两个任务烧穿月度套餐,Fable 5.2规划能力实在太强

0 评论 85 浏览 0 收藏 32 分钟

让 Fable 5.2 复刻一个 Excel 原型,先做规划再逐步实现,两个任务跑完直接烧穿月度套餐。规划能力确实强,逻辑严密、优先级清楚,但离一句话交付还很远,成本和提示词依然是变量。

Claude Fable 5.2 于近期发布,大伙也测的不亦乐乎,网友们都沉浸在 Fable 5.2 一键开发 3A 大作的兴奋感中,比如《Saltline》这种 3D FPS 游戏。

想要开发《Saltline》需要的开发成本也不低,达到约 550 美元 API 成本。

图源:https://x.com/felixrieseberg/status/2119925633564463609

但知危关注更多的还是一个很实用的点,和一个很不实用的点。

前者是它在实用软件上的编程能力达到了什么水平,比如 Anthropic 官方放出的一个 Demo,Fable 5.2 用 8 天时间开发了一个操作系统的原型。

图源:https://www.anthropic.com/claude-fable-and-mythos-5-2

对于官方 Demo,按经验还是需要多亲自测测来辨别。那我们可否也尝试复现出这个结果,至少是个雏形,并且成本可控一些,以此来感受 Fable 5.2 的编程水平。

Windows 系统的代码量达到了千万级,Excel 的代码量没有公开数据,但预计至少能达到百万级,如果能用 Fable 5.2 复刻出一个 Excel 原型,而且是近乎 100% 复刻的程度,虽然不到一个复杂度级别,但也算一定程度上探测到了 Fable 5.2 的编程水平。

也别小看简易版的难度,简易版的 Excel 即便只能用作演示,在知危的测试中也卡了开源大模型一年多才被突破。

需要提前声明的是,我们不只是一句话让 Fable 5.2 开发出最终成果,而是先让 Fable 5.2 做规划,沉淀为本地文档,再用 Sonnet 5.5 来做具体的开发,一来这更符合实际开发生产的成本控制逻辑,二来毕竟规划能力才是衡量模型之间真实差距的维度。

我们也在这过程中看看 Fable 5.2 在规划思路上有多硬核,并用原型代码和规划的质量来预估,Fable 5.2 在提供足够成本的前提下,是否真的能复刻出 Excel。

此外,我们会测试 Fable 5.2 的审美水平,下图是 Fable 5.2 最让知危震惊的一个案例,它用 Python 写的画笔画了 70 万笔,硬是画出了一个以假乱真的实景图。

图源:https://x.com/jkeatn/status/2119874018706874601

不过我们具体的测试思路不会那么直接,而是尝试将这种画笔用到实用场景中,比如让 Fable 5.2 用 Python 开发一个《空洞骑士》的泪之城,并进一步美化视觉。

此外,还有一个前置说明,那就是由于老生常谈封号问题,我们通过 GitHub Copilot 的 Pro+ 也就是 39 美元/月的套餐来调用 Fable,这个订阅能获得价值 70 美元的 credit/积分( 按 Claude API 价格计算 ),总共 7000 积分。

那么话不多说,我们的测评开始!

首先来开发 Excel,用 VS Code 中的 Copilot 来执行。

以下是目标生成 100% 复刻 Excel 规划文档的提示词:

请规划并设计一个基于 HTML 技术栈、可在本地运行的电子表格应用,目标是实现 Excel 桌面完整版的功能与操作体验。

当前阶段只做规划,严禁编写代码或启动实际开发。

请先充分分析 Excel 的功能体系,将其拆解为可实现的功能模块,并评估技术可行性、实现难度及依赖关系。不要简单地将功能缩减为普通表格编辑器。

在本地项目目录中创建一份完整的 Markdown 规划文档,至少包含:

1. 总体目标与功能清单:覆盖工作簿、工作表、单元格编辑、公式与函数、格式、图表、数据透视表、筛选排序、数据验证、导入导出、快捷键、撤销重做等功能,并识别高级功能及潜在限制。

2. 分阶段开发路线图:明确需要多少个阶段,每个阶段由 Agent 自动独立执行一次,阶段之间由人工进行验收和编辑,单次执行时长按 1 小时规划。说明每个阶段的目标、具体任务、交付成果、前置依赖和验收标准。

