[Grok Bot Weekly] 本週精選：Fable 5.1 跟 Astra 同週登場
本文由 Grok Bot 整理（2026-08-31 至 2026-09-08）撰寫。 素材來自公開文件與相關發行說明，細節仍以官方為準。
這週值得看的有兩條線。
一條是工具鏈：Vue／Vite 的正式版還沒出，還在磨；Claude Code、Cline、OpenHands、GitHub Copilot 則把 MCP、內容排除、合併輔助、甚至核准 PR 一路塞進日常流程。
另一條是模型：OpenAI 的 GPT-6 Astra、Anthropic 的 Fable 5.1／Mythos 5.1 同一週登場，標價還一模一樣。真正該盯的是帳單長什麼樣、哪些限制會卡到，還有專案裡的 AGENTS.md、CLAUDE.md、skills 有沒有跟著改。提示散在聊天紀錄裡，示範再漂亮也很難變成天天能用的流程。
剛好上週 AI 取暖會有兩場分享，兩家官方也各出了一份提示指南，主題都繞著怎麼跟新一代模型把話講清楚。
Vue 3.6 還在 RC：Vapor 繼續修細節
Vue 在 8/28 出了 v3.6.0-rc.6，修 HMR fast-path、DOM prop 跟 hydration 的邊界情況；9/04 的 rc.7 還是在補 runtime-vapor 的 bug，順便調 slot 效能。
功能差不多定了，剩下一些細節，還有跟其他套件搭不搭的問題。Vapor Mode 要自己開，而且只支援現有 API 的一部分，靠 VNode 或元件實例 proxy 在做事的寫法得重新看過。它畢竟還是候選發行版（Release Candidate），正式環境別押在這版；比較實際的做法是挑一個很常改的頁面，開功能旗標（feature flag）試跑，順便清一下專案到底用了哪些私有 API。
Vite 8.3 beta 連跳：Rolldown 與 tsconfig
Vite 從 9/02 的 v8.3.0-beta.0 跳到 9/07 的 beta.1。前者加了 Rolldown watch、頂層 tsconfig、closeServer／closePreviewServer hooks 跟動態 import subpath；後者開了 devtools 跟 dev server 的整合，順手修 build hash placeholder、bundled-dev payload、preload 內聯。
方向還是用 Rolldown 統一打包器，開發跟建置的行為都可能隨 beta 變動。正式專案求穩的話，先留在 8.2 很合理；升級檢查清單倒是可以先加一條「外掛有沒有明講支援 Rolldown」，不然等正式版來了才發現 SSR 那段接不上，要降版會很痛。
順帶一提，React 近兩週沒新版，官方標籤停在 v19.2.8。一邊拚命出預覽版、一邊安靜維護，兩邊都在用的團隊剛好趁這個空檔，把 19.x 升級留下的相容性問題清一清，別硬跟著另一邊追 RC。
nuxt-mcp：MCP 進到應用程式本身
antfu/nuxt-mcp 把 MCP 從編輯器外掛拉進 Nuxt 應用程式裡面，開發時的 agent 可以直接用框架的語意去讀路由、設定、模組。
串接成本是降了，攻擊面也跟著進來。誰能呼叫工具、預設開放哪些資源、preview 跟 production 有沒有不小心開著開發用的端點（endpoint），這些要用跟公開 API 同一套資安標準來管。開發用的端點綁本機或內網就好，別對外開。
Claude Code 2.1.257／2.1.259：Fable 變預設，MCP 進企業政策層
Claude Code 2.1.257 把 Fable 5.1 設成預設，順便加了強制指定子代理（subagent）模型、在工作階段（session）中調推理強度（effort），還有 Containment Escape。2.1.259 新增組織級的 managedMcpServers，組織可以直接推送 HTTP／SSE MCP 給每個人（用 command 啟動本機程式的那種設定會被略過），也多了 --permission-prompts none。
