Fazer bons prompts no Claude Fable 5: 6 regras para mais resultado

O Claude Fable 5 é atualmente considerado um dos modelos de linguagem mais fortes disponíveis ao público – mas é também caro e reage aos prompts de forma diferente dos modelos mais antigos. O youtuber Nate Herk percorreu a documentação oficial da Anthropic sobre prompting do Fable 5 e reduziu-a a seis hábitos práticos. Traduzimo-los para português, confrontámo-los com os exemplos originais da documentação e acrescentámos notas honestas da prática – sem hype de IA.

O essencial em resumo

• Seis regras de prompting fazem a diferença entre andar a tentar de forma cara e trabalhar de forma eficiente com o Fable 5.
• O contexto vence os comandos: diga ao modelo o porquê, não apenas o quê.
• Escolher conscientemente o nível de effort – nem todas as tarefas precisam do modelo mais caro no grau mais alto.
• Mandar verificar: peça que lhe provem os resultados, em vez de confiar neles às cegas.
• Menos é mais: num modelo tão inteligente, instruções curtas e claras conduzem-no muitas vezes melhor do que regulamentos de páginas e páginas.

Porque é que o prompting funciona de outra forma no Fable 5

O Fable 5 segue instruções curtas e claras melhor do que os modelos anteriores – simplesmente porque é melhor a raciocinar. Muitas vezes „percebe“ a sua intenção antes de ter soletrado cada pormenor. É precisamente daí que resultam as seis regras: não são um fim em si mesmas, tiram partido dirigido dessa força.

Uma nota honesta antes de mais: o Fable 5 não é um modelo barato. Custa cerca de 10 dólares norte-americanos por milhão de tokens de entrada e 50 dólares norte-americanos por milhão de tokens de saída – ou seja, exatamente o dobro do Opus 4.8 (5 e 25 dólares norte-americanos, respetivamente). Para a maioria das tarefas de rotina nem sequer precisa dele. A verdadeira arte está em usá-lo apenas quando compensa mesmo.

Regra 1: dê ao modelo o „porquê“

A Anthropic é clara: o Fable 5 entrega melhores resultados quando conhece a sua intenção. O contexto liga a tarefa às informações certas – em vez de o modelo ter de adivinhar sozinho a intenção. A documentação chega a propor, em substância, uma fórmula fixa: „Estou a trabalhar em [a tarefa maior] para [quem]. É preciso [o que o resultado permite]. Neste contexto: [o pedido].“

• Em vez de: „Escreve-me um e-mail para um cliente por causa do atraso.“
• Melhor: „Estou a trabalhar no seguinte projeto maior, aqui está o cliente e esta é a sua questão. Com este contexto, podes escrever-me um e-mail sobre o atraso?“

Vale para: qualquer modelo. Quem já trabalha com ficheiros de contexto ou com um sistema de conhecimento bem estruturado dá assim ao modelo também a hipótese de ir consultar de forma dirigida a informação certa.

Regra 2: diga expressamente o que ele NÃO deve fazer

Os modelos de IA preveem no essencial a próxima palavra plausível – e nisso tornam-se por vezes „criativos“ e fazem coisas que não queria. O prompting negativo delimita isso. A Anthropic faz exatamente o mesmo na sua própria documentação. Um exemplo visa que o Fable 5, com um effort mais alto, não „arrume a casa“ sem lhe pedirem (traduzido em substância):

„Não acrescentes funcionalidades, não refatorizes e não introduzas abstrações que vão além do que a tarefa exige. A correção de um bug não precisa de arrumação à volta. Faz o mais simples que funcione bem.“

A melhor comparação: explique como a um estagiário. A um principiante diz-se com toda a naturalidade o que não deve fazer, porque ainda não conhece o processo. O segundo exemplo da documentação traça exatamente esse limite (traduzido em substância):

„Quando a utilizadora descreve um problema, faz uma pergunta ou pensa em voz alta – em vez de pedir uma alteração –, o resultado é a tua avaliação. Relata o que encontras e para. Não apliques qualquer correção até que to peçam expressamente.“

Vale para: qualquer modelo.

Regra 3: deixe-o agir assim que souber o suficiente

Pare de planear em excesso. A Anthropic formula para isso, na documentação do Fable 5, um excerto próprio – justamente porque pedidos isolados, em graus de effort altos, podem correr muitos minutos enquanto o modelo reúne contexto, constrói e se verifica a si próprio (traduzido em substância):

„Se tens informação suficiente para agir, age. Não voltes a derivar factos que já estão estabelecidos na conversa, não reabras uma decisão que a utilizadora já tomou e não enumeres opções que de qualquer modo não vais seguir.“

E ainda: escolha o nível de effort adequado. O Fable 5 oferece vários graus – low, medium, high, extra high. A recomendação da Anthropic, textualmente:

• high como padrão para a maioria das tarefas
• extra high (xhigh) para as cargas de trabalho mais sensíveis em capacidade
• medium ou low para trabalho de rotina

Interessante: segundo a documentação, mesmo graus de effort baixos do Fable 5 superam muitas vezes o grau mais alto de modelos anteriores – com custos menores. Já quem puser o Fable 5 a correr no máximo para tudo paga quase sempre a mais. Realisticamente, só precisa do modelo de topo para uma pequena parte das suas tarefas.