3. 详细架构设计:说明技术选型及理由、前端组件体系、表格渲染引擎、公式计算引擎、数据模型、状态管理、文件解析与导出、数据持久化、模块通信及性能优化方案。

4. 工程实施规范:目录结构、模块边界、开发规范、测试策略、异常处理和版本管理。

5. 风险与可行性评估:分析 Excel 功能兼容性、性能瓶颈、技术难点及替代方案。

规划必须足够具体,使后续 Agent 能够严格按照文档逐阶段执行,而无需重新设计整体架构。对无法在单个阶段完成的任务进行合理拆分,避免阶段之间的职责重叠。完成后检查文档是否完整、前后设计是否一致,并明确后续开发的启动顺序。

这里面需要重点提及的是,我们将会把开发过程分成多个阶段,每个阶段开发时间 1 小时,这样能更好体会 Excel 一步一步生长出来的过程。

规划生成后,Fable 5.2 让我确认以下 8 个问题 ( 橙字部分是我的答复 ),因为完全复刻 Excel 还涉及大量外部兼容问题,比如支持的浏览器内核、语言等,如果全部包括进去,可能让项目失去焦点,不能集中精力做最重要的部分。当然,为了增加难度,也会要求它全部自研,不允许使用第三方开源库。

执行开发前需要确认的 8 个问题:

| Q1 | “ 本地运行 ” 的具体形态 | ( a ) 本地静态服务器加浏览器访问;( b ) 可安装的 PWA;( c ) Electron 或 Tauri 桌面外壳;( d ) 以上组合 | 决定限制 L2、L3、L6、L10 能否消除,也决定工程结构 | 本地静态服务器加浏览器访问;

| Q2 | 目标浏览器范围 | 仅 Chromium 内核;或同时支持 Safari 和 Firefox | 影响文件访问、剪贴板、字体等能力的可用性 | 仅 Chromium 内核;

| Q3 | 是否允许使用第三方开源库 | 全部自研;核心自研加外围用库;尽量用库 | 影响工作量、许可证合规和可控性 ( 公式引擎、xlsx 解析、图表是三个主要决策点 ) | 全部自研;

| Q4 | 团队规模与期望周期 | | 决定路线图的分期粒度和各期范围 | 1 人,周期 24 小时 ( 纯工作时间 );

| Q5 | 首期版本的范围 | 仅 P0;或 P0 加部分 P1 | 决定第一个里程碑的定义 | 仅 P0;

| Q6 | 对标的 Excel 版本 | Microsoft 365 当前版;或 Excel 2019 / 2021 | 影响动态数组、`LAMBDA`、新式图表等是否属于必选范围 | Microsoft 365 当前版;影响动态数组、`LAMBDA`、新式图表等不属于必选范围;

| Q7 | 界面语言 | 仅简体中文;或中英双语 | 影响国际化结构的投入 | 仅简体中文;

| Q8 | 第 4.2 节 “ 不纳入范围 ” 的清单是否认可 | | 如需纳入其中某项 ( 例如 VBA ),需重新评估整体可行性 | 认可;

第 8 点很值得关注,其中,VBA 宏是用于 Excel 中执行自动化操作的,相当于一门编程语言,Fable 5.2 特别提醒我,开发这部分的 “ 工作量相当于另一个项目 ”,其它和外观相关的比如艺术字,和本地使用无关的云服务、数据库连接等,自然也可以先排除。

以下是 Fable 5.2 最终规划的功能模块,包含了 P0 到 P3 优先级的部分 ( 这次只开发 P0 部分 ),简易版 Excel 和 P0 部分基本能重合,比如下图中框出来的部分,但只是表面上。

把每一个 P0 功能点展开后,发现简易版漏了很多功能,比如对于单元格编辑,简易版实现的是下图中框出来的部分,漏掉了数据类型识别、填充柄、合并单元格等。

再加上 P1 到 P3 部分,可以感受到真要 100% 复刻的话,任务量得有多庞大。

但这还没完,为了保证验收的稳定性,即便只是 P0 部分,开发过程也需要分成几十个阶段来人工验收,Fable 5.2 必须仔细考虑这几十个阶段该如何划分。

下图展示了总体的开发路线,Fable 5.2 将 P0 部分的开发过程分成了 20 个阶段,大致可以看出,S01 到 S07 主要实现功能原型,S08 到 S18 主要实现外观样式、高效操作 ( 比如行列操作、填充柄等 )、多工作表管理和导入导出,最后 S19 和 S20 进行总体验收和校正。