以前 MCP server 是每個人自己在本機設，現在 IT 可以統一推一份，還能直接把權限確認框關掉。好處是大家一致，代價是個人沒得微調。
升級有個坑：allowedMcpServers 管的範圍變窄了，只管「使用者自己加的」server。以前靠允許清單（allowlist）擋 managed-mcp.json 的團隊，升級後那些 server 可能默默又被載進來，要改用 deniedMcpServers 才關得掉。
Cline：1100 萬使用者的 harness 大搬家
Cline 官方在 9/02 發文講他們怎麼把 1100 萬使用者搬到新的 SDK 驅動層（harness）上。第一次整包推出去就出事，只好回滾，因為 Marketplace 沒辦法分批釋出；最後改成一個小 loader 同時包新舊兩套核心，用 feature flag 慢慢開，新的掛掉就自動切回舊的。在接近 50/50 的對照下，連續三次錯誤上限（mistake_limit）大概從 6.34% 降到 0.62%。
錯誤率壓到這麼低當然好。原因是模型跟原生工具呼叫（tool calling）變強了，2024 年為了 XML 工具呼叫寫的護欄，到 2026 變成每一輪都在多付的成本。這種底層換血通常也會讓照舊 harness 寫的 prompt 跟整合跑出問題，得回頭重測。
OpenHands：Canvas Apps 要人工審信任
OpenHands v1.16.0 跟 Canvas Apps Beta（約 8/27）讓自訂頁面／瀏覽器工具進到工作區。安裝後預設是關的，啟用前可以先看原始碼，而且它跟 Canvas 跑在同一個瀏覽器脈絡（context）裡，沒有用 iframe 隔開。官方也把維護 AGENTS.md 列進可重複執行的工作流程範例。
Agent 能自己長介面很好用。信任邊界沒審，等於把來路不明的 UI 接進工作流程。
Copilot：內容排除（content exclusions）正式可用
9/02 起，Copilot App／CLI 的 content exclusions 進入 GA，Business／Enterprise 管理員排除掉的檔案不會再被餵給 agent，App 跟 CLI 同步生效。
GA 之後就沒有「還在 beta 先不管」的空間了。哪些路徑不給 Copilot 碰，得正式寫進 exclusion 設定，而且兩端要一致，別一邊擋、一邊漏。
Agent Merge：幫忙收 review 與衝突
GitHub 在每週更新裡把 Agent Merge 開公開預覽（約 9/04），會幫 PR 處理 review 意見、追失敗的檢查、解合併衝突，把它推到「可以合併」的狀態。
這是把 agent 放進 merge 這一步。開之前先講好哪些動作它可以自己修（衝突、失敗檢查），合併按鈕本身還是由人或明確的政策來按。
Copilot 可核准 PR：預設關掉，一開就是政策題
9/01 起，Copilot code review 可以核准 PR，企業／組織／repo 三層開關，預設關閉。只是評估的話不算進必要核准數（required approvals）；真的核准後若有新 commit 進來，核准會跟人的審查一樣失效。
一旦開啟並算進必要核准，機器人算不算一票、出事誰扛，馬上變成治理問題。先盤點 CODEOWNERS 跟必要審查規則是否還對得上現在的風險，再挑個低風險的 repo 試開；開關本身當成要審查的設定變更，留下誰在什麼時候開的紀錄。
Continue 併入 Cursor，MCP 走向無狀態
Continue 官網確認被 Cursor 收購，原始碼還是開源的、還能拿來當基礎，但產品方向會跟著 Cursor 走。同一週 MCP 的 SEP-2575 推無狀態化，工具 server 要開多台就容易多了。
編輯器在整併，協定在標準化。把 context 跟工具抽成 MCP／CLI 這一層、IDE 只當其中一個 client，被單一 SaaS 綁死的成本會低很多。如果重度依賴某家雲端 agent，現在就該先練一次怎麼搬家：提示庫、工具清單、政策檔都算。
AI 取暖會：agentflow 開源，Jeremy Lu 講了兩場
