AIWatch.

@EXM7777 总结出一个统一筛选标准 + 五个具体动作！

# 唯一筛选标准：可重做性测试

一句话判断：这件事，明天用更便宜的模型还能不能重做？ · 能重做 → 跳过（如建网站、写 demo、批量发帖） · 不能重做 → 做（必须依赖顶级判断力创造，但只需要普通智力使用的产物）

经济类比：不要让外科医生去量血压。前沿模型的剩余时间，应当花在"它死后仍能持续产生价值"的东西上。

历史依据：Llama 时代最著名的训练集，是用前沿模型蒸馏出 5.2 万条答案、再训练小模型而成，成本不到 500 美元。老师死了，学生还在跑。

# 五个动作：从"提纯判断"到"提纯思考方式"

动作 1｜把判断力植入工作区 让 Fable 重写 CLAUDE.md，把它变成"一个更弱模型也能按此达到 Fable 水准"的操作手册。关键要求： · 约定 + 需要新增的约定 · 弱模型在此代码库会犯的错，逐条命名 + 对应预防规则 · 每个交付物的质量标准，写成可检查的判据，而不是形容词 · 不确定时的升级路径

核心洞察：弱模型无法发明质量标准，但它能执行一份写好的标准。 顶级模型的价值，在于"作者"而非"执行者"。

动作 2｜顾问式审计 把整个业务（项目、报价、流程、定价、时间分配）丢给模型做咨询，输出： · 按预期回报排序的动作清单 · 每个动作：为什么做、具体步骤、完成标准、弱模型执行所需的指令 · 三件应该停止做的事，附完整理由

交付物规则决定了价值所在：推理过程在今天写下来，明天 Opus 只需照着这份"聪明文件"执行即可，不必自己变聪明。

动作 3｜第二大脑 在长链路研究合成上，Fable 的领先幅度最大。所以今天的批量动作应是： · 对自己的细分领域、竞争对手、客户问题、想学的方法，跑大量深度研究 · 把结果原子化为 Obsidian 笔记：一条洞察一篇，互相链接 · 不要汇总成一份长报告——长报告会被存档后遗忘，一百条互相链接的小笔记会被反复检索和复用

这笔资产成为之后每次会话的上下文基底。

动作 4｜点火目标（无人值守的高价值产出） /goal + 动态工作流，是唯一能在你睡觉时持续产出的动作： · /goal 设定"完成线"而非"提示词"，由一个较小的裁判模型逐轮检查是否达标 · 动态工作流让主模型写编排脚本，后台并行跑几十个子代理交叉验证 · 二者组合：目标守住终点，工作流做扇出

两条安全规则： · 完成条件里要求粘贴证据（裁判模型只能读对话，不能跑你的测试或打开文件） · 每次运行必须设上限（轮数或墙钟时间）——作者提到一次没设上限的无人值守循环，一夜烧了 6000 美元 · 成本提醒：Fable 烧周限额的速度约为 Opus 的两倍，且只有一半周限额可用。

动作 5｜装一个"思考方式记录器" 这是时间不够时应该最先装的动作，因为它会把今天剩下的所有 Fable 时间自动转化为永久资产。

做法：创建 .claude/skills/extract-approach/SKILL.md，并在 CLAUDE.md 里写一条"学习法则"——每个非平凡问题解决后，必须先跑这个 skill 再继续。

效果：每解一个难题，就留下一份"Fable 的推理笔记"在仓库里。笔记是蒸馏物，可被之后任何模型读取。 这是唯一会自动复利的一步。

# 执行顺序（时间紧张时）

1. 装记录器（5） 自动把剩余时间全部资产化

2. 点 fire 目标（4） 可以独自在后台跑

3. 重写工作区（1） 后续会话都依赖这一层

4. 业务审计（2） 产出执行路线图

5. 第二大脑（3） 深度研究，最吃时间