第二大腦是一種會擷取你所學內容，並在你需要時將其回饋給你的系統。Fable 5 很適合作為這樣的系統引擎，因為它的三項功能正好符合這類系統所需要的條件：一個 1M-token context window，可一次容納你筆記中的大段內容；一個可在 client 端運作、並能跨 session 持續保存的 memory 工具；以及 Claude Code，它會將你的筆記當作一般檔案來讀寫。最簡單可運作的設定，就是一個 markdown 檔案資料夾、指向該資料夾的 Claude Code，以及一個 /memories 檔案，讓模型在學習你的資料時持續更新它。以下內容會把這些要素擴展成一套可重複建立的配置。
第二大腦需要 AI 模型提供什麼
大多數「AI 第二大腦」教學都略過了真正決定它是否有效的部分：模型必須能夠做到什麼。這有三項要求。
一次處理大量內容。 Synthesis 需要在視野中看到原始素材。Fable 5 擁有 1M-token 的上下文視窗（其最大值也是其預設值），因此你可以將整個專案資料夾的筆記輸入其中，並獲得反映所有內容的分析，而不是被截斷的片段。
在不同會話之間記住。 當你關閉分頁時就把一切都忘掉的大腦，只是一個聊天視窗。Fable 5 搭配 Anthropic 的用戶端記憶工具：模型會讀寫你持久保存的 /memories 目錄中的檔案，因此它上週學到的內容今天仍可使用。
以語意連結，而非關鍵字。 Fable 5 會在每個請求上持續思考，並讓您將投入程度設定為從 low 到 max。這正是把「這裡有 40 則筆記」變成「這三則彼此矛盾，而且其中一則已經過時」的關鍵。
那些是支撐性的能力。下面的框架是你整理筆記的方式，讓模型能夠使用它們。
CODE 框架，對應到 Fable 5
CODE（Capture, Organize, Distill, Express）源自 Tiago Forte 的 Building a Second Brain 方法，之所以實用，是因為每個階段都能清楚對應到 Fable 5 的一項能力。Capture 和 Express 是檔案操作，因此屬於 Claude Code。Organize 是批次分類，1M 視窗讓這件事的成本很低。Distill 則是要放進記憶工具中的內容。以下是每個階段作為具體步驟的說明。
步驟 1：擷取您的輸入內容
Capture 的意思是把原始素材放到模型能夠存取的地方。最簡單可存取的地方是一個 markdown 檔案資料夾，而 Claude Code，這個建立在 Fable 5 上的檔案系統 agent，可以直接用它的 read、write、edit、glob 和 grep 工具讀取、寫入並編輯那個資料夾。你不需要 Obsidian；它只是讓你在相同的純文字檔案上使用更好用的編輯器。
一個可行的資料夾結構：
brain/
├── inbox/ # 未處理的擷取內容會放在這裡
├── notes/ # 已整理、永久保存的筆記
├── archive/ # 已完成或過時的資料
├── memories/ # 模型每次 session 讀回的精煉筆記
└── skills/ # 可重複使用的工作流程（見步驟 4）開始只需兩個步驟：安裝 Claude Code，然後從 brain/ 內部啟動它，讓該資料夾成為其工作目錄，並且它可以看到整個樹狀結構。接著，給它一個可重複使用的擷取指令：
讀取 inbox/ 中的每個檔案。對每一個檔案，在頂部的「## Summary」標題下撰寫一段 2-3 句的摘要，然後將原始文字保留在其下方。
先不要移動這些檔案；只在原地加上註解。那一次單次處理就能把一堆剪輯內容轉成可快速瀏覽的筆記，而且不用你親自動手。
步驟 2：透過歸檔與連結來整理
一旦內容被擷取，Fable 5 就可以對其進行分類。這就是 1M context 展現其價值的地方：你可以在一次請求中把整個 inbox/ 和 notes/ 樹狀結構交給模型，讓它的歸檔決策能在所有內容之間保持一致，而不是逐個檔案處理、且對上一個檔案毫無記憶。
一次動作即可歸檔並標記的提示詞：
讀取 inbox/ 中的所有檔案。對每個檔案，判斷它是否應依主題放入 notes/（如果沒有合適的分類，請建立一個主題子資料夾），或如果它已過時則放入 archive/。
新增一個 frontmatter 區塊，包含 `tags:`（3-5 個主題標籤）和 `linked:`（你找到的相關筆記路徑）。移動檔案，然後告訴我你做了什麼。因為模型在相同脈絡中會看到既有的 notes/ 結構，所以新的標籤會重用你現有的詞彙，而不是為你已經擁有的標籤發明同義詞。這正是讓大多數標籤系統崩潰的失敗模式。
步驟 3：提煉重點
萃取是從筆記中提煉出可長久保留的重點，這樣你之後就不必再把整篇重讀一遍。這正是 memory tool 的工作。它會提供模型一個持久的記憶目錄（上方的 memories/ 資料夾），並由 view、create、str_replace、insert 和 delete 指令來管理，而且這個目錄會在不同工作階段之間延續。把 Claude Code 指向它後，它會在每次執行開始時重新讀取該資料夾，因此今天寫下的萃取洞見，到了下週仍會保留在上下文中，而不用你再次提供。
每個檔案儲存一個教訓，並在頂部放置一行摘要：
在處理 notes/ 時，將可持久保留的重點寫入 memories/，每個想法一個檔案，
第一行寫一行摘要，下面寫支撐細節。
同時記錄修正與已確認的結論，以及它們各自為何重要。
在建立檔案之前，先檢查是否已有檔案涵蓋相同內容，並更新它
而不是重複建立。蒸餾後的檔案最後會像這樣——第一行是主張，其下則是證據：
# 與 OpenAI 相容的 API 的供應商鎖定風險比我原先以為的更低。
我的三則工具筆記都顯示，只要在供應商之間更換一行 base URL 即可。
