Der ultimative Leitfaden zu Claude Fable 5.1: Evolution, Token-Einsparung und Skill-Konstruktion

Evolution, Token-Ersparnis, Prompts, Harnesses und Skill-Konstruktion

Am 1. September 2026 veröffentlichte Anthropic "Claude Fable 5.1". Zum Zeitpunkt, als ich diesen Artikel schreibe, dem 2. September 2026, ist es erst einen Tag her. Daher werde ich mich nicht auf subjektive Meinungen in sozialen Medien stützen, sondern die Informationen basierend auf der offiziellen Dokumentation von Anthropic, den API-Dokumenten und den neuesten Claude Code-Spezifikationen strukturieren.

Um Ihnen das Fazit vorwegzunehmen: Fable 5.1 ist nicht einfach nur ein "Modell, das normale Fragen etwas schlauer beantwortet."

Sein Kern liegt in der Fähigkeit, Aufgaben über Stunden oder Tage hinweg zu bearbeiten, ohne das Ziel aus den Augen zu verlieren, bis zu den Ursachen vorzudringen, anstatt nur an der Oberfläche zu kratzen, und die eigenen Ergebnisse bis zum Schluss zu verifizieren.

Allerdings ist der Preis doppelt so hoch wie der von Opus 5 und fünfmal so hoch wie der von Sonnet 5. Zudem kann das interne Denken nicht deaktiviert werden. Wenn Sie alles auf Fable 5.1 werfen, werden Sie Ihre Nutzungslimits und Ihr Budget erschöpfen, bevor Sie seine Fähigkeiten wirklich nutzen können.

Der Schlüssel zur Beherrschung von Fable 5.1 liegt nicht nur darin, großartige Prompts zu schreiben.

Es geht darum, zu entwerfen, welche spezifischen Aufgaben Sie Fable zuweisen, welche Informationen Sie laden und welche Prozesse Sie an günstigere Modelle oder Skripte auslagern.

Teil 1: Vollständige Erklärung von Claude Fable 5.1

1. Was ist Claude Fable 5.1?

Claude Fable 5.1 ist als das leistungsfähigste Modell positioniert, das Anthropic der Öffentlichkeit zugänglich gemacht hat.

Fable 5.1 und das nur auf Einladung zugängliche Claude Mythos 5.1 sind im Wesentlichen dasselbe Modell. Der Unterschied liegt hauptsächlich in den Sicherheitsmaßnahmen. Das öffentlich verfügbare Fable enthält starke Klassifikatoren, um risikoreiche Bereiche wie Cybersicherheit, Biowissenschaften und Chemie zu erkennen. Mythos hingegen wird von geprüften Organisationen für defensive Forschung und andere Zwecke genutzt. (Anthropic

Die wichtigsten Spezifikationen sind wie folgt:

Für einzelne Claude-Nutzer ist es für Pro-, Max-, Team- und Enterprise-Nutzer verfügbar. In der API ist es für allgemeine Kunden ohne spezielle Überprüfung verfügbar. (Claude Platform

Ein Kontext von 1 Million Tokens kann, einfach berechnet, mehrere bis ein Dutzend Bücher, massive Codebasen oder lange Gesprächsverläufe auf einmal verarbeiten.

Allerdings ist "es kann 1 Million Tokens aufnehmen" etwas anderes als "Sie sollten 1 Million Tokens hineinstecken."

Je mehr irrelevante Dateien, alte Gespräche und lange Protokolle Sie hineinstopfen, desto mehr werden wichtige Informationen begraben. Obwohl Fable 5.1 massive Kontexte verarbeiten kann, neutralisiert es nicht automatisch irrelevanten Kontext für Sie.

2. Die Evolution von Fable 5.1 ist "Länger arbeiten"

Die bedeutendste Weiterentwicklung von Fable 5.1 ist nicht seine Einzelschuss-Genauigkeit, sondern seine Fähigkeit, während langer Agentenaufgaben konsistent zu bleiben.

Allgemeine KI-Agenten neigen dazu, bei längeren Aufgaben folgende Probleme zu verursachen:

• Das ursprüngliche Ziel vergessen.
• Nur symptomatische Korrekturen durchführen, ohne die Ursache zu untersuchen.
• Dieselben Dateien oder Webseiten wiederholt lesen.
• Die Arbeit willkürlich im Laufe des Prozesses herunterschrauben.
• "Ich werde als nächstes testen" ankündigen und dann einfach aufhören.
• Massive Änderungen vornehmen, aber keine abschließende Funktionsprüfung durchführen.