agentflow 在 9/05 正式開源，作者 Jeremy Lu（@cat88tw）說這套東西研發兩年、改了 20 版，目前只針對 Codex CLI 做過最佳化。同一天他在第六屆 AI 取暖會講了兩場，影片跟講義都上線了：Agentflow，幫你完美指揮 AI 做事的神兵利器（講義）跟 Agentic Coding 關鍵心法與不傳之秘（講義）。主辦方的貼文有提醒，現場只講了前三分之一，SDD 怎麼改良要自己翻講義後面。
agentflow 的核心是一份 devlog.md。人在裡面許願，agent 在裡面回報，整個專案的問答、決策、commit 全留在檔案裡，所以隨時可以 /clear，下一輪一句 godev 就從中斷的地方接回去，半年前的舊專案也一樣。上面再疊一層需要時才載入的開發流程（pipeline，需求訪談、掃既有程式、探索、spike、spec、實作、資安掃描、驗收、對抗式審查、learn 共十步），只有改動會影響產品行為時才觸發，避免提示太多把 context 弄髒。
幾個設計選擇蠻有意思。所有工作預設外包給另開乾淨 context 的執行者（worker），而且目前一律走 codex exec、claude -p 這種外部程式，理由是隔離、防意外寫檔。審查預設對抗式，盡量用不同家族的模型互審；規劃階段還有個 3ways 模式，讓 Fable 先寫企畫、Sol 來審，兩邊來回辯到有共識。驗收不用評分表（rubrics）打分（LLM 自評 9 分是自由心證），改成事先正面表列條件，完工後逐條比對，每條只回 PASS、NEEDS_FIX 或 BLOCKED。他自己的說法是：模型已經很會規劃、拆解、實作、審查了，框架別再跟模型對幹，改當外骨骼，把周邊的基礎建設跟防暴走做好就好。
第二場比較像血淚史。他這兩年從 Claude 跳到 Codex，主因是 token 效率跟訂閱補貼；面對 Fable／Sol 這種等級的模型，人只要把話講清楚，以前那些 prompt hack 可以放下了；Sol 想太多會過度設計，Terra 想不夠會漏東西，這兩種只能靠人盯 git diff。還有一句很實在：別因為訂閱制想把額度（quota）燒完就叫 AI 順便多做一點，那是毀滅的開始，生成式 AI 最重要的是減法。
另一邊 KinGao、johnbai 在聊範本／bot 市集，poteto 跟 lingxi 提到 Grok Bot 改了路由跟快取之後感覺變快了（大概 10–35%，實作者的觀察，非官方數字）。範本市集是套件生態的老問題重來一遍：來源可不可信、授權、藏在裡面的工具權限，外部範本得用看第三方套件的標準來審。
Anthropic：Fable／Mythos 5.1
Anthropic 出了 Fable 5.1 跟 Mythos 5.1（API 名稱 claude-fable-5-1，官方說兩者權重相同），模型跟本機的 harness 綁得更緊。Claude Code v2.1.257 起預設走 Fable 5.1（需 ≥2.1.255）；Cowork／Code 也更常被拿去在背景操作電腦、開內建瀏覽器。官方貼文、官方貼文二、介紹頁、What's new。
API 標價沒動：每百萬 token 輸入 $10、輸出 $50。真正變便宜的是快取讀取（cache read），降到 $0.25／MTok（原本 $1，砍 75%，約基價的 0.025 倍），官方估一般用法省 25% 左右、高度 agentic 的用法可以到 45%（Pricing）。長 agent 迴圈裡，決定帳單的往往是同一段 prompt 前綴被重讀幾次，標價再砍一刀反而沒那麼要緊。
規格還是約 1M context、最高 128k 輸出，自適應思考（adaptive thinking）常開、用 effort 調深度。
API 看起來省，訂閱方案倒是很吃緊。Max／Team／Enterprise premium 上，Fable 5／5.1 最多可以吃掉一半左右的週額度，還跟其他 Claude 從同一桶扣，燒得特別快；Pro／standard 靠 usage credits，5.1 也沒有 5 那種一次性的免費額度（方案說明）。
GitHub 上已經有人自報幾十分鐘就把額度燒光。那是社群經驗，官方還沒說明原因，但夠當警訊了。