請參閱 notes/apis/openai-compat.md 和 notes/apis/switching-costs.md。蒸餾是值得投入心力的階段：以 effort: "high" 執行，讓模型更深入推理哪些內容值得保留。例行的擷取與歸檔可使用 low 或 medium，以降低成本。Effort 會控制模型思考的程度以及消耗的 token 數量，因此依任務調整它，是你手上最主要的成本槓桿。
步驟 4：將你的筆記表達為輸出
Express 就是成果：運用大腦創造出某種東西。把你重複執行的工作流程封裝成 Skills。Skill 是一個資料夾，裡面有一個 SKILL.md 檔案來描述某個任務，而 Fable 5 會在任務出現時按需載入它，這樣你就不必每次都重新解釋這個工作流程。一個可運作的 skills/daily-digest/SKILL.md：
---
name: daily-digest
description: 摘要過去一天的擷取內容與萃取後的記憶。
---
讀取 inbox/ 和 memories/ 中過去 24 小時內修改的每個檔案。
依主題分組各項目。將一篇 markdown 摘要寫入 notes/digests/
以今天的日期命名，包含一個 "## Themes" 區段與一個 "## Open questions"
區段。不要修改原始檔案。要求 Claude Code 執行此操作，或將它接到排程器（例如每天一個以摘要提示啟動 Claude Code 的 cron 工作），讓它在無需你要求的情況下自動執行。
有兩點提醒。設定排程或檔案監看器觸發器需要實際的設定工作，不是勾選一個方塊就能完成。而且 Skills 對於你反覆執行的工作流程最有幫助；一次性的問題，直接詢問會更快。
執行成本
Fable 5 的 API 價格為每百萬輸入 token $10、每百萬輸出 token $50，具有 1M-token 的上下文視窗，且每次請求最多可輸出 128K token（已於 2026-07-16 依 Anthropic 的 定價 驗證）。一個每天重新處理大量筆記收藏的第二大腦可以傳送很多 token，因此有兩個槓桿很重要。
首先，提示快取：Anthropic 會快取重複的上下文前綴，並以大約輸入費率的十分之一計費讀取，因此每天餵入同一份筆記庫，實際成本會比表面計算便宜得多。其次，API 是標準端點。如果你透過像 AIReiter 這樣與 Anthropic 相容的中繼路由來轉送 Claude Code，它會鏡像 Messages API，並以折扣價轉售 Claude 模型，這樣就能在不改變設定的情況下降低 token 費用。這兩者都是可選的；預設的直接 API 開箱即可使用。
應避免的常見錯誤
- 只捕捉不處理。 一個裝滿未摘要剪報的
brain/只是垃圾場，不是第二大腦。Organize 和 Distill 這兩個流程才讓它可被搜尋，所以要執行它們，而不只是捕捉。 - 把機密放進記憶檔案。
/memories目錄會在之後的每個工作階段重新讀入。絕不要把 API keys、密碼或 tokens 寫進去；讓模型會持久保存的任何內容都不要包含憑證。 - 把所有事情都以最高成本運行。 高成本很適合用於提煉與綜合；拿它來做例行歸檔會浪費 tokens，還可能讓模型對簡單的排序過度思考。讓成本與任務相符。
- 一次只餵它一則筆記。 1M context 的存在就是為了讓你可以批次整理。逐一傳送檔案會失去讓系統連貫起來的跨筆記一致性。
常見問題
Fable 5 在這方面與其他 Claude 模型有何不同？
Fable 5 是 Anthropic 最強大、且廣泛發佈的模型，具備 1M-token 的上下文視窗，以及可透過努力等級調整的常開推理。大上下文與強大綜合能力的組合，正是第二大腦所倚賴的基礎。它的成本也高於 Opus 級別（每百萬 tokens $10/$50）；對於較輕量的檔案整理工作，你可以使用較便宜的模型，並保留 Fable 5 用於蒸餾。請參閱這篇 high vs. max effort breakdown 以了解調整方式。
我需要 Obsidian，還是可以使用純 markdown 檔案？
資料夾中的純 markdown 檔案就足夠了。Claude Code 直接讀取檔案系統，所以任何編輯器都可以。Obsidian 在同一批檔案之上額外提供反向連結和圖譜檢視，有些人喜歡這些功能，但這是可選的。
我該如何讓我的第二大腦在不同工作階段之間記住內容？
使用記憶工具。它會提供給模型一個可讀寫的 /memories 目錄，而且該目錄會在對話之間持續保留。任何濃縮進去的內容都會在下次自動載入，這正是第二大腦與無狀態聊天的區別。
CODE 方法是什麼？
CODE 代表 Capture、Organize、Distill、Express，是 Tiago Forte 提出的四階段知識管理工作流程。這裡將其作為主幹，是因為它的四個階段能清楚對應 Fable 5 的能力：Capture 和 Express 是給 Claude Code 使用的檔案操作，Organize 是針對 1M context 的大量處理，而 Distill 則是記憶工具所持久保存的內容。其他框架（Four C's，或 Applications/Routines/Memory/Skills）也能對應到相同的功能；CODE 只是把界線畫在對 AI 運行系統最有用的位置。
將 AI 存取我所有筆記是否安全？
這些筆記會保留在你可控的本機檔案中，而 Claude Code 會透過你看得到的工具來處理它們。要注意兩件事：不要把憑證儲存在模型會保留的檔案中，並且留意 Fable 5 需要 30 天的資料保留（在零保留設定下無法使用），因此在將其用於敏感資料之前，請先確認這是否符合你自己的隱私需求。