Fable 5.1 konzentriert sich stark auf die Verbesserung dieser Zusammenbrüche während langer Arbeitsphasen. Offizielle Beschreibungen nennen Programmierung, Browser-Operationen, Recherche und die Erstellung von Dokumenten/Tabellen/Präsentationen über Stunden bis mehrere Tage als primäre Anwendungsfälle. Es ist darauf ausgelegt, sich von fehlgeschlagenen Schritten zu erholen, Prioritäten neu zu setzen und fortzufahren, während es eigene Arbeitsprotokolle führt. (Anthropic

Frühe Anwenderunternehmen haben die folgenden Fälle gemeldet:

Bei MongoDB soll es Service-Code und Dokumentation untersucht haben, um ein neues Design zu erstellen, und einen komplexen Prototypen in etwa drei Tagen durch stundenlange autonome Ausführung fertiggestellt haben. Bei Ramp arbeitete es 38 Stunden ununterbrochen an einem maschinellen Lernproblem, entdeckte Kennzeichnungsfehler in früheren Ergebnissen und führte nach deren Behebung sechs Experimente parallel durch. (Anthropic

Weiterhin wurde in einem Fall von Millennium berichtet, dass das Modell für einen Absturz, der nur einmal in einer Million Fällen auftrat, externe Bibliotheken zerlegte, sie mit Core Dumps abglich und eine Ursache fand, die jahrelang unentdeckt geblieben war. Obwohl dies Kundenberichte auf der offiziellen Seite sind und keine Ergebnisse, die von unabhängigen Stellen reproduziert wurden, zeigen sie deutlich die Richtung, die Fable 5.1 anstrebt. (Anthropic

Kurz gesagt, Fable 5.1 ist weniger eine "KI, die viel Code schreibt" als vielmehr ein:

Verantwortungsvoller Leiter, der schwierige Probleme isoliert, notwendige Informationen sammelt, mehrere Methoden ausprobiert, Beweise überprüft und schließlich die Ergebnisse zusammenstellt.

3. Was hat sich bei den Benchmarks verbessert?

Laut den von Anthropic veröffentlichten Hauptbewertungen hat Fable 5.1 ein signifikantes Wachstum bei langfristigen Agenten, wissenschaftlicher Forschung und Geschäftsautomatisierung erzielt.

Im Terminal-Bench-Science 0.1, der wissenschaftliche Terminalaufgaben misst, stieg es von 24,7 % bei Fable 5 auf 52,6 %. Im Terminal-Bench 4.0, der allgemeine Agentenprogrammierung misst, erreichte es 55,8 % im Vergleich zu 42,0 % bei Fable 5. Mythos 5.1 erreichte mit anderen Sicherheitsgrenzen 60,9 %.

Im AutomationBench, der Geschäftsautomatisierung misst, stieg es von 17,1 % bei Fable 5 auf 31,4 %. Im CursorBench 3.2 erreichte Fable 5.1 73,4 %, verglichen mit 70,5 % für Fable 5 und 70,0 % für Opus 5.

Zusätzlich erreichte es in Humanity's Last Exam, das fortgeschrittenes Denken in mehreren Bereichen misst, 60,9 % ohne Werkzeuge und 65,0 % mit Werkzeugen. (Anthropic

Allerdings ist Vorsicht bei der Interpretation dieser Zahlen geboten.

Dies sind von Anthropic veröffentlichte Evaluierungsergebnisse. Darüber hinaus hat Fable produktive Sicherheitsklassifikatoren aktiviert; bei Problemen, bei denen der Klassifikator eingriff, könnte es null Punkte erzielen oder der Prozess könnte zu einem anderen Modell wechseln. Daher kann der Unterschied zwischen Fable und Mythos Unterschiede in den Sicherheitseinstellungen beinhalten und nicht nur die reine Modellfähigkeit widerspiegeln. (Anthropic

Außerdem ist in der Phase einen Tag nach der Veröffentlichung die "Aufgabenerfüllungsrate" in Ihrer eigenen praktischen Arbeit wichtiger als der erste Platz in Benchmarks.

Zum Beispiel reicht bei der Artikelproduktion die Textevaluierung allein nicht aus:

• Konnte es Fakten anhand von Primärquellen überprüfen?
• Hat es die angegebene Zeichenanzahl eingehalten?
• Hat es Redundanzen und Widersprüche entfernt?
• Hat es zwischen Zitaten und Zusammenfassungen unterschieden?
• Ist es von der Überschrift bis zum Fazit konsistent?

Wenn Sie keine solchen praktischen Bewertungen vorbereiten, könnte die Verwendung des teuren Fable lediglich dazu führen, dass es lange nachdenkt, ohne ein besseres Ergebnis zu liefern.

