Cara Hemat Token Fable Sampai 60% dengan Setup Orchestrator (Fable Mikir, Model Murah yang Ngetik)
Panduan lengkap misahin kerja AI jadi dua lapis: Fable sebagai planner dan reviewer, model murah sebagai pekerja. Limit langganan Claude kalian awet buat keputusan yang beneran susah — bukan kebakar buat baca file dan kerjaan berulang.
Kalau kalian langganan Claude dan sering kerja panjang — riset, coding, nulis, bongkar dokumen — kalian pasti pernah nabrak limit di saat lagi seru-serunya. Rasanya kayak lagi ngebut terus bensin habis di tengah tol.
Masalahnya hampir selalu sama: kalian nyuruh model paling pinter ngerjain SEMUA hal. Padahal dari satu sesi kerja, mungkin cuma 20% yang beneran butuh otak kelas berat — nyusun rencana, nimbang risiko, review hasil akhir. Sisanya itu kerjaan kasar: baca file, nyoba-nyoba, ngetik draft, muter-muter riset. Ngasih kerjaan kasar ke Fable itu kayak nyuruh direktur utama fotokopi dokumen: bisa, hasilnya bagus, tapi bayarannya kebuang.
Solusinya satu pola yang namanya orchestrator: Fable jadi konduktor — dia yang pegang rencana, keputusan berisiko, dan review akhir — sementara eksekusi kasarnya dilempar ke pekerja yang lebih murah (model Claude yang lebih ringan, atau Codex kalau kalian juga langganan ChatGPT). Hasilnya bukan cuma hemat: kerjaan kalian jadi lebih terstruktur, karena ada pemisahan jelas antara mikir dan ngerjain.
Ini pola yang sama persis yang gw pakai di sistem gw sendiri tiap hari. Panduan ini adaptasi dari tutorial The Rundown University, gw tulis ulang lengkap buat konteks kita.
Yang kalian butuhkan
| Apa | Buat apa | Biaya |
|---|---|---|
| Langganan Claude berbayar + Claude Desktop app | Rumah si konduktor (Fable) | Langganan yang udah kalian punya |
| Claude Code (versi terbaru) | Tempat pekerjanya jalan | Termasuk langganan |
| Pekerja murah: model Claude yang lebih ringan, ATAU Codex (butuh langganan ChatGPT) | Yang ngerjain kerjaan kasar | Pilih salah satu |
| Satu tugas nyata yang lumayan besar | Bahan tes pertama | — |
Waktu: 20 menit setup, langsung kepakai di tugas berikutnya.
Satu istilah dulu biar sama-sama paham: token itu satuan "bensin" AI — tiap teks yang dibaca dan ditulis model ngabisin token, dan limit langganan kalian dihitung dari situ. Model pinter minum bensinnya lebih boros per teguk. Makanya strateginya bukan "jangan pakai yang pinter" — tapi pakai yang pinter cuma di teguk yang penting.
Peta perjalanannya
TAHAP 1 Pahamin pembagian kerjanya (5 menit)
TAHAP 2 Pasang aturan delegasinya (10 menit)
TAHAP 3 Tes di satu tugas nyata (30 menit)
TAHAP 4 Jadiin template yang kepakai ulangYang bikin ini jalan bukan tools-nya — tapi aturan main yang jelas soal siapa ngerjain apa. Persis kayak ngatur tim manusia.
Lanjut membaca
Tutorial Praktis
Cara Setup OpenRouter Presets Biar Ganti Model AI Nggak Usah Redeploy Semua Aplikasi Kalian
12 Sep 20267 min read
Tutorial Praktis
Cara Review Kode AI GitHub Copilot Tanpa Gonta-Ganti Tab (Diff, Terminal, Browser Jadi Satu)
12 Sep 20265 min read
Tutorial Praktis
Cara Bikin Text-to-Speech Sendiri Pakai OpenRouter, Satu API Key buat Semua Provider (Tutorial 15 Menit)
12 Sep 20266 min read
Belajar build sistem AI yang bekerja buat kalian
Lihat akademi