第二大脑是一种系统，它能捕捉你学到的内容，并在你需要时把它再交还给你。Fable 5 是构建这种系统的强大引擎，因为它的三个特性恰好与该系统所需完全契合：一个 1M-token 上下文窗口，可一次性容纳你笔记的大块内容；一个跨会话持久保存的客户端内存工具；以及 Claude Code，它将你的笔记作为普通文件来读取和写入。最简可用的设置是一个 markdown 文件夹、指向该文件夹的 Claude Code，以及一个 /memories 文件，模型会在学习你的材料时更新它。下面的内容会把这些扩展成一个可重复构建的方案。
第二大脑对 AI 模型的需求
大多数“AI 第二大脑”教程都会跳过决定它是否有效的部分：模型必须能够做什么。有三个要求。
一次处理大量内容。 综合需要将源材料保持在视野中。Fable 5 具有 1M-token 上下文窗口（其最大值也是默认值），因此你可以向它输入整个项目文件夹的笔记，并获得反映所有内容的分析，而不是被截断的片段。
跨会话记住内容。 一个在你关闭标签页时会忘记一切的大脑只是一个聊天窗口。Fable 5 搭配 Anthropic 的客户端记忆工具：模型会读取并写入你持久化的 /memories 目录中的文件，因此它上周学到的内容今天仍然可用。
按语义连接，而不是按关键词。Fable 5 会为每个请求持续进行思考，并让您将努力级别从 low 设置到 max。这就是把“这里有 40 条笔记”变成“这三条彼此矛盾，而且其中一条已经过时”的原因。
这些是承重能力。下面的框架说明了你该如何整理笔记，以便模型能够使用它们。
映射到 Fable 5 的 CODE 框架
CODE（Capture、Organize、Distill、Express）源自 Tiago Forte 的 Building a Second Brain 方法，它是一个很有用的主线，因为每个阶段都能清晰对应到 Fable 5 的一项能力。Capture 和 Express 是文件操作，因此应由 Claude Code 负责。Organize 是批量分类，1M 窗口让它的成本很低。Distill 是要放入记忆工具中的内容。下面将每个阶段具体展开为一步。
步骤 1：捕获你的输入
Capture 的意思是把原始材料放到模型能够访问的地方。最简单、可访问的地方是一个 markdown 文件夹，而基于 Fable 5 构建的文件系统代理 Claude Code 可以直接使用其 read、write、edit、glob 和 grep 工具读取、写入和编辑该文件夹。你不需要 Obsidian；它只是为同样的普通文件提供了一个更好用的编辑器。
一种有效的文件夹结构：
brain/
├── inbox/ # 未处理的捕获内容存放于此
├── notes/ # 已整理的永久笔记
├── archive/ # 已完成或过时的材料
├── memories/ # 模型每次会话回读的提炼笔记
└── skills/ # 可复用的工作流（见步骤 4）开始只需两步：安装 Claude Code，然后从 brain/ 目录内启动它，这样该文件夹就是它的工作目录，它就能看到整个目录树。从那里，给它一条它可以重复使用的捕获指令：
读取 inbox/ 中的每个文件。对于每个文件，在顶部“## Summary”标题下写一段 2-3 句的摘要，然后将原始文本保留在其下方。
先不要移动这些文件；只需在原地对它们进行注释。那次单次处理会把一堆剪报变成可快速浏览的笔记，而无需你亲自处理它们。
步骤 2：通过归档和链接进行整理
一旦材料被捕获，Fable 5 就可以对其进行整理。这正是 1M 上下文体现其价值的地方：你可以在一次请求中把整个 inbox/ 和 notes/ 目录树交给模型，这样它的归档决策就能在所有内容之间保持一致，而不是在没有上一个文件记忆的情况下逐个文件地做出判断。
一次性归档并添加标签的提示词：
读取 inbox/ 中的所有文件。对于每个文件，按主题判断它是否应归入 notes/（如果没有合适的主题，则创建一个主题子文件夹），或者如果它已过时则归入 archive/。添加一个 frontmatter 块，包含 `tags:`（3-5 个主题标签）和 `linked:`（你找到的相关笔记路径）。移动该文件，然后告诉我你做了什么。因为模型在同一上下文中看到了现有的 notes/ 结构，新标签会复用你现有的词汇，而不是为你已经拥有的标签发明一个同义词。这正是导致大多数标签系统崩溃的失败模式。
第 3 步：提炼关键内容
提炼是从一条笔记中提取出持久的经验教训，这样你以后就不必把整条内容重新读一遍。这正是 memory 工具的职责。它为模型提供一个持久的 memory 目录（上面的 memories/ 文件夹），并通过 view、create、str_replace、insert 和 delete 命令进行管理，而且该目录会在会话之间保留。让 Claude Code 指向它后，它会在每次运行开始时重新读取该文件夹，因此今天写入的一条提炼见解会在下周仍然保留在上下文中，而无需你再次提供。
每个文件存储一课，顶部附上一行摘要：
在处理 notes/ 时，将持久化的收获写入 memories/，每个想法对应一个文件，
第一行写一行摘要，下面写支持性细节。
同样记录更正和已确认的结论，以及每一项为何重要。
在创建文件之前，检查是否已有文件涵盖了它，并更新该文件，
而不是重复创建。一个蒸馏后的文件最终看起来是这样的——第一行是一个主张，其下是证据：
# 与我先前设想相比，使用 OpenAI 兼容 API 的供应商锁定风险更低。
我的三条工具笔记显示，在不同提供商之间只需一行即可切换 base-URL。
