Как ставить задачи Claude Fable 5

Зачем это вообще менять

Каждый раз, когда модель заметно сильнее прошлой, часть привычных инструкций перестаёт помогать и начинает мешать. То, что было нужно для Opus 4.8, для Fable 5 часто оказывается лишним весом — длинные промпты, ручная разбивка на шаги, постоянные правки на лету только тормозят и жгут лимит.

Ниже — то, что чаще всего требует донастройки, своими словами.

⚠️ Fable 5 не берётся за наступательную кибербезопасность (эксплойты, малварь) и биологию/науки о жизни — такие запросы модель может отклонить. В API-системах это стоит ловить и переводить на Opus 4.8.

Effort — не «качество», а бюджет мышления

Effort регулирует баланс скорость/качество/цена: low для рутины, medium для обычных задач, high по умолчанию для большинства, xhigh и max — для самого ответственного. Даже на низком effort модель обычно умнее предыдущих поколений на максимуме.

Ловушка: на простых задачах высокий effort заставляет модель «наводить порядок» сверх запроса — рефакторить лишнее, добавлять абстракции, которых никто не просил. Помогает прямая инструкция против переусложнения (не рефакторить сверх задачи, не проектировать под гипотетическое будущее, не добавлять проверки для невозможных сценариев).

Длинные задачи — это нормально

Один сложный запрос может думать минуты, автономный прогон — часами: модель собирает контекст, строит план и сама себя перепроверяет. Не обрывайте «долгую тишину» раньше времени, но закладывайте таймауты и индикаторы прогресса, если строите систему поверх неё.

Обратная сторона — на размытой задаче модель может слишком долго планировать вместо того, чтобы действовать. Лечится инструкцией «когда информации достаточно — действуй, не пересматривай уже принятые решения, не перечисляй варианты, которые не будешь делать».

Явные границы действий

Fable 5 иногда делает лишнее по инициативе: набрасывает письмо, которое не просили, создаёт «на всякий случай» ветку в git. Стоит прямо разграничить — когда пользователь просто рассуждает вслух или задаёт вопрос, ответ должен быть оценкой, а не действием; и перед любой операцией, меняющей состояние системы (рестарт, удаление, правка конфига), проверять, что данные действительно указывают именно на это действие, а не просто похожи на знакомую поломку.

Причина важнее формулировки

Модель работает точнее, когда понимает зачем — особенно на длинных агентных задачах, где приходится держать в голове несколько направлений сразу. Простой шаблон: «Работаю над [задача] для [кого]. Им нужно [что даёт результат]. С учётом этого: [просьба]».

Краткость — одной фразой, а не списком запретов

Fable 5 хорошо следует инструкциям, поэтому большинство поведения задаётся одной короткой фразой вместо длинного списка «не делай так, не делай эдак». Ключевая идея: первое предложение ответа — это то, что произошло или что найдено; детали и обоснования — после. И краткость достигается отбором того, что включать, а не сжатием текста в обрывки и жаргон.

Отдельно стоит задать точки остановки: прерывать пользователя только когда это разрушительное действие, реальное изменение объёма задачи или данные, которые может дать только он — а не на каждом шагу.

Автономные прогоны: три частых сбоя

1. Ложный прогресс. Модель может сказать «готово», не проверив на деле. Помогает требование сверять каждое утверждение с результатом инструмента из этой же сессии и честно называть, что не проверено или пропущено.
2. Ранняя остановка. Глубоко в длинной сессии модель иногда пишет «сейчас запущу X» — и не делает вызов, или спрашивает разрешение, когда его уже достаточно. В автономном режиме стоит явно сказать: пользователь не следит за процессом в реальном времени, обратимые действия — без вопросов, ход завершается только когда задача сделана или упёрлась в данные, которые может дать лишь пользователь.
3. Тревога по контексту. На очень длинных сессиях модель может предложить «начать новую сессию», увидев счётчик оставшихся токенов. Если можно — не показывать этот счётчик; если показываете — явно сказать, что контекста достаточно и стоит продолжать.

Субагенты и память

Fable 5 охотнее прошлых моделей запускает параллельных субагентов — стоит явно подсказать, когда делегирование уместно, и работать дальше, не ожидая каждого впритык, вмешиваясь только если субагент сбился с пути.

Отдельно она хорошо откликается на простую файловую память: один урок на файл, с однострочным резюме сверху, фиксировать и исправления, и подтверждённые подходы вместе с причиной, не дублировать то, что уже есть в репозитории, и удалять то, что оказалось ошибочным. Накопленную историю разговоров можно один раз попросить разобрать субагентами и превратить в такую базу.

Для тех, кто строит агентов на API

Пара приёмов из продвинутой обвязки:

• Периодическая самопроверка — задать интервал и на каждом шаге сверять результат с спецификацией через отдельного субагента, а не самокритикой.
• send_to_user — отдельный инструмент, который показывает пользователю сообщение дословно, не завершая ход: промежуточный результат, апдейт с цифрами, прямой ответ. Без явной инструкции модель почти не вызывает его сама.

Если запомнить только одно

Давайте Fable 5 сложные задачи, а не проверяйте её на мелочах. Начинайте с effort: high, снижайте на рутине, поднимайте на самом ответственном. Не бойтесь долгих прогонов — дайте границу по времени и критерию «готово». Задавайте краткость и границы одной фразой. Объясняйте зачем. Просите сверять прогресс с реальными результатами. Делегируйте субагентам. Дайте модели память.

---

По мотивам официальной документации Anthropic по промптингу Claude Fable 5 и разбора NickVels / AI.Цех — пересказано и сокращено, без дословного цитирования оригинала.