Prompting do Claude Fable 5

Este guia aborda os padrões de prompting e scaffolding específicos do Claude Fable 5 e do Claude Mythos 5. Para as capacidades do modelo, mudanças na API, preços e disponibilidade, consulte Apresentando o Claude Fable 5 e o Claude Mythos 5. Para técnicas que se aplicam a todos os modelos Claude atuais, consulte Melhores práticas de prompting.

O Claude Fable 5 assume problemas que antes eram complexos demais, longos demais ou ambíguos demais para modelos anteriores, e é particularmente eficaz em trabalhos de ponta a ponta que levam horas, dias ou semanas para uma pessoa concluir. As equipes que obtêm os melhores resultados aplicam o Claude Fable 5 aos seus problemas não resolvidos mais difíceis; testá-lo apenas em cargas de trabalho mais simples tende a subestimar sua faixa de capacidade. Ele também tem desempenho confiável em tarefas mais diretas.

O Claude Fable 5 tem várias diferenças comportamentais em relação ao Claude Opus 4.8 que podem exigir atualizações de prompt ou scaffolding. Melhorias de capacidade neste nível também são um bom motivo para reavaliar quais instruções, ferramentas e proteções ainda são necessárias. Os padrões abaixo cobrem os comportamentos que mais frequentemente exigem ajustes.

Melhorias de capacidade

Em comparação com o Claude Opus 4.8, o Claude Fable 5 apresenta melhorias em:

• Autonomia de longo horizonte. O Claude Fable 5 sustenta produção produtiva por períodos prolongados, concluindo execuções de vários dias orientadas a objetivos, com forte retenção de instruções ao longo de tarefas longas e complexas.
• Correção na primeira tentativa em problemas complexos e bem especificados. Os primeiros testadores relataram implementações em uma única passagem de sistemas que antes levavam dias de iteração.
• Visão. O Claude Fable 5 interpreta imagens técnicas densas, aplicações web e capturas de tela detalhadas com precisão substancialmente maior, muitas vezes usando menos tokens de saída, e é treinado para usar ferramentas de bash e recorte para lidar com imagens invertidas, borradas ou ruidosas.
• Fluxos de trabalho corporativos. O Claude Fable 5 segue instruções, permanece dentro do escopo e produz resultados de nível profissional em análise financeira, planilhas, slides e documentos.
• Revisão de código e depuração. O recall na detecção de bugs (fora dos domínios de cibersegurança cobertos pelos classificadores de segurança) é visivelmente maior do que no Claude Opus 4.8, incluindo busca em bases de código e no histórico de repositórios.
• Navegação em ambiguidade. O Claude Fable 5 tem bom desempenho quando recebe solicitações complexas e com múltiplas frentes e é solicitado a determinar os próximos passos.
• Delegação e colaboração. O Claude Fable 5 é significativamente mais confiável ao despachar e sustentar subagentes paralelos, e gerencia de forma confiável a comunicação contínua com subagentes de longa duração e agentes pares.

Além dessas melhorias específicas, o Claude Fable 5 é geralmente mais capaz do que modelos anteriores em quase todas as tarefas. O Claude Fable 5 não é destinado a trabalhos ofensivos de cibersegurança ou de biologia e ciências da vida; solicitações nesses domínios podem retornar stop_reason: "refusal".

Turnos mais longos por padrão

Solicitações individuais em tarefas difíceis podem ser executadas por muitos minutos em configurações de esforço mais altas, especialmente quando a tarefa exige coletar contexto, construir e autoverificar, e execuções autônomas podem se estender por horas. Esta é uma das maiores mudanças que as equipes encontram ao se ajustar ao Claude Fable 5. Ajuste os timeouts do cliente, o streaming e os indicadores de progresso voltados ao usuário antes de migrar, e considere reestruturar os harnesses para verificar as execuções de forma assíncrona, por exemplo por meio de jobs agendados, em vez de bloquear. Para evitar que o Claude Fable 5 planeje em excesso quando uma tarefa é ambígua:

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.