4. Adaptives Denken ist jetzt immer aktiv

Bei Fable 5.1 ist Adaptives Denken immer aktiv.

Im Gegensatz zu früheren Modellen kann das Denken nicht vollständig deaktiviert werden. Die Angabe von thinking: {type: "disabled"} in der API führt zu einem Fehler. Die Methode, bei der Menschen eine feste Anzahl von Denk-Tokens vorgeben, ist ebenfalls nicht verfügbar; das Modell selbst passt den Denkaufwand basierend auf dem Problem an. (Claude Platform

Was Benutzer anpassen, ist der "Aufwand" (effort).

Es gibt fünf verfügbare Stufen:

• niedrig (low)
• mittel (medium)
• hoch (high)
• sehr hoch (xhigh)
• maximal (max)

Der Standardwert ist hoch.

Die offizielle Empfehlung ist, mit hoch zu beginnen und es dann basierend auf den tatsächlichen Evaluierungsergebnissen zu senken oder zu erhöhen. Für Routineverarbeitung verwenden Sie mittel oder niedrig; verwenden Sie sehr hoch oder maximal nur für sehr schwieriges Design, Debugging, Recherche oder langfristige Agentenarbeit.

Es wird gesagt, dass Fable 5.1 selbst bei mittlerem Aufwand eine Leistung nahe der des alten Fable 5 erbringt, und bei niedrigem Aufwand könnte es ein besseres Kosten-Nutzen-Verhältnis pro Aufgabe haben als die Ausführung eines kleineren Modells mit hohem Aufwand für bestimmte Arbeiten. (Claude Platform

Wichtig hierbei ist, dass das interne Denken ebenfalls als Ausgabe-Tokens abgerechnet wird und max_tokens verbraucht.

Wenn beispielsweise das endgültige Manuskript auf dem Bildschirm 10.000 Tokens umfasst, aber das Modell zuvor das Äquivalent von 10.000 Tokens zum Nachdenken verwendet hat, werden insgesamt 20.000 Tokens auf der Ausgabeseite abgerechnet. Da der Ausgabestückpreis von Fable 50 $ pro 1 Million Tokens beträgt, wird die unnötige Verwendung von max den Verbrauch schnell in die Höhe treiben. (Claude Platform

Fable 5.1 ist kein Modell, bei dem "höherer Aufwand immer Gewinn bringt."

Die Verwendung von max für Textformatierung oder Zusammenfassung kann lediglich die Fälle erhöhen, in denen das Modell intern einen Entwurf schreibt und ihn dann im Antwortfeld erneut schreibt. Anthropic rät auch dazu, für lange Liefergegenstände grundsätzlich hoch zu verwenden und nur auf sehr hoch oder höher aufzurüsten, wenn eine Qualitätsverbesserung messbar ist. (Claude Platform

5. Hohe Preise, aber extrem günstiges Caching

Die Standardsätze für Fable 5.1 betragen 10 $ pro 1 Million Eingabe-Tokens und 50 $ pro 1 Million Ausgabe-Tokens.

Da Opus 5 bei 5 $/25 $ und Sonnet 5 bei 2 $/10 $ liegt, ist Fable beim einfachen Token-Preis doppelt so teuer wie Opus und fünfmal so teuer wie Sonnet. (Claude Platform Docs

Auf der anderen Seite ist eine große Änderung bei Fable 5.1 der Cache-Lesepreis.

Während er bei Fable 5 bei 1 $ pro 1 Million Tokens lag, beträgt er bei Fable 5.1 0,25 $. Das sind 2,5 % des normalen Eingabepreises. Anthropic schätzt, dass dies bei typischer Verarbeitung zu einer Kostenreduzierung von etwa 25 % im Vergleich zum alten Fable führen wird, und bei Agentenverarbeitung, die den Cache wiederholt liest, bis zu etwa 45 %. (Anthropic

Wenn Sie beispielsweise jedes Mal einen festen Kontext von 100.000 Tokens lesen, würde das bei normalem Eingabesatz 0,10 $ pro Mal kosten, aber nur 0,0025 $, wenn es ein Cache-Treffer ist.

Mit anderen Worten: Arbeit, die wiederholt dieselben Projektbeschreibungen, Werkzeugdefinitionen, Codebase-Prämissen und Gesprächsverläufe in stabiler Form liest, ist vorteilhafter.

Umgekehrt bricht die Nutzung, die den System-Prompt jedes Mal neu schreibt, Werkzeuglisten neu anordnet oder alte Gespräche löscht und neu aufbaut, den Cache.

Bei Fable 5.1 ist eine nicht-brechende Prompt-Struktur direkter mit den Kosten verbunden als ein cleverer Prompt.