Regra 4: faça-o provar que terminou

Esta é possivelmente a regra mais importante. Os modelos afirmam por vezes que terminaram – mas não terminaram, ou não verificaram nada. A Anthropic relata que confrontar o progresso com resultados reais de ferramentas eliminou quase por completo, nos testes, as mensagens de estado inventadas. Construa, portanto, ciclos de verificação (traduzido em substância):

„Antes de comunicares progresso, confronta cada afirmação com um resultado de ferramenta desta sessão. Relata apenas trabalho para o qual consigas mostrar provas. Se algo ainda não estiver verificado, di-lo expressamente em vez de adivinhar. Se um teste falhar, di-lo com a saída; se um passo foi saltado, di-lo.“

A dica vale para qualquer modelo – e idealmente pertence de forma fixa às suas Skills, agentes e ficheiros de configuração, em vez de ser anexada a cada prompt individual.

Regra 5: não peça ao Fable 5 que revele os seus pensamentos

Esta regra é específica do Fable – e está expressamente nomeada na documentação oficial. Prompts, Skills ou instruções do harness que peçam ao modelo para reproduzir, transcrever ou explicar o seu raciocínio interno como texto de resposta podem desencadear a categoria de recusa reasoning_extraction. A consequência: mais recursos de fallback para o Claude Opus 4.8. Verifique por isso, ao mudar, as suas Skills e system prompts existentes quanto a formulações do tipo „Explica o teu raciocínio“. Se precisar mesmo de ver o reasoning, leia antes os blocos thinking estruturados – em vez de o pedir ao modelo.

Regra 6: diga menos, não mais

À primeira vista soa contraditório – afinal, durante muito tempo dizia-se: mais contexto é melhor. Mas a capacidade de seguir instruções do Fable 5 é tão boa que uma instrução curta conduz a maioria dos comportamentos de forma tão fiável como um regulamento soletrado – desde que o modelo trabalhe num bom ambiente, com contexto, ferramentas e Skills.

Isto não contradiz a regra 1: dar o „porquê“ não significa inchar tudo. Em vez de „regra um: sê breve, regra dois: …, regra três: …“ basta muitas vezes uma indicação curta como: „Começa pelo resultado. A tua primeira frase depois de terminares deve responder ao que aconteceu ou ao que encontraste.“ E para perguntas de retorno: „Só pausa quando o trabalho o exigir mesmo – numa ação destrutiva, numa alteração real de âmbito ou quando só a utilizadora puder contribuir com algo.“ Vale para: específico do Fable, no sentido do forte seguimento de instruções.

Bónus: quando o Fable passa em silêncio a tarefa para o Opus 4.8

O Fable 5 executa classificadores de segurança que visam três áreas: técnicas ofensivas de cibersegurança (como construir exploits, malware ou ferramentas de ataque), conteúdos de biologia e ciências da vida (por exemplo métodos laboratoriais ou mecanismos moleculares) e a extração do raciocínio resumido do modelo. Se um destes classificadores atuar, o pedido pode terminar com o motivo de paragem refusal – e pode ser passado automaticamente, por fallback, ao Claude Opus 4.8. Importante saber: também investigação legítima de segurança ou tarefas úteis de ciências da vida podem desencadear estes mecanismos de proteção. A consequência prática: formule de forma clara e legítima – e, se estiver a construir sobre a API, configure de forma limpa o fallback para o Opus 4.8.

Para levar consigo: downloads gratuitos

Conclusão

As seis regras não são magia, são regras sólidas do ofício: dar contexto, delimitar com clareza, deixar agir, verificar, não pedir o reasoning, manter-se breve. Quatro delas valem para qualquer modelo e melhoram os seus prompts de forma geral. Duas são específicas do Fable e ajudam a usar o caro modelo de topo de forma eficiente e sem desvios desnecessários. A maior alavanca continua, porém, a ser a própria escolha do modelo: recorra ao Fable 5 apenas onde precisa mesmo do desempenho – e ancore estas regras de forma duradoura nas suas Skills e ficheiros de configuração, em vez de as escrever de novo de cada vez.

Fontes: o vídeo „How Anthropic Engineers Actually Prompt Fable 5“ de Nate Herk | AI Automation (YouTube) e a documentação oficial da Anthropic „Prompting Claude Fable 5“. Exemplos traduzidos em substância do inglês e enquadrados.