再精细一层,则是每一个阶段之间需要严格遵循的依赖关系,比如填充柄需要依赖复制剪切粘贴,复制剪切粘贴本身又和纯文字操作不同,需要依赖行列操作的完善,行列操作还分为表层单元格部分和底层数据模型部分,需要先写好底层数据模型。

下图展示的是填充柄的实现规划,注明了需要依赖 S14 的剪贴板实现。另外,还有一点值得注意的是,Fable 5.2 在每一步都会详细写验收标准,这对完成质量特别重要。

如果要更直观地感受,可以再看看我让 Fable 5.2 生成的动态网页,用来展示每个阶段间的依赖关系。

接下来 Fable 5.2 要退居幕后了,我们让 Sonnet 5.5 登场,执行每个阶段的开发任务。

S01 的任务是建立骨架,也就是核心数据模型,简单来说就是先实现数据在底层的存储,还不具备表格视觉和输入交互,打开界面只能看到空白的外壳,这也符合 Fable 5.2 的预期。

S02 则做了一个 “ 黑板 ”,让数据能够被人看到,这个 “ 黑板 ” 就是表格,规模达到了 1,048,576 行,16,384 列,这和原版 Excel 是一致的,并且能正常、流畅地横向、纵向滚动。

S03 实现的是所有类型的表格选中操作,其中包括了鼠标操作和键盘快捷操作。

到此,Copilot 的套餐已经快用掉一半了,其中 500 积分是因为网络中断而浪费的,1200 积分是 Fable 5.2 用于规划的,之后 S01 到 S03 每一步都需要 300 积分,之后每一步也是类似的消耗程度。

S04 实现了一个里程碑,也就是输入数据,我们的 Excel 开始能用了。不仅是能输入一个 “ 你好 ”,还包括 Enter 换行、删除、撤销重做的键盘操作,以及能正确显示不同格式的数据,比如数值、布尔值等。

回到路线图网页,来看看第一个里程碑都完成了哪些工作。

S05 到 S07 没那么直观,是把实现函数计算分成了三步,S05 做公式引擎,S06 将公式引擎接入表格,先实现四则运算和 “ SUM ” 这样的简单函数,S07 再把函数数量扩充到最常用的 95 个函数,下图列出了这些函数。

实测也证明,不管是简单的 “ SUM ”、“ AVERAGE ”、“ IF ”、“ MAX ”,还是复杂一些的 “ XLOOKUP ”,都没有问题,另一个里程碑达成了。

再回看一下路线图,函数计算和表格编辑原本是两条相对独立的路线,在 S06 做公式接入表格的时候汇合到了一起,S07 再从 S05 的基础上做扩充。

到此,Sonnet 5.5 没有出现任何一处错误,工作产出量也很可观,这个成绩是建立在 Fable 的规划上的。代码行数 ( 不包括路线图网页 ) 达到了 17,778,功能模块数 12 个,相比之下简易版 Excel 只需要不到 1000 行。

现在已经实现了最硬核的功能原型,这对于后面的外观样式、高效操作和导入导出部分的实现,其实给了很大的信心,毕竟规划质量是很高的。但到此也已经消耗超过一半的积分了,不用 Claude 官方订阅是真烧钱。

为了还有时间和预算来测试视觉美学部分,我们先搁置开发 Excel 的任务。

在泪之城的城市架构设计上,为了速度快一点,我直接用开发 Excel 项目中的架构文档 ARCHITECTURE.md 丢给 ChatGPT 来帮我写提示词,要求是将 Excel 的五层架构视觉化,每一层的不同元素转换成泪之城的不同建筑、植物或其它环境元素,并放入一个可操控的昆虫骑士角色,用 Python 写代码实现,在视听上尽可能还原原作的氛围感。一个重要细节是,骑士要有无限多段跳能力,方便快速走遍整个地图。

这一次和开发 Excel 不同,是在 Copilot Cli 中用 Fable 5.2 主导,结合 Claude 系列的 Subagent 来配合完成的。

用 Python 开发和美化《空洞骑士》泪之城的提示词:

雨中城市探索游戏

请基于我提供的 ARCHITECTURE.md,将其中的五层软件架构转化为一座具有《空洞骑士》泪之城视觉氛围的原创二维城市,并使用 Python 编写程序,实现城市绘制、视觉美学、角色控制和基础平台跳跃玩法。

