Prompting di Claude Fable 5

Questa guida tratta i pattern di prompting e scaffolding specifici per Claude Fable 5 e Claude Mythos 5. Per le capacità del modello, le modifiche all'API, i prezzi e la disponibilità, consulta Presentazione di Claude Fable 5 e Claude Mythos 5. Per le tecniche applicabili a tutti i modelli Claude attuali, consulta Best practice per il prompting.

Claude Fable 5 affronta problemi che in precedenza erano troppo complessi, di lunga durata o ambigui per i modelli precedenti, ed è particolarmente efficace nel lavoro end-to-end che richiede a una persona ore, giorni o settimane per essere completato. I team che ottengono i risultati migliori applicano Claude Fable 5 ai loro problemi irrisolti più difficili; testarlo solo su carichi di lavoro più semplici tende a sottovalutare la sua gamma di capacità. Funziona in modo affidabile anche su compiti più semplici.

Claude Fable 5 presenta diverse differenze comportamentali rispetto a Claude Opus 4.8 che potrebbero richiedere aggiornamenti ai prompt o allo scaffolding. I miglioramenti di capacità a questo livello sono anche una buona occasione per rivalutare quali istruzioni, strumenti e guardrail siano ancora necessari. I pattern seguenti coprono i comportamenti che più spesso richiedono una messa a punto.



Miglioramenti delle capacità

Rispetto a Claude Opus 4.8, Claude Fable 5 mostra miglioramenti in:

• Autonomia a lungo orizzonte. Claude Fable 5 mantiene un output produttivo per periodi prolungati, completando esecuzioni orientate agli obiettivi di più giorni con una forte ritenzione delle istruzioni su compiti lunghi e complessi.
• Correttezza al primo tentativo su problemi complessi e ben specificati. I primi tester hanno riportato implementazioni in un singolo passaggio di sistemi che in precedenza richiedevano giorni di iterazione.
• Visione. Claude Fable 5 interpreta immagini tecniche dense, applicazioni web e screenshot dettagliati con un'accuratezza sostanzialmente maggiore, spesso utilizzando meno token di output, ed è addestrato a usare strumenti bash e di ritaglio per gestire immagini capovolte, sfocate o rumorose.
• Flussi di lavoro enterprise. Claude Fable 5 segue le istruzioni, rimane nell'ambito e produce output di livello professionale su analisi finanziarie, fogli di calcolo, presentazioni e documenti.
• Revisione del codice e debugging. Il recall nell'individuazione dei bug (al di fuori dei domini di cybersecurity coperti dai classificatori di sicurezza) è notevolmente superiore rispetto a Claude Opus 4.8, inclusa la ricerca attraverso codebase e cronologia dei repository.
• Gestione dell'ambiguità. Claude Fable 5 si comporta bene quando riceve richieste complesse e multi-thread e gli viene chiesto di determinare i passi successivi.
• Claude Fable 5 è significativamente più affidabile nel dispacciare e sostenere subagent paralleli, e gestisce in modo affidabile la comunicazione continua con subagent di lunga durata e agent pari.

Oltre a questi miglioramenti specifici, Claude Fable 5 è generalmente più capace dei modelli precedenti su quasi tutti i compiti. Claude Fable 5 non è destinato a lavori di cybersecurity offensiva o di biologia e scienze della vita; le richieste in questi domini possono restituire stop_reason: "refusal".



Turni più lunghi per impostazione predefinita

Le singole richieste su compiti difficili possono durare molti minuti con impostazioni di effort più elevate, specialmente quando il compito richiede di raccogliere contesto, costruire e auto-verificare, e le esecuzioni autonome possono estendersi per ore. Questo è uno dei cambiamenti più significativi che i team incontrano quando si adattano a Claude Fable 5. Regola i timeout del client, lo streaming e gli indicatori di avanzamento rivolti all'utente prima della migrazione, e considera di ristrutturare gli harness per controllare le esecuzioni in modo asincrono, ad esempio tramite job pianificati, anziché bloccare. Per evitare che Claude Fable 5 pianifichi eccessivamente quando un compito è ambiguo:

When you have enough information to act, act. Do not re-derive facts already established
in the conversation, re-litigate a decision the user has already made, or narrate
options you will not pursue in user-facing messages. If you are weighing a choice, give
a recommendation, not an exhaustive survey. This does not apply to thinking blocks.