Considere todos os níveis de esforço

O esforço ("effort") é o controle principal para o equilíbrio entre inteligência, latência e custo no Claude Fable 5. Use high como padrão para a maioria das tarefas, com xhigh para as cargas de trabalho mais sensíveis à capacidade e medium ou low para trabalho rotineiro. Configurações de esforço mais baixas no Claude Fable 5 ainda têm bom desempenho e frequentemente superam o desempenho de xhigh em modelos anteriores. Reduza o esforço se uma tarefa for concluída mas levar mais tempo do que o necessário, ou se você quiser um estilo de trabalho mais rápido e interativo.

Em trabalho rotineiro com esforço mais alto, o Claude Fable 5 pode coletar contexto e deliberar além do que a tarefa precisa. Ao mesmo tempo, esforço mais alto frequentemente produz excelente comportamento de verificação, raciocínio sofisticado e a saída mais rigorosa. Para evitar organização ou refatoração não solicitadas em esforço mais alto:

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 seguimento de instruções

O seguimento de instruções melhorou o suficiente para que você possa direcionar a maioria dos comportamentos com uma instrução breve, em vez de enumerar cada comportamento pelo nome. Por exemplo, quando não direcionado, o Claude Fable 5 pode elaborar além do que a tarefa precisa, especialmente em configurações de esforço mais altas: examinando opções que não vai seguir, explicando causas raiz longamente, produzindo descrições de PR fortemente estruturadas ou escrevendo comentários que narram o que a próxima linha faz. Uma instrução curta de brevidade é tão eficaz quanto listar cada padrão:

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.

O mesmo se aplica ao comportamento de checkpoint em fluxos de trabalho de longa duração. Para que o Claude Fable 5 pare apenas onde realmente precisa de você, não há necessidade de enumerar cada 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.

Fundamente as alegações de progresso durante execuções longas

Em execuções autônomas longas, instrua o Claude Fable 5 a auditar o progresso em relação aos resultados reais das ferramentas. Nos testes da Anthropic, isso praticamente eliminou relatórios de status fabricados, mesmo em tarefas projetadas para provocá-los:

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.

Declare os limites

O Claude Fable 5 pode ocasionalmente tomar ações não solicitadas (redigir um e-mail quando nenhum foi pedido, criar backups defensivos de branches do git). Defina restrições explícitas sobre o que o Claude Fable 5 deve e não deve fazer:

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.

Subagentes paralelos

O Claude Fable 5 despacha subagentes paralelos com mais prontidão do que modelos anteriores. Use subagentes com frequência, forneça orientação explícita sobre quando a delegação é apropriada e prefira comunicação assíncrona entre o orquestrador e os subagentes em vez de bloquear até que cada subagente retorne. Subagentes de longa duração que mantêm seu contexto entre subtarefas economizam tempo e custo por meio de leituras de cache e evitam gargalos no subagente mais lento.

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

Construa um sistema de memória

O Claude Fable 5 tem desempenho particularmente bom quando pode registrar lições de execuções anteriores e consultá-las. Forneça um lugar para escrever notas, tão simples quanto um arquivo 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.

Para inicializar o sistema de memória a partir do histórico existente, faça o Claude Fable 5 revisar sessões passadas:

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.

Casos raros de parada antecipada

Em um ponto avançado de uma sessão longa, o Claude Fable 5 pode ocasionalmente encerrar um turno com uma declaração de intenção apenas em texto ("Agora vou executar X") sem emitir a chamada de ferramenta correspondente, ou pausar para pedir permissão quando já tem o suficiente para prosseguir. Um "continue" ou "vá em frente e faça de ponta a ponta" é suficiente. Para definir quando pausar é apropriado, combine isso com a instrução de checkpoint em Forte seguimento de instruções. Para pipelines autônomos, adicione um lembrete do 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.

