為「專注於收藏和個人檔案點擊」時，曝光量略有下降，但銷售額卻上升了——這是一個有趣的變化。
僅僅透過更改自動化改進循環中評估標準的一行字，所有生成貼文的方向就會改變，所以擁有系統的人應該優先審視這一點。
差異 ③：內文順序是「過早給出解決方案」
賣不出去的 Note 在開頭給出了太多解決方案。
如果你在讀者意識到「這就是我的問題」之前就展示答案，他們在感受到價值之前就會讀完。
銷售中的 Note 使用了 「總篇幅的 30% 用於具體化問題」。
在 7000 字的 Note 中，前 2000 字不是用來給出解決方案，而是用來「比讀者自己更精準地描述讀者的處境」。
只有在讀者處於「為什麼你這麼了解我？」的狀態後，你才第一次提供解決方案。
在這種順序下，即使是相同的內容，也會被讀作「有價值的東西」。
對於那些想知道「如何撰寫問題的具體化」的人，我會留下我實際使用的程序。
我讓 AI 寫出 10 段目標對象在晚上躺在床上時會想的獨白。
像是「過了一週還是沒已讀」、「我無法跟朋友談論這件事」，或是「我的搜尋紀錄全是關於如何與前任復合」。
只要將這 10 段重新排列並放在內文開頭，問題具體化部分就幾乎完成了。
這裡常見的錯誤是用「通則」來寫問題。
像「復合很難吧？」或「這讓你很焦慮吧？」這種適用於任何人的話語，是無法打動任何人的。只有當你將其具體化到獨白程度時，才會出現「這是在說我」的時刻。
這也是 Fable 5 作為數據差異提出來的。仔細想想，這是銷售的基本功，但這部分卻沒有被納入自動化生成系統中。
人類會自然做到的事情，卻在系統設計中缺失了。
找出這些「已知但未實施的漏洞」，正是讓 AI 進行改進最棒的部分。
將改進交給 AI 時的設計哲學
從嘗試將改進交給 AI 的過程中，我學到了三個原則。
原則 ①：改進交給 AI，採用決策留給自己
Fable 5 總共提出了 7 個建議。
我採納了 3 個。
在被我拒絕的 4 個建議中，例如有一個建議是「將每天的貼文數量從 10 篇增加到 15 篇」。
邏輯上是合理的，但我過去已經驗證過，對於我的讀者群來說，時間軸壓力會太大，他們最終會將我靜音，所以我拒絕了。
如果你全盤接受，系統就會傾向於 AI 的通用性，反而停止銷售。
事實上，我過去曾採納過所有建議，結果那週的數據反而下降了。
即使每一項看起來都正確，但結合在一起，就會變成一個「到處都看得到的帳號」。
AI 是尋找差異的天才，但判斷「是否採納該差異」的材料——過去的驗證歷史和對讀者的感覺——只存在於你自己心中。
原則 ②：始終將改進反映在「檔案」中
不要只在聊天中說「從現在開始這樣做」就結束了；要讓 AI 直接重寫系統檔案本身。
這樣做的原因是將改進轉化為資產。
聊天中的指令會消失，但放在檔案中的判斷標準會持續對之後的所有生成內容產生效用。
就我而言，我按角色劃分重寫目的地。
「賣什麼給誰」是概念檔案，「將哪些貼文判斷為成長」是評估標準檔案，而「以什麼順序撰寫 Note」是結構檔案。
由於我可以看到每個改進對應哪個檔案成長，感覺整個系統正變得越來越聰明。
原則 ③：從上游修復（概念 > 貼文 > 用詞）
談到改進時，你往往會想從下游修復，例如貼文的用詞。
然而，對銷售的有效性順序是「概念 > 評估標準 > 內文結構 > 用詞」。
這次銷售翻倍的主要原因無疑是差異 ① 的概念部分。
原因很簡單：一個上游位置會影響從那裡生成的一切，但一個下游位置只會影響那一篇。
如果你修改概念的一行字，未來所有的貼文和 Note 都會改變。如果你修改貼文的一句結尾，只有那篇貼文會改變。
如果工作量相同，最好用在有效的地方。
無論你如何潤飾下游，如果上游設計賣不出去，數字就不會動。
擁有系統的人，每次 AI 進化都能獲利
那麼，現在發生了什麼？
我在 6 月中旬反映了改進，從那時起，每日銷售額穩定在近乎翻倍的水平。
最有效的部分無疑是差異 ① 的概念部分。在反映之後，生成內容帶來的「收藏 → 個人檔案 → 購買」流程發生了顯著變化。
工作時間保持不變，幾乎為零。
這件事讓我確信了一件事：
每次 AI 進化，獲利最多的人是「那些擁有系統的人」。
Fable 5 本身任何人都可以使用。
但沒有「目標讓 Fable 5 改進」的人，只能在新模型出來時試用一下。
有些人每次新模型發布都會嘗試，說「太神奇了」，發布一下感想就結束了。
然後還有一些人，每次新模型出來，都會讓它閱讀自己的系統，進行改進，並將銷售額提升一個台階。
儘管他們使用的是同一個 AI，但一個是消費，另一個是投資。
因為我擁有系統和數據，我的銷售額在模型進化的當天就產生了變動。
模型將繼續進化。
六個月後，比 Fable 5 更聰明的模型將會問世，我會再做同樣的事情。
這個循環本身就是一項資產。
每次這種情況發生時，我相信擁有系統的人與沒有系統的人之間的差距將會以驚人的速度拉大。
我偶爾會被問到：「現在開始會不會太晚了？」，但事實恰恰相反。
後來者可以從一開始就用聰明的模型建立系統，所以他們可以跳過我過去掙扎的部分。
當我開始建立這個系統時，我必須每次都手動修復 AI 的輸出，但現在建立它的人幾乎不需要那個過程。
是否太晚，不是由進入時間決定的，而僅僅取決於你是否開始建立系統。
現在，對於讀到這裡並想著「我想轉向系統方」的人。
事實上，一個不可思議的專案正在進行中。
我正在進行一項名為 「讓一位 40 多歲、不懂技術的家庭主婦，僅使用 Claude Code 自動化，在每天 30 分鐘的限制下賺取 20 萬日圓」 的實時挑戰。
當你在睡覺時，AI 會完成 Note 的撰寫，當你早上醒來時，它正在自動銷售。
我正在展示「將一切交給 AI 並讓它為你賺錢」如何成為現實，包括失敗的過程。
從零開始建立系統的步驟、概念設計的模板，以及實際賺錢的人的動態都在這裡分享，所以老實說，如果你不看的話，我覺得你錯過了。
參與即可獲得 ↓
✅ 一位 40 多歲、不懂技術的家庭主婦實現從 0 到 20 萬日圓的全過程（以你可以直接模仿的程度公開）
✅ 透過評論欄分發挑戰中實際使用的 Claude Code 自動化內容
✅ AI x Note 銷售的最新 Know-how（超過 50 人回報成果；一位原本是 Know-how 收集者的人在一個月內賺了 14 萬 7000 日圓的案例）
點擊此處參與（完全免費，有名額限制，請儘早加入）
https://line.me/ti/g2/2NjuIznaLxS8gyB0eKLdMOQxQvpcYUYj1e9TlQ