Considera tutti i livelli di effort

L'effort è il controllo principale per il compromesso tra intelligenza, latenza e costo su Claude Fable 5. Usa high come impostazione predefinita per la maggior parte dei compiti, con xhigh per i carichi di lavoro più sensibili alle capacità e medium o low per il lavoro di routine. Le impostazioni di effort più basse su Claude Fable 5 funzionano comunque bene e spesso superano le prestazioni di xhigh sui modelli precedenti. Riduci l'effort se un compito viene completato ma richiede più tempo del necessario, o se desideri uno stile di lavoro più rapido e interattivo.

Su lavori di routine con effort più elevato, Claude Fable 5 può raccogliere contesto e deliberare oltre ciò che il compito richiede. Allo stesso tempo, un effort più elevato spesso produce un eccellente comportamento di verifica, ragionamento sofisticato e l'output più rigoroso. Per prevenire riordini o refactoring non richiesti con effort più elevato:

Don't add features, refactor, or introduce abstractions beyond what the task requires. A
bug fix doesn't need surrounding cleanup and a one-shot operation usually doesn't need a
helper. Don't design for hypothetical future requirements: do the simplest thing that
works well. Avoid premature abstraction and half-finished implementations. Don't add
error handling, fallbacks, or validation for scenarios that cannot happen. Trust
internal code and framework guarantees. Only validate at system boundaries (user input,
external APIs). Don't use feature flags or backwards-compatibility shims when you can
just change the code.



Forte aderenza alle istruzioni

L'aderenza alle istruzioni è migliorata abbastanza da poter guidare la maggior parte dei comportamenti con una breve istruzione anziché enumerare ogni comportamento per nome. Ad esempio, quando non guidato, Claude Fable 5 può elaborare oltre ciò che il compito richiede, specialmente con impostazioni di effort più elevate: esaminare opzioni che non perseguirà, spiegare le cause radice in modo esteso, produrre descrizioni di PR fortemente strutturate o scrivere commenti che narrano cosa fa la riga successiva. Una breve istruzione di brevità è efficace quanto elencare ogni pattern:

Lead with the outcome. Your first sentence after finishing should answer "what happened"
or "what did you find": the thing the user would ask for if they said "just give me the
TLDR." Supporting detail and reasoning come after. Being readable and being concise are
different things, and readability matters more.

The way to keep output short is to be selective about what you include (drop details
that don't change what the reader would do next), not to compress the writing into
fragments, abbreviations, arrow chains like A → B → fails, or jargon.

Lo stesso vale per il comportamento di checkpoint nei flussi di lavoro di lunga durata. Per far sì che Claude Fable 5 si fermi solo dove ha realmente bisogno di te, non è necessario enumerare ogni caso:

Pause for the user only when the work genuinely requires them: a destructive or
irreversible action, a real scope change, or input that only they can provide. If you
hit one of these, ask and end the turn, rather than ending on a promise.



Ancora le dichiarazioni di avanzamento durante le esecuzioni lunghe

Nelle esecuzioni autonome lunghe, istruisci Claude Fable 5 a verificare l'avanzamento rispetto ai risultati effettivi degli strumenti. Nei test di Anthropic, questo ha quasi eliminato i report di stato fabbricati anche su compiti progettati per provocarli:

Before reporting progress, audit each claim against a tool result from this session.
Only report work you can point to evidence for; if something is not yet verified, say so
explicitly. Report outcomes faithfully: if tests fail, say so with the output; if a step
was skipped, say that; when something is done and verified, state it plainly without
hedging.



Definisci i confini

Claude Fable 5 può occasionalmente intraprendere azioni non richieste (redigere un'email quando non ne è stata chiesta nessuna, creare backup difensivi di branch git). Definisci vincoli espliciti su cosa Claude Fable 5 dovrebbe e non dovrebbe fare:

When the user is describing a problem, asking a question, or thinking out loud rather
than requesting a change, the deliverable is your assessment. Report your findings and
stop. Don't apply a fix until they ask for one. Before running a command that changes
system state (restarts, deletes, config edits), check that the evidence actually
supports that specific action. A signal that pattern-matches to a known failure may have
a different cause.