参见 notes/apis/openai-compat.md 和 notes/apis/switching-costs.md。蒸馏是值得投入精力的阶段：以 effort: "high" 运行，让模型充分推理哪些内容值得保留。常规捕获和归档可以以 low 或 medium 运行，以降低成本。Effort 控制模型思考的程度以及消耗的 token 数量，因此将其与任务匹配是你手头最主要的成本杠杆。
第 4 步：将你的笔记表达为输出
Express 就是回报：用大脑创造出一些东西。将你重复执行的工作流打包为 Skills。Skill 是一个包含 SKILL.md 文件的文件夹，该文件描述一项任务，而 Fable 5 会在任务出现时按需加载它，因此你无需每次都重新解释这个工作流。一个可用的 skills/daily-digest/SKILL.md：
---
name: daily-digest
description: 总结过去一天的捕获内容和提炼的记忆。
---
读取 inbox/ 和 memories/ 中过去 24 小时内修改的每个文件。
按主题对条目进行分组。向 notes/digests/ 写入一份 markdown 摘要，
文件名以今天的日期命名，包含一个“## Themes”部分和一个“## Open questions”
部分。不要修改源文件。让 Claude Code 运行此操作，或者将其接入调度器（例如一个每天运行的 cron 任务，用摘要提示启动 Claude Code），这样它就会在无需你手动请求的情况下运行。
有两个注意事项。设置计划触发器或文件监视器触发器需要真正的配置工作，而不是勾选一个复选框。而且 Skills 最适合你反复执行的工作流；一次性问题直接提问会更快。
运行成本
Fable 5 的 API 价格为每百万输入 tokens 10 美元、每百万输出 tokens 50 美元，拥有 1M-token 的上下文窗口，并且每个请求最多可输出 128K tokens（已根据 Anthropic 的 pricing 于 2026-07-16 核实）。一个每天重新处理大量笔记集合的第二大脑会消耗大量 tokens，因此有两个关键因素很重要。
首先，提示缓存：Anthropic 会缓存重复的上下文前缀，并按大约输入费率的十分之一对读取计费，因此每天把同一个笔记库喂给模型，成本会比表面计算低得多。其次，API 是一个标准端点。如果你通过像 AIReiter 这样与 Anthropic 兼容的中继服务路由 Claude Code，它会镜像 Messages API，并以折扣转售 Claude 模型，那么在不改变设置的情况下，token 账单就会下降。这两者都是可选的；默认的直连 API 开箱即用。
应避免的常见错误
- 只捕获而不处理。 一个装满未摘要剪辑的
brain/只是垃圾填埋场，不是第二大脑。Organize 和 Distill 两个流程才让它变得可搜索，所以要运行它们，而不只是捕获。 - 把秘密放进内存文件里。
/memories目录会在每个未来会话中被重新读入。绝不要把 API keys、密码或 tokens 写在那里；让凭据远离模型会持久保存的任何内容。 - 把所有事情都以最高努力运行。 高 effort 很适合用于 distillation 和 synthesis；但把它用于日常归档会浪费 tokens，而且可能让模型对一个简单的分类想太多。要让 effort 与任务相匹配。
- 一次只喂它一条笔记。 之所以有 1M context，就是为了让你能批量整理。逐个交文件会失去让系统协同一致的跨笔记一致性。
常见问题
Fable 5 在这方面与其他 Claude 模型有何不同？
Fable 5 是 Anthropic 目前功能最强、广泛发布的模型，拥有 1M-token 的上下文窗口和始终开启的推理能力，你可以通过 effort levels 来调节。大上下文和强综合能力的结合，正是“第二大脑”所依赖的。它的价格也高于 Opus 层级（每百万 tokens 10 美元/50 美元）；对于较轻量的归档工作，你可以运行更便宜的模型，并将 Fable 5 留给蒸馏。有关调优，请参见这篇 high vs. max effort breakdown。
我需要 Obsidian，还是可以使用普通的 markdown 文件？
文件夹中的纯 Markdown 文件就足够了。Claude Code 会直接读取文件系统，所以任何编辑器都可以。Obsidian 在同样的文件之上增加了反向链接和图谱视图，有些人喜欢这些功能，但它们是可选的。
我如何让我的第二大脑在不同会话之间保持记忆？
使用 memory 工具。它会为模型提供一个可读写的 /memories 目录，而且该目录会在对话之间持续保留。任何被提炼进去的内容都会在下次自动加载，这正是第二大脑与无状态聊天的区别。
什么是 CODE 方法？
CODE 代表 Capture、Organize、Distill、Express，是 Tiago Forte 提出的四阶段知识管理工作流。这里之所以采用它作为主线，是因为它的四个阶段与 Fable 5 的能力可以清晰对应：Capture 和 Express 是 Claude Code 的文件操作，Organize 是 1M 上下文的批量处理，而 Distill 则是由记忆工具持久保存的内容。其他框架（The Four C's，或 Applications/Routines/Memory/Skills）也能映射到同样的功能；CODE 只是把界线画在了对 AI 驱动系统最有用的位置。
让 AI 访问我所有的笔记安全吗？
这些笔记保存在你可控的本地文件中，而 Claude Code 通过你可见的工具对它们进行操作。需要注意两点：不要将凭据存储在模型会保留的文件中，并且注意 Fable 5 需要 30 天的数据保留（在零保留模式下不可用），因此在将其用于敏感材料之前，请先将这一点与你自己的隐私需求进行对照检查。