Claude Fable 5 è oggi considerato uno dei modelli linguistici più potenti tra quelli disponibili al pubblico – ma è anche costoso e reagisce ai prompt in modo diverso rispetto ai modelli precedenti. Lo youtuber Nate Herk ha esaminato la documentazione ufficiale di Anthropic sul prompting di Fable 5 e l’ha ridotta a sei abitudini pratiche. Le ho tradotte per Lei in italiano, confrontate con gli esempi originali della documentazione e integrate con osservazioni oneste tratte dalla pratica – senza hype sull’IA.
L’essenziale in breve
- Sei regole di prompting fanno la differenza fra un costoso procedere per tentativi e un lavoro efficiente con Fable 5.
- Il contesto batte i comandi: dica al modello il perché, non solo il cosa.
- Scelga consapevolmente il livello di effort – non ogni compito richiede il modello più costoso al livello massimo.
- Faccia verificare: si faccia dimostrare i risultati invece di fidarsi ciecamente.
- Meno è meglio: con un modello così intelligente, istruzioni brevi e chiare guidano spesso meglio di regolamenti lunghi pagine.
Perché con Fable 5 il prompting funziona diversamente
Fable 5 segue istruzioni brevi e chiare meglio dei modelli precedenti – semplicemente perché ragiona meglio. Spesso „capisce“ la Sua intenzione prima ancora che Lei abbia esplicitato ogni dettaglio. Da qui nascono le sei regole: non sono fine a se stesse, ma sfruttano in modo mirato questo punto di forza.
Un’avvertenza onesta prima di iniziare: Fable 5 non è un modello economico. Costa circa 10 dollari USA per milione di token di input e 50 dollari USA per milione di token di output – esattamente il doppio di Opus 4.8 (rispettivamente 5 e 25 dollari USA). Per la maggior parte dei compiti di routine non Le serve affatto. La vera arte sta nell’usarlo solo quando ne vale davvero la pena.
Regola 1: dia al modello il „perché“
Anthropic è chiaro: Fable 5 dà risultati migliori quando conosce la Sua intenzione. Il contesto collega il compito alle informazioni giuste – invece di costringere il modello a indovinare l’intenzione. La documentazione propone a senso perfino una formula fissa: „Sto lavorando a [il compito più ampio] per [chi]. Serve [ciò che il risultato rende possibile]. Su questa base: [la richiesta].“
- Invece di: „Scrivimi un’e-mail a un cliente per il ritardo.“
- Meglio: „Sto lavorando a questo progetto più ampio, ecco il cliente ed ecco la sua richiesta. Con questo contesto, puoi scrivermi un’e-mail sul ritardo?“
Vale per: ogni modello. Chi lavora già con file di contesto o con un sistema di conoscenza ben strutturato dà così al modello anche la possibilità di cercare in modo mirato le informazioni giuste.
Regola 2: dica esplicitamente cosa NON deve fare
In sostanza i modelli di IA prevedono la parola plausibile successiva – e a volte diventano „creativi“ e fanno cose che Lei non voleva. Il prompting negativo delimita questo spazio. Anthropic procede allo stesso modo nella propria documentazione. Un esempio mira a evitare che Fable 5, con un effort elevato, „metta ordine“ senza che glielo si sia chiesto (tradotto a senso):
„Non aggiungere funzionalità, non refattorizzare e non introdurre astrazioni che vadano oltre quanto il compito richiede. Una correzione di bug non ha bisogno di riordino attorno. Fai la cosa più semplice che funzioni bene.“
Il paragone migliore: lo spieghi come a uno stagista. A un principiante si dice come cosa ovvia ciò che non deve fare, perché non conosce ancora il processo. Il secondo esempio della documentazione traccia esattamente questo confine (tradotto a senso):
„Quando l’utente descrive un problema, pone una domanda o ragiona ad alta voce – invece di chiedere una modifica –, il risultato atteso è la tua valutazione. Riferisci ciò che trovi e fermati. Non applicare alcuna correzione finché non ti viene chiesto esplicitamente.“
Vale per: ogni modello.
Regola 3: lo lasci agire non appena ne sa abbastanza
Metta fine alla pianificazione eccessiva. Anthropic formula a questo scopo uno snippet dedicato nella documentazione di Fable 5 – proprio perché ai livelli di effort alti una singola richiesta può durare molti minuti, mentre il modello raccoglie contesto, costruisce e si verifica da solo (tradotto a senso):
„Se hai informazioni sufficienti per agire, agisci. Non ricavare di nuovo fatti già stabiliti nella conversazione, non rimettere in discussione una decisione che l’utente ha già preso e non elencare opzioni che comunque non seguirai.“
E poi: scelga il livello di effort adatto. Fable 5 offre più livelli – low, medium, high, extra high. La raccomandazione di Anthropic alla lettera:
- high come impostazione standard per la maggior parte dei compiti
- extra high (xhigh) per i carichi di lavoro più sensibili alla capacità
- medium oppure low per il lavoro di routine
Interessante: secondo la documentazione, perfino i livelli di effort bassi di Fable 5 superano spesso il livello più alto dei modelli precedenti – a costi inferiori. Chi invece fa girare Fable 5 al massimo per tutto paga quasi sempre di più. Realisticamente, il modello di punta Le serve solo per una piccola parte dei Suoi compiti.