Subagent paralleli

Claude Fable 5 dispaccia subagent paralleli più prontamente rispetto ai modelli precedenti. Usa i subagent frequentemente, fornisci indicazioni esplicite su quando la delega è appropriata e preferisci la comunicazione asincrona tra orchestratore e subagent rispetto al blocco fino al ritorno di ciascun subagent. I subagent di lunga durata che mantengono il loro contesto tra i sottocompiti risparmiano tempo e costi tramite letture dalla cache ed evitano colli di bottiglia sul subagent più lento.

Delegate independent subtasks to subagents and keep working while they run. Intervene
if a subagent goes off track or is missing relevant context.



Costruisci un sistema di memoria

Claude Fable 5 funziona particolarmente bene quando può registrare lezioni dalle esecuzioni precedenti e farvi riferimento. Fornisci un posto dove scrivere note, semplice come un file Markdown:

Store one lesson per file with a one-line summary at the top. Record corrections and
confirmed approaches alike, including why they mattered. Don't save what the repo or
chat history already records; update an existing note rather than creating a duplicate;
delete notes that turn out to be wrong.

Per inizializzare il sistema di memoria dalla cronologia esistente, fai in modo che Claude Fable 5 riveda le sessioni passate:

Reflect on the previous sessions we've had together. Use subagents to identify core
themes and lessons, and store them in [X]. Make sure you know to reference [X] for
future use.



Rari casi di arresto anticipato

Nel corso di una sessione lunga, Claude Fable 5 può occasionalmente terminare un turno con una dichiarazione di intenti solo testuale ("Ora eseguirò X") senza emettere la corrispondente chiamata allo strumento, o fermarsi per chiedere il permesso quando ha già abbastanza per procedere. Un "continua" o "vai avanti e fallo dall'inizio alla fine" è sufficiente. Per definire quando è appropriato fermarsi, abbina questo all'istruzione di checkpoint in Forte aderenza alle istruzioni. Per le pipeline autonome, aggiungi un promemoria di sistema:

You are operating autonomously. The user is not watching in real time and cannot answer
questions mid-task, so asking "Want me to…?" or "Shall I…?" will block the work. For
reversible actions that follow from the original request, proceed without asking.
Offering follow-ups after the task is done is fine; asking permission after already
discussing with the user before doing the work is not. Before ending your turn, check
your last paragraph. If it is a plan, an analysis, a question, a list of next steps, or
a promise about work you have not done ("I'll…", "let me know when…"), do that work now
with tool calls. End your turn only when the task is complete or you are blocked on
input only the user can provide.



Rari casi di preoccupazione per il budget di contesto

In sessioni molto lunghe, Claude Fable 5 può occasionalmente suggerire una nuova sessione, offrirsi di riassumere e passare il testimone, o ridurre il proprio lavoro. Questo viene attivato più spesso quando l'harness mostra al modello un conto alla rovescia dei token rimanenti. Evita di esporre conteggi espliciti del budget di contesto dove possibile. Se l'harness deve mostrarli, una rassicurazione aiuta:

You have ample context remaining. Do not stop, summarize, or suggest a new session on
account of context limits. Continue the work.



Fornisci il motivo, non solo la richiesta

Claude Fable 5 tende a funzionare meglio quando comprende l'intento dietro una richiesta: il contesto gli permette di collegare il compito a informazioni rilevanti anziché inferire l'intento da solo. Fornisci contesto sul perché stai chiedendo, specialmente per agent di lunga durata che attingono da più flussi di lavoro:

I'm working on [the larger task] for [who it's for]. They need [what the output
enables]. With that in mind: [request].



Leggibilità nella comunicazione con l'utente

In conversazioni estese o agentiche (molte chiamate a strumenti, ampio contesto di lavoro), Claude Fable 5 può produrre testo difficile da seguire: abbreviazioni dense con catene di frecce, dettagli implementativi profondi, riferimenti a ragionamenti che l'utente non ha mai visto o formulazioni eccessivamente tecniche. Un'aggiunta sullo stile di comunicazione mitiga questo:

Terse shorthand is fine between tool calls (that's you thinking out loud, and brevity
there is good). Your final summary is different: it's for a reader who didn't see any of
that.

