常規搜尋模式
事實來得快，脈絡卻偏薄
適合快速查詢；但遇到開放式問題時，答案可能被壓縮成一段看似完整、卻隱藏不確定性的摘要。
由 Claude Fable 驅動
認識 Fable 模型：先研究，再寫作。
Fable Research 將 Claude 的 Fable 模型帶入 Felo，專為那些不該止步於快速摘要的問題而設計。它會閱讀原始資料，檢驗相互競爭的說法，並把證據整理成真正可用的報告。
開啟 Fable Research Claude Fable 會較快消耗積分。
關鍵點
它的特別之處不是新的介面花樣，而是模型本身的工作方式：讀得更深、推理更審慎、綜合更乾淨。
Fable 研究工作台
Fable 的研究循環如何運作
FABLE MODELRESEARCH
1
讀取真正的資料內容
當關鍵答案藏在方法、定義、限制說明或長篇來源中時，Fable 尤其能發揮作用。
2
讓研究線索持續推進
它會用前一個發現決定下一步怎麼查，而不是把每個來源都處理成孤立摘要。
3
會質疑薄弱主張
它會指出缺失的脈絡、站不穩的假設，以及不同來源彼此指向不一致的地方。
4
寫成可直接使用的報告
它的目標是產出包含發現、邊界、影響和後續問題的簡報，而不只是堆出一組筆記。
模型
Claude Fable
適合
高難度研究問題
最佳輸出
以證據為主線的報告
為什麼重要
優勢在模型行為，而不在連結數量
大多數研究工具會給你更多結果。Fable Research 的不同在於，模型會把更多篇幅用於解釋、判斷和綜合。
Fable 模式
證據之上加入判斷
當你需要弄清資料到底支持什麼、不支持什麼，以及下一步該怎麼做時，它更合適。
這就是本頁先講模型，而不是先列功能的原因。
更好的研究結果來自 Fable 的工作方式：細讀資料、多跳推理、對證據保持懷疑，並以報告形式完成綜合。
Fable 模型特質
改變研究結果的四個特質
每個特質都會影響最終答案的品質：更少遺漏限定條件，更清楚呈現取捨，也更容易形成有分量的簡報。
01
閱讀對脈絡敏感的閱讀
Fable 適合處理答案高度依賴脈絡的來源：作者是誰、測量了什麼、使用哪套定義，以及資料沒有涵蓋什麼。
研究效果
報告不容易把有層次的來源壓平成一句泛泛結論。
02
推理多跳證據串聯
模型可以把一條推理線貫穿多個來源，並用先前證據去檢驗後續說法。
研究效果
對於無法靠單一搜尋結果解決的問題，你會得到更紮實的答案。
03
判斷內建懷疑機制
當一個過於自信的答案可能帶來風險時，Fable 很有價值。它會先尋找支撐薄弱、證據缺口和相互矛盾之處，再把敘事整理順暢。
研究效果
最終報告能區分真正有依據的主張，以及只是聽起來很有說服力的主張。
04
綜合研究備忘錄式寫作
Fable 不會停在摘錄筆記，而是把發現組織成包含結論、注意事項和追問方向的簡報。
研究效果
輸出更容易分享給團隊，也更適合作為決策材料。
更好的研究結果
由 Fable 主導研究後會改善什麼
當淺層答案帶來的代價高於額外積分成本時，就值得使用它。
1
答案經得起二次審讀
因為限定條件和來源邊界都被擺出來，結果更容易複核，也更不容易在討論中被推翻。
2
矛盾會變成線索
Fable 不會把衝突證據藏起來，而是把分歧整理成一張更清晰的地圖：哪些已知，哪些不確定，哪些值得繼續核查。
3
後續研究更聚焦
當模型暴露出缺口後，你可以把下一條提示詞用於補齊真正缺失的部分，而不是從頭再來。
如何給 Fable 下研究簡報
把研究任務明確交給模型
第一條提示詞越清楚，Fable 越能把積分花在推理上，而不是花在猜測任務形態上。
簡報要點
說明它要支持的決策
告訴 Fable 輸出是為了產品簡報、投資備忘錄、市場掃描、政策解讀，還是學術範圍界定。
簡報要點
設定證據規則
說明哪些來源類型重要、哪些來源應避免、需要涵蓋的日期範圍，以及是否要標註信心程度。
簡報要點
要求先找薄弱點
在要求最終報告之前，先讓它列出矛盾、證據缺口和關鍵假設。
積分提醒
問題值得深入時，再啟用更強模型
Claude Fable 模型會較快消耗積分。請把它用於那些值得投入額外積分的研究：需要深讀資料、核查衝突並完成綜合判斷的任務。
FAQ
關於 Fable Research 的常見問題
Claude Fable 更適合細讀來源、多步推理、核查矛盾和綜合成報告。在 Felo 中，這些能力被封裝為 Fable Research 智慧體。