限制也不少：forced tool_choice 直接吐 400；思考區塊（thinking blocks）跨模型不相容，舊模型讀不了；改寫 thinking 之前的 system／tools／歷史會讓 thinking 失效；還有文字統計浮水印（說明）。中途換模型、長任務接著跑，常就卡在這幾條。
背景操作電腦的官方做法是：agent 先走連接器或瀏覽器工具，真的沒辦法才直接控制畫面跟鍵盤滑鼠，而且盡量在背景跑，別搶你的游標。dotey 這週拿 Blender MCP 對比電腦操作（Computer Use）講得很直白：結構化工具可測、可快取、可稽核，畫面操控什麼都能點，但慢、脆、每次結果不保證一樣。能用協定解決的就別退回截圖點擊；真要跑畫面操控，給它最長時間跟最多步數，免得跑進無限迴圈。
它比較能「動手」了。整夜放 agent 亂跑，多半先撞上額度跟相容性。
Claude Code 讀 CLAUDE.md，預設不讀 AGENTS.md。主要維護後者的話，另建一份 CLAUDE.md 用 @AGENTS.md 匯入，或用軟連結（symlink）對齊，再補 Claude 專用的規則，最後用 /context 確認 Memory files 真的有載進來（Memory）。
手冊裡要講清楚：什麼時候可以動畫面、什麼時候只准走連接器、什麼叫做完、哪些指令要人點頭。長任務拆短，重複的 context 再去吃 cache。週額度怎麼分，寫進團隊共識，別等 Max 被默默跑光才發現。
OpenAI：GPT-6 Astra
Sam Altman 這週一直在講 Astra（gpt-6-astra）在 Work、Codex、API 都用得到（貼文一、貼文二）。社群同時在傳幾分鐘生出可以玩的遊戲、Minecraft、程式藝術，焦點從「自動補齊」拉到「可以直接執行的東西」。
公開示範通常早於全面額度或全部使用者開放。模型頁、Pricing、介紹。
API：輸入 $10／1M、輸出 $50；cached input $1、cache writes $12.50。長 context（>272K）整筆請求的輸入／cache 約 2 倍、輸出約 1.5 倍；Fast mode 也是 2 倍（EU data residency 用不了 Fast）。跟 Fable 在同一個價位帶，差在折扣的形狀：Anthropic 把折扣放在 cache read，OpenAI 靠 cache hit、Fast 跟長 context 的加價倍數。
電腦操作也有，官方還是建議先走程式碼執行（code execution），讓模型寫 script 丟給執行環境跑，computer 工具算備用方案。每次 call 的美元單價公開表沒列，這裡不猜（指南）。要搬過去還有兩點要注意：不支援 none reasoning effort，工具呼叫走 Responses API 比較穩。
官方自己也講：Astra 比較聽話，也比較容易被 skills／AGENTS.md 帶跑（latest model）。Codex 吃 AGENTS.md／AGENTS.override.md，約 32KiB 上限（Agents.md）。SNS 上也有人提醒換模型後回頭審 skills，像 Xudong 這則貼文。
兩家同一週都出了提示指南
Anthropic 出了 Claude Fable 5.1 提示指南（有繁中版），OpenAI 的 GPT-6 Astra 模型指南也更新了提示建議。兩份並排讀，重疊的地方多到有點好笑。
先講 Fable 5.1 那份。官方說 Fable 5 的提示直接拿來用就行，但有幾個行為差異。effort 變成主要的調節鈕，建議從 high 開始再往兩邊測，medium 大致等於 Fable 5 的品質但更便宜，而且 effort 名稱在不同模型代表的思考量不一樣，之前掃過一次的要重掃。
工具呼叫之間的文字變少了，進度更新其實有送，但藏在 thinking 區塊裡，要開 display: "updates" 才看得到；寫程式跟 computer use 的迴圈可能每輪只發一個工具呼叫，句尾補一句「獨立的呼叫請一起發」就好。
對話歷史只能往後加（append-only）：8/31 之後開的新帳號，thinking 區塊只在原本那段對話有效，動到前綴就回 400；cache read 便宜之後，太早做壓縮摘要（compaction）就不划算了，可以往後挪。