If you've been working for a while without the user watching (overnight, across many
tool calls, since they last spoke), your final message is their first look at any of it.
Write it as a re-grounding, not a continuation of your working thread: the outcome
first, then the one or two things you need from them, each explained as if new. The
vocabulary you built up while working is yours, not theirs; leave it behind unless you
re-introduce it.

When you write the summary at the end, drop the working shorthand. Write complete
sentences. Spell out terms. Don't use arrow chains, hyphen-stacked compounds, or labels
you made up earlier. When you mention files, commits, flags, or other identifiers, give
each one its own plain-language clause. Open with the outcome: one sentence on what
happened or what you found. Then the supporting detail. If you have to choose between
short and clear, choose clear.



Crea uno strumento send-to-user

Quando esegui agent lunghi e asincroni, fornisci all'agent un modo per far emergere un messaggio che l'utente deve vedere esattamente come scritto, senza terminare il suo turno: un deliverable (uno snippet di codice generato o un messaggio redatto), un aggiornamento di avanzamento con numeri specifici o una risposta diretta a una domanda che l'utente ha posto durante il ciclo. L'input dello strumento è il messaggio da visualizzare; quando Claude lo chiama, renderizza l'input direttamente nella tua UI e restituisci una semplice conferma come risultato dello strumento. Gli input degli strumenti non vengono mai riassunti, quindi il contenuto arriva intatto.

{
  "name": "send_to_user",
  "description": "Display a message directly to the user. Use this for progress updates, partial results, or content the user must see exactly as written before the task finishes.",
  "input_schema": {
    "type": "object",
    "properties": {
      "message": {
        "type": "string",
        "description": "The content to display to the user."
      }
    },
    "required": ["message"]
  }
}

Aggiungi questo strumento ogni volta che la tua UX dipende dalla consegna di contenuti o interazioni dirette con l'utente in forma letterale durante il compito. Per gli agent che narrano solo l'avanzamento di routine, i riassunti del modello stesso sono in genere adeguati. Definire lo strumento non è sufficiente di per sé; senza un'istruzione nel prompt di sistema, Claude Fable 5 lo chiama raramente. Abbina lo strumento a un linguaggio di elicitazione come:

Between tool calls, when you have content the user must read verbatim
(a partial deliverable, a direct answer to their question), call the
send_to_user tool with that content. Use send_to_user only for
user-facing content, not for narration or reasoning.

Non instradare la narrazione o il ragionamento interno attraverso send_to_user; chiamarlo eccessivamente per contenuti non rivolti all'utente vanifica lo scopo.



Modifiche allo scaffolding consigliate

• Inizia dalla parte alta della tua gamma di difficoltà. Scegli un compito più difficile di quello che assegneresti ai modelli precedenti e fai in modo che Claude Fable 5 lo definisca, ponga domande di chiarimento e lo esegua.
• Rendi esplicita l'auto-verifica nei prompt di lunga durata. Subagent verificatori separati con contesto fresco tendono a superare l'autocritica. Per compiti di lunga durata, istruisci: Establish a method for checking your own work at an interval of [X] as you build. Run this every [X interval], verifying your work with subagents against the specification.
• Rifattorizza prompt e skill esistenti. Le skill sviluppate per i modelli precedenti sono spesso troppo prescrittive per Claude Fable 5 e possono degradare la qualità dell'output. Rivedi e considera di rimuovere le istruzioni più vecchie se le prestazioni predefinite sono migliori. Claude Fable 5 fa anche un buon lavoro nell'aggiornare le skill al volo in base a ciò che apprende dal compito in corso.
• Non istruire Claude a riprodurre il suo ragionamento nella risposta. Prompt, skill o istruzioni dell'harness che dicono al modello di ripetere, trascrivere o spiegare il suo ragionamento interno come testo di risposta possono attivare la categoria di rifiuto reasoning_extraction su Claude Fable 5, causando fallback elevati verso Claude Opus 4.8. Verifica le skill e i prompt di sistema esistenti per istruzioni di riflessione o di mostrare il ragionamento durante la migrazione. Se la tua applicazione necessita di visibilità sul ragionamento, leggi invece i blocchi thinking strutturati dall'adaptive thinking e usa uno per far emergere l'avanzamento durante le esecuzioni lunghe.