Casos raros de preocupação com o orçamento de contexto

Em sessões muito longas, o Claude Fable 5 pode ocasionalmente sugerir uma nova sessão, oferecer-se para resumir e passar adiante, ou reduzir seu próprio trabalho. Isso é mais frequentemente acionado quando o harness mostra ao modelo uma contagem regressiva de tokens restantes. Evite exibir contagens explícitas de orçamento de contexto sempre que possível. Se o harness precisar mostrá-las, uma garantia ajuda:

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

Dê o motivo, não apenas a solicitação

O Claude Fable 5 tende a ter melhor desempenho quando entende a intenção por trás de uma solicitação: o contexto permite que ele conecte a tarefa a informações relevantes em vez de inferir a intenção por conta própria. Forneça contexto sobre por que você está pedindo, especialmente para agentes de longa duração que se baseiam em múltiplas frentes de trabalho:

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

Legibilidade ao se comunicar com o usuário

Em conversas estendidas ou agênticas (muitas chamadas de ferramentas, grande contexto de trabalho), o Claude Fable 5 pode produzir texto difícil de acompanhar: abreviações densas em cadeias de setas, detalhes profundos de implementação, referências a pensamentos que o usuário nunca viu ou formulações excessivamente técnicas. Um adendo de estilo de comunicação mitiga isso:

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.

Crie uma ferramenta send-to-user

Ao executar agentes longos e assíncronos, dê ao agente uma forma de exibir uma mensagem que o usuário deve ver exatamente como escrita, sem encerrar seu turno: um entregável (um trecho de código gerado ou uma mensagem redigida), uma atualização de progresso com números específicos ou uma resposta direta a uma pergunta que o usuário fez no meio do loop. A entrada da ferramenta é a mensagem a ser exibida; quando o Claude a chama, renderize a entrada diretamente na sua interface e retorne uma confirmação simples como resultado da ferramenta. As entradas de ferramentas nunca são resumidas, então o conteúdo chega intacto.

{
  "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"]
  }
}

Adicione esta ferramenta sempre que sua UX depender de entregar conteúdo ou interações diretas com o usuário literalmente no meio da tarefa. Para agentes que apenas narram progresso rotineiro, os próprios resumos do modelo geralmente são adequados. Definir a ferramenta não é suficiente por si só; sem uma instrução no prompt do sistema, o Claude Fable 5 raramente a chama. Combine a ferramenta com linguagem de elicitação como:

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.

Não encaminhe narração ou raciocínio interno por meio de send_to_user; chamá-la em excesso para conteúdo não voltado ao usuário anula o propósito.

Mudanças de scaffolding recomendadas

• Comece pelo topo da sua faixa de dificuldade. Escolha uma tarefa mais difícil do que a que você atribuiria a modelos anteriores e faça o Claude Fable 5 definir o escopo, fazer perguntas de esclarecimento e executar.
• Torne a autoverificação explícita em prompts de execução longa. Subagentes verificadores separados, com contexto novo, tendem a superar a autocrítica. Para tarefas de longa duração, instrua: 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.
• Refatore prompts e skills existentes. Skills desenvolvidas para modelos anteriores frequentemente são prescritivas demais para o Claude Fable 5 e podem degradar a qualidade da saída. Revise e considere remover instruções mais antigas se o desempenho padrão for melhor. O Claude Fable 5 também faz um bom trabalho atualizando skills em tempo real com base no que aprende com a tarefa em questão.
• Não instrua o Claude a reproduzir seu raciocínio na resposta. Prompts, skills ou instruções de harness que dizem ao modelo para ecoar, transcrever ou explicar seu raciocínio interno como texto de resposta podem acionar a categoria de recusa reasoning_extraction no Claude Fable 5, causando fallbacks elevados para o Claude Opus 4.8. Audite skills e prompts do sistema existentes em busca de instruções de reflexão ou de mostrar o pensamento ao migrar. Se sua aplicação precisa de visibilidade do raciocínio, leia os blocos thinking estruturados do pensamento adaptativo em vez disso, e use uma ferramenta send-to-user para exibir o progresso durante execuções longas.
• Crie uma ferramenta send-to-user. Para agentes longos e assíncronos, uma ferramenta do lado do cliente entrega mensagens ao usuário literalmente sem encerrar o turno. Consulte Crie uma ferramenta send-to-user.