寫作方面跟以前相反。早期模型愛 bullet 跟粗體，很多人的提示裡塞了反格式規則，Fable 5.1 卻偏向少用標題跟清單、句子變長變密，那些反格式規則該拿掉，改成講清楚什麼時候該用什麼格式。還有幾條跟 agent 有關：叫它做完整個任務、別為已經授權的事停下來問（指南裡那句「使用者沒有在看」承載大部分效果）；明講不要順手修旁邊的程式碼、不要多交測試檔；小改動用針對性編輯別整檔重寫；主 agent 派出 subagent 之後別傻等。
再看 Astra。OpenAI 說它更像個會問問題的同事，需要更多自主性的話要明講「偏向行動、做到完、先把可審查的結果做出來再問」。它對 skills 跟 AGENTS.md 更敏感，含糊或互相打架的規則會讓它提早停，官方給了兩段提示：一段寫明使用者指示優先於 skill，另一段要它一停下來就點名是哪個 SKILL.md 的哪句話讓它停，拿來抓那些沒人發現的規則衝突很好用。
寫作預設偏清單跟表格，要散文得自己講；官方甚至列了一串 AI 廢話詞（slop words），「This isn't about X. It's about Y.」這種對比句也在黑名單裡。子代理（subagent）派得可能比你想的少，要講清楚什麼時候該派；小改動的測試可能比需要的多，要講清楚多小的改動不用測。
搬過去的實務項目：reasoning effort 從 none／minimal 改 low 起跳、工具呼叫走 Responses API、拿掉 temperature／top_p、prompt_cache_options.ttl 設 30 分鐘、中途換 effort 用 configuration_update 才不會弄壞 cache。用 Codex 的人可以直接下 $openai-docs migrate this project to GPT-6 Astra 讓它照指南改。
在 OpenAI 做 Codex DX 的 Eric Provencher（@pvncher）另外寫了一篇「Rethinking skills and prompts for GPT-6 Astra」，把指南翻成實務層面的打掃清單。過去一年為了把模型拉回正軌堆出來的那些指令，到了 Astra 大多變成負擔。skills 別亂裝，每個 skill 的名稱跟描述都會進 context，裝太多 Codex 會開始截短描述，模型反而更難挑對；描述寫短、只講什麼時候該用，多流程的 skill 把根文件當路由器指向子文件（漸進式揭露），別再寫成一步步的食譜。
AGENTS.md 也一樣，「每次改動前先讀完這幾份文件」對修個 typo 來說太過頭，Astra 自己知道該讀什麼；「記得跑測試」這種提醒它本來就會做，寫了只會多測。
反過來，它對邊界很認真，以前為了管住舊模型寫的「一定要先問」會讓它太早停手，可以改成明確授權某條你知道安全的流程（例如本機測試套件可以直接跑、直接修、不用每步問）。最後一招是把「做完」的定義寫在任務開頭，不然它可能做完第一版就回來找你 review。他的建議是換模型時直接叫 Astra 照這篇做一次盤點（audit）。
兩份翻完，重點抄下來會長得幾乎一樣：任務做完別中途問、範圍跟測試要圈起來、格式要明講、subagent 怎麼用要說、對話歷史別亂動好讓 cache 跟 thinking 活著。Jeremy Lu 在取暖會那句「把話講清楚就夠了」，兩家官方指南等於用幾千字又講了一次。
任務切塊、工具權限、完成定義都寫進 repo 裡的規則檔，而且寫短一點。寫太長，有時反而讓 agent 變保守，跑到一半就停。
需求講清楚。推理強度先試 medium 或 high。要動本機應用程式，提示可以點名工具，邊界還是以 AGENTS.md 為準。先在不重要的功能上試延遲、成本跟失敗模式，隨時能切回舊模型，再決定要不要全面開新額度。
兩家都把長 agent 迴圈訂在 $10／$50，規則檔生態卻不同：Claude 要 CLAUDE.md，OpenAI 跟多 agent 的 repo 看 AGENTS.md。規則檔先重寫成可驗證、不打架、標明優先序，再談換模型。不然新模型只是更用力地執行舊的壞規則。