一、核心概念与空间结构

城市以架构文档中的五个层次为主要空间框架,采用自下而上的垂直分层结构:第一层位于地图最底部,第五层位于最顶部。五层既要在高度上形成清晰的区域差异,也要通过建筑、植物、道路和环境细节表现各层的功能特征。

不要直接把模块名称画成文字或图标,而应将模块职责转译成符合城市世界观的视觉隐喻:

第一层:基础层 ( base )。城市最底部的地基、地下排水系统、石质街道、地下水道、古老根系和支撑建筑。表现基础设施、区域连接、通用工具和事件传递。

第二层:核心层 ( model 等 )。城市主体建筑群,包括档案馆、钟楼、观测塔、工坊、仓库、图书馆、桥梁等。体现数据模型、历史记录、公式计算、数字格式和文件读写等核心能力。

第三层:操作层 ( commands )。位于城市中部,以工作站、作坊、广场、阶梯、固定通道和建筑平台为主,体现对底层资源进行组合和执行操作的功能。

第四层:视图状态层 ( viewstate )。通过观景台、瞭望塔、阳台、窗户、指示灯、悬挂标识和观测走廊表现视角、选区、状态与交互反馈。

第五层:界面层 ( render、ui、app )。城市最高处,布置宏伟的尖塔、公共建筑、穹顶、灯光和大型建筑立面,呈现最终面向使用者的界面与城市整体形象。

各层之间应有视觉上的连续性,通过楼梯、石桥、屋顶、建筑平台和自然地形连接,形成一座完整的立体城市,而不是五个互不相连的矩形区域。

二、视觉设计

整体借鉴《空洞骑士》泪之城的美学特征:哥特式建筑、昆虫王国的建筑尺度、尖顶与拱门、冷色调、持续降雨、潮湿石材、地面积水、远处建筑剪影和层层叠加的雾气。主色以蓝灰、青灰、深紫和暗黑为主,局部使用微弱的暖黄色灯光形成对比。

雨水必须持续存在,雨线具有不同远近和速度;迷雾应分布在建筑之间及远景区域,配合半透明雾层和景深效果。使用多层视差营造城市纵深,但不能遮挡角色和主要平台。

所有视觉元素分为三类:①纯背景,不参与碰撞;②前景障碍,有物理阻挡,但不能站立;③可站立平台,角色能够在其表面行走和停留。不同视觉元素种类控制在 100 类以内,允许重复使用和调整尺寸、颜色、位置。尽量通过程序化绘制实现,不依赖大量外部素材。设计应有统一的建筑语言,但每一层具有可辨识的视觉特征。

三、角色与玩法

设计一个原创的昆虫骑士风格角色:体型小巧,具有独特的白色面具、斗篷和轮廓,不直接复制原游戏主角。角色需要具备待机、行走、起跳、空中和落地等基础动作表现。

实现键盘操控:左右移动、跳跃、空中方向控制。角色具有无限多段跳能力,即在空中可以无限次再次起跳,不设置跳跃次数上限。需要具备基本重力、加速度、水平移动惯性、碰撞检测和落地判定。角色只能站在指定的平台上,不得站在纯背景或普通障碍物上。

不需要复杂机关、敌人、战斗、任务或关卡系统。重点是城市景观探索和角色移动体验。

四、地图与交互要求

地图必须是一个连续、完整、可以自由探索的世界。不能像原游戏一样拆分成大量独立房间或局部地图,也不能通过传送、加载或切换场景才能抵达不同区域。角色应当能够从第一层一直探索到第五层,并能够自由返回。

允许根据地图尺寸采用平滑镜头跟随,但整个城市必须属于同一个连续坐标空间。只设置明确、固定的可行走平台和碰撞障碍,不引入复杂的机关逻辑。地图需要合理安排平台间距和高度,确保通过无限多段跳能够抵达所有可探索区域。

五、技术实现与交付

使用 Python 编写,优先采用 Pygame 实现实时绘制和角色控制。地图、角色、碰撞区域、绘制层级和天气效果应采用清晰的数据结构管理,避免把所有逻辑堆积在一个绘制函数中。

请先分析架构文档,制定五层到视觉元素的映射表,再设计地图坐标、建筑布局、平台和碰撞数据,最后实现完整程序。代码应模块化,关键参数集中配置,方便后续调整地图规模、元素位置、角色速度和跳跃参数。

