常规搜索模式
事实来得快，语境却偏薄
适合快速查询；但遇到开放式问题时，答案可能被压缩成一段看似完整、却隐藏不确定性的摘要。
由 Claude Fable 驱动
认识 Fable 模型：先研究，再写作。
Fable Research 将 Claude 的 Fable 模型带入 Felo，专为那些不该止步于快速摘要的问题而设计。它会阅读原始资料，检验相互竞争的说法，并把证据整理成真正可用的报告。
打开 Fable Research Claude Fable 会较快消耗积分。
关键点
它的特别之处不是新的界面花样，而是模型本身的工作方式：读得更深、推理更审慎、综合更干净。
Fable 研究工作台
Fable 的研究循环如何运转
FABLE MODELRESEARCH
1
读取真正的资料内容
当关键答案藏在方法、定义、限制说明或长篇来源中时，Fable 尤其能发挥作用。
2
让研究线索持续推进
它会用前一个发现决定下一步怎么查，而不是把每个来源都处理成孤立摘要。
3
会质疑薄弱主张
它会指出缺失的上下文、站不稳的假设，以及不同来源彼此指向不一致的地方。
4
写成可直接使用的报告
它的目标是产出包含发现、边界、影响和后续问题的简报，而不只是堆出一组笔记。
模型
Claude Fable
适合
高难度研究问题
最佳输出
以证据为主线的报告
为什么重要
优势在模型行为，而不在链接数量
大多数研究工具会给你更多结果。Fable Research 的不同在于，模型会把更多篇幅用于解释、判断和综合。
Fable 模式
证据之上加入判断
当你需要弄清资料到底支持什么、不支持什么，以及下一步该怎么做时，它更合适。
这就是本页先讲模型，而不是先列功能的原因。
更好的研究结果来自 Fable 的工作方式：细读资料、多跳推理、对证据保持怀疑，并以报告形式完成综合。
Fable 模型特质
改变研究结果的四个特质
每个特质都会影响最终答案的质量：更少遗漏限定条件，更清楚呈现取舍，也更容易形成有分量的简报。
01
阅读对语境敏感的阅读
Fable 适合处理答案高度依赖语境的来源：作者是谁、测量了什么、使用哪套定义，以及资料没有覆盖什么。
研究效果
报告不容易把有层次的来源压平成一句泛泛结论。
02
推理多跳证据串联
模型可以把一条推理线贯穿多个来源，并用先前证据去检验后续说法。
研究效果
对于无法靠单个搜索结果解决的问题，你会得到更扎实的答案。
03
判断内置怀疑机制
当一个过于自信的答案可能带来风险时，Fable 很有价值。它会先寻找支撑薄弱、证据缺口和相互矛盾之处，再把叙事整理顺畅。
研究效果
最终报告能区分真正有依据的主张，以及只是听起来很有说服力的主张。
04
综合研究备忘录式写作
Fable 不会停在摘录笔记，而是把发现组织成包含结论、注意事项和追问方向的简报。
研究效果
输出更容易分享给团队，也更适合作为决策材料。
更好的研究结果
由 Fable 主导研究后会改善什么
当浅层答案带来的代价高于额外积分成本时，就值得使用它。
1
答案经得起二次审读
因为限定条件和来源边界都被摆出来，结果更容易复核，也更不容易在讨论中被推翻。
2
矛盾会变成线索
Fable 不会把冲突证据藏起来，而是把分歧整理成一张更清晰的地图：哪些已知，哪些不确定，哪些值得继续核查。
3
后续研究更聚焦
当模型暴露出缺口后，你可以把下一条提示词用于补齐真正缺失的部分，而不是从头再来。
如何给 Fable 下研究简报
把研究任务明确交给模型
第一条提示词越清楚，Fable 越能把积分花在推理上，而不是花在猜测任务形态上。
简报要点
说明它要支持的决策
告诉 Fable 输出是为了产品简报、投资备忘录、市场扫描、政策解读，还是学术范围界定。
简报要点
设定证据规则
说明哪些来源类型重要、哪些来源应避免、需要覆盖的日期范围，以及是否要标注置信度。
简报要点
要求先找薄弱点
在要求最终报告之前，先让它列出矛盾、证据缺口和关键假设。
积分提醒
问题值得深入时，再启用更强模型
Claude Fable 模型会较快消耗积分。请把它用于那些值得投入额外积分的研究：需要深读资料、核查冲突并完成综合判断的任务。
FAQ
关于 Fable Research 的常见问题
Claude Fable 更适合细读来源、多步推理、核查矛盾和综合成报告。在 Felo 中，这些能力被封装为 Fable Research 智能体。