大佬分享了一个能省大钱的本地AI工作流

精英们不想让你知道这件事……但你完全可以用这套方法：用本地模型当执行者，fable 5 当顾问。

如果你刚接触本地模型，你甚至可以让 SOTA Claude code 下载 Qwopus，把它部署在自己的 Claude code、open code 或 Hermes 实例中，通过 llama.cpp 运行，再根据你的硬件优化配置。

之后流程就非常简单：只需要让刚刚帮你配置完本地模型实例的 fable，用这个本地模型作为所有任务的执行者就行了。如果你愿意，你甚至可以让它检查输出，在需要的时候提交代码差异，全程还能省下巨额的使用成本。

你可以把配置调整到你满意的状态，再让它把整个流程保存成 skill.md。

更棒的是，你可以在主 SOTA 模型实例开启全自动模式，甚至大胆跳过权限验证，它会让你的本地模型一直通宵工作，直到昂贵的大模型判定目标完成为止。什么时候结束由不得本地模型决定。

你还可以在 Fable 实例上用 Claude code 超棒的远程控制功能，全天都可以从手机向它请求更新，看看你的本地模型执行时都构建了些什么。

我从 Qwen 3.5 27b 刚发布就开始这么玩了，之后几乎每天都在用。请一定要试试，我觉得你会惊讶于这套方法对你的用处，也会惊讶于本地实例能变得这么能干。我把这套玩法叫做 Model-as-a-harness。

请告诉我你对这个方法的看法，或者你有没有碰到什么问题。如果需要的话我可能会做一份更详细的教程！

我目前的配置是：Qwopus 3.6 35B moe，在 Claude code 中关闭思考功能，Fable 运行在它自己的 Claude code 实例，开自动模式，通过远程控制连接。这种玩法下 moe 的速度快得离谱。Qwopus 27B 要更聪明一点，所以不需要太多引导，代价是速度更慢。

请在下面告诉我你的想法或是你的工作流！我还有更多东西正在准备，很快就会和大家见面！祝各位今晚过得愉快！很荣幸能在这里和你们一起协作研究！