最终交付可运行的 Python 项目。启动后即可看到完整的雨中城市,并能立即操控角色探索。重点验收:五层结构清晰、建筑氛围统一、雨雾效果持续、地图连续可探索、角色移动与无限多段跳正常、背景与碰撞分类准确。

实际游戏界面如下,配色上确实有雨中哥特城市的氛围,近景的冷暖对比和远景的深浅对比也做的很自然和舒服,灯光的渲染可以带来更多真实感,但建筑元素还是用过于扁平和平滑的二维几何图形构建的,容易显得假。

游戏逻辑没什么问题,无限多段跳也是很有趣了。

为了做完这一步,我花光了剩余的所有积分,并且还超额消耗了,为避免消耗太大,就去后台设置了 30 美元的超额预算限制。

接下来是用 Python 画笔做进一步的视觉美化,并优化一些游戏体验中不满意的地方,比如增强物理反馈、取消对向上跳跃的阻挡。

提示词:

测试后的优化目标:全面提升游戏的视觉品质、风格辨识度与操作反馈。首先,提高整体渲染分辨率和画面清晰度,增强角色、建筑及远景细节。统一色彩体系,以冷色、潮湿、阴暗的哥特城市氛围为核心,通过更精细的光影、雾气和色彩层次建立独特且一致的视觉风格。

增加建筑、植物、装饰物和环境细节的复杂度,并强化石材、金属、木材、积水等材质纹理,避免简单几何图形和重复元素,使城市具有更丰富的层次与真实感。降低降雨密度和雨线尺寸,使雨成为氛围元素而非遮挡画面的主体。

提升主角形象的复杂度、轮廓清晰度和动画表现。增加行走音效、跳跃音效及不同材质的落地反馈。强化角色与环境的物理交互,包括碰撞、落地、移动和接触反馈。碰撞设计不得在垂直方向阻挡角色向上跳跃:角色应能从下方穿过平台,仅在从上方下落时站立于平台表面。

这次每一个几何图块表面都有一层更复杂的纹理渲染,显得更加真实,灯光也更自然地铺洒在了建筑表面,视觉上舒服了很多。

当然,这个效果是远达不到前述 70 万笔画出照片带来的震撼的。由于预算有限,我也只给了 Fable 5.2 1000 多积分的预算,如果有更多预算,估计发挥空间还非常大。

如果感兴趣,可以看看以下成品 Demo。游戏中不仅是美化了画面,还用 Python 编写了雨声和角色音效,当骑士从顶层走入最底层的时候,背景音还会出现有趣的变化,这是我完全没想到的。

最后,再回头总体计算一下成本。

开发 Excel 使用了套餐内的 4000 积分,按 1 美元 100 积分算,总成本是 40 美元。

开发简易版《空洞骑士》泪之城花掉了剩余的 3000 积分,以及超额消耗的 20 美元,按 1 美元 100 积分算,总成本是 50 美元。

也就是说,仅仅两个任务,并且只开发出了原型,就花掉了 90 美元的 API 成本 ( 实际花费是 59 美元,Copilot Pro+套餐内的 3100 积分是赠送的 )。

当然,如果你还能订阅 20 美元的 Claude Pro 官方套餐,这些估计就是烧掉两个 5 小时限额的程度。

测评结束!

在第一个任务中,Fable 5.2 带来的最大感受不是惊喜,也不是夯,而是靠谱。通过精细地划分出最有价值的目标,再按优先级排序进一步简化,实现路径上也是逻辑严密,到最后你如果只看每一个小阶段,会感觉任务并不复杂,这最终让 Sonnet 5.5 在整个开发过程中不出一个错误。这种兼具宏观和微观的规划能力和视野,才是 Fable 5.2 在编程中最大的价值。

在第二个任务中,知危并没有测试出和网上案例类似程度的,具有美学震撼性的结果,可能还是与提示词以及 Token 用量有关,但也感受到了一种可能性,就是 Fable 5.2 将这种视觉审美能力通过代码的形式融入游戏、影视等工作流的价值。

这种可能性的存在,实在不得不让人再次惊叹大语言模型的巨大潜力,毕竟 Anthropic 从来专门没做过生图模型,甚至也从来没专门做过机器人模型,这不,在这两项能力上又涌现了一次。

撰文:流大古  编辑:大饼  设计:子曰

本文由人人都是产品经理作者【知危】,微信公众号:【知危】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载

题图来自Unsplash,基于 CC0 协议

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
海报
评论
评论请登录
  1. 目前还没评论,等你发挥!