Regola 4: si faccia dimostrare che ha finito
È forse la regola più importante. A volte i modelli affermano di aver finito – ma non è vero, oppure non hanno verificato nulla. Anthropic riferisce che confrontare i progressi con risultati reali degli strumenti ha quasi eliminato, nei test, le comunicazioni di stato inventate. Inserisca quindi cicli di verifica (tradotto a senso):
„Prima di comunicare progressi, confronta ogni affermazione con un risultato di uno strumento ottenuto in questa sessione. Riferisci solo il lavoro di cui puoi mostrare le prove. Se qualcosa non è ancora verificato, dillo esplicitamente invece di tirare a indovinare. Se un test fallisce, dillo riportando l’output; se un passo è stato saltato, dillo.“
Il consiglio vale per ogni modello – e andrebbe idealmente fissato nei Suoi Skills, agent e file di configurazione, invece di essere accodato a ogni singolo prompt.
Regola 5: non chieda a Fable 5 di rivelare i suoi pensieri
Questa regola è specifica di Fable – ed è indicata esplicitamente nella documentazione ufficiale. Prompt, Skills o istruzioni di harness che chiedono al modello di riprodurre, trascrivere o spiegare il proprio ragionamento interno come testo di risposta possono attivare la categoria di rifiuto reasoning_extraction. La conseguenza: più fallback su Claude Opus 4.8. Al momento del passaggio controlli quindi i Suoi Skills e system prompt esistenti alla ricerca di formulazioni del tipo „spiega il tuo ragionamento“. Se ha davvero bisogno di vedere il reasoning, legga invece i blocchi strutturati thinking – anziché chiederlo al modello.
Regola 6: dica di meno, non di più
All’inizio suona contraddittorio – per molto tempo si è detto che più contesto è meglio. Ma la capacità di Fable 5 di seguire le istruzioni è così buona che un’istruzione breve guida la maggior parte dei comportamenti in modo altrettanto affidabile di un regolamento dettagliato – a condizione che il modello lavori in un buon ambiente, con contesto, strumenti e Skills.
Questo non è in contraddizione con la regola 1: dare il „perché“ non significa gonfiare tutto. Invece di „regola uno: sii conciso, regola due: …, regola tre: …“ spesso basta una breve indicazione come: „Apri con il risultato. La tua prima frase dopo aver concluso deve dire cosa è successo o cosa hai trovato.“ E per le domande di chiarimento: „Fermati solo quando il lavoro lo richiede davvero – in caso di azione distruttiva, di un reale cambiamento di scope o quando solo l’utente può fornire un contributo.“ Vale per: specifico di Fable, nel senso della forte capacità di seguire le istruzioni.
Bonus: quando Fable passa silenziosamente il compito a Opus 4.8
Fable 5 esegue classificatori di sicurezza mirati a tre ambiti: tecniche offensive di cybersecurity (per esempio la costruzione di exploit, malware o strumenti di attacco), contenuti di biologia e life sciences (per esempio metodi di laboratorio o meccanismi molecolari) e l’estrazione del ragionamento riassunto del modello. Se uno di questi classificatori interviene, la richiesta può terminare con il motivo di arresto refusal – e può essere inoltrata automaticamente via fallback a Claude Opus 4.8. Importante da sapere: anche ricerca legittima sulla sicurezza o compiti utili di life sciences possono attivare questi meccanismi di protezione. La conseguenza pratica: formuli in modo chiaro e legittimo – e, se sviluppa tramite API, configuri correttamente il fallback su Opus 4.8.
Da portare con sé: download gratuiti
📄 Bigliettino: Scarica la checklist delle 6 regole in PDF — una pagina, da stampare o da tenere accanto allo schermo. In tedesco.
📘 Approfondito: Scarica la guida completa in PDF — tutte e sei le regole con esempi e inquadramento. In tedesco.
Conclusione
Le sei regole non sono magia, ma solide regole di mestiere: dare contesto, delimitare chiaramente, lasciar agire, verificare, non chiedere il reasoning, restare concisi. Quattro valgono per ogni modello e migliorano i Suoi prompt in generale. Due sono specifiche di Fable e aiutano a usare il costoso modello di punta in modo efficiente e senza giri inutili. La leva maggiore resta però la scelta del modello: ricorra a Fable 5 solo dove Le serve davvero quella potenza – e fissi queste regole in modo stabile nei Suoi Skills e file di configurazione, invece di riscriverle ogni volta.
Fonti: il video „How Anthropic Engineers Actually Prompt Fable 5“ di Nate Herk | AI Automation (YouTube) e la documentazione ufficiale di Anthropic „Prompting Claude Fable 5“. Esempi tradotti a senso dall’inglese e inquadrati.