6. Fable 5.1 kann bestehende API-Harnesses beschädigen

Beim bloßen Ändern des Modellnamens von Fable 5 oder Opus gibt es drei Punkte, auf die besonders zu achten ist:

Erzwungener Werkzeugaufruf ist nicht verfügbar

Das Erzwingen eines beliebigen oder eines bestimmten Werkzeugnamens in tool_choice führt zu einem 400-Fehler.

Der Grund ist, dass das Erzwingen eines Werkzeugaufrufs dazu führt, dass das Modell normale Denkprozesse überspringt und innerhalb der Werkzeugargumente zu denken beginnt, was die Argumentqualität verschlechtert.

Verwenden Sie stattdessen tool_choice: auto und geben Sie explizit "Bitte verwenden Sie das XX-Werkzeug für diesen Prozess" im Prompt an. Wenn Sie das JSON-Format garantieren möchten, verwenden Sie strict: true oder Structured Outputs. (Claude Platform

Der Gesprächsverlauf darf nicht mittendrin umgeschrieben werden

Der Denkblock in Fable 5.1 ist an den System-Prompt, die Werkzeuge und die vergangenen Nachrichten zum Zeitpunkt der Generierung dieses Denkens gebunden.

Wenn Sie alte Nachrichten löschen, den System-Prompt neu generieren oder vergangene Werkzeugdefinitionen mittendrin umschreiben, werden nachfolgende Denkblöcke ungültig. Für neue Konten ist ein Mechanismus, der diese Bedingungsverletzung zu einem Fehler macht, bereits angewendet. (Claude Platform

Das Grundprinzip ist, den Verlauf nicht zu bearbeiten, sondern nur am Ende anzuhängen.

Temporäre Anweisungen sollten als turn-begrenzte Systemnachrichten hinzugefügt werden, und lange Kontexte sollten mit serverseitiger Kompaktierung oder Kontextbearbeitung organisiert werden.

Internes Denken kann beim Zurückwechseln zu günstigeren Modellen nicht übertragen werden

Fable 5.1 kann Denkblöcke lesen, die von früheren Modellen wie Opus 5, Fable 5 oder Sonnet erstellt wurden.

Das Gegenteil ist jedoch nicht möglich. Wenn Sie einen von Fable 5.1 erstellten Denkblock an Opus oder Sonnet übergeben, können diese Modelle ihn nicht lesen. (Claude Platform Docs

Wenn Sie daher innerhalb desselben Gesprächs die Modelle wechseln, ist die folgende Reihenfolge im Allgemeinen sicher:

Mit günstigen Modellen erkunden → Zu Fable hochstufen

Wenn Sie von Fable zu einem günstigeren Modell zurückkehren, müssen Sie Entscheidungen, ungelöste Probleme, notwendige Dateien und Überprüfungsergebnisse als explizites Übergabedokument hinterlassen, ohne sich auf den Denkblock zu verlassen.

7. Sicherheitseinschränkungen und Datenspeicherung

Bei Fable 5.1 werden einige Anfragen bezüglich Cybersicherheit oder Biowissenschaften durch Sicherheitsklassifikatoren eingeschränkt.

In der Standard-Claude-App können entsprechende Prozesse automatisch an Opus 4.8 oder Opus 5 weitergeleitet werden. In der API müssen Sie Fallback-Einstellungen konfigurieren. Für Prozesse, die zu anderen Modellen umgeleitet werden, werden Ihnen keine Fable-Sätze in Rechnung gestellt. (Anthropic

Darüber hinaus erfordert Fable 5.1 im Allgemeinen eine 30-tägige Datenspeicherung. Sofern Sie keine ausdrückliche Genehmigung von Anthropic erhalten haben, kann es nicht in Standard-Umgebungen ohne Datenspeicherung (Zero Data Retention) verwendet werden.

Bei der Verarbeitung von vertraulichem Unternehmenscode, Kundeninformationen oder unveröffentlichten Forschungsmaterialien sollten Sie es erst nach Bestätigung des Vertrags und der Speicherbedingungen einführen, und nicht einfach "weil die Leistung hoch ist." (Claude Platform

8. Wer braucht letztendlich Fable 5.1?

Fable 5.1 ist für Menschen, für die die Abschlussrate der gesamten Aufgabe und nicht eine einzelne Modellantwort den Wert ausmacht.

• Untersuchung und Änderung massiver Codebasen.
• Ursachenanalyse schwer reproduzierbarer Fehler.
• Recherche über Dutzende von Dokumenten hinweg.
• Aufgaben, die von der Recherche bis zur Erstellung von Tabellen, Dokumenten und Präsentationen reichen.
• Langfristige Browser-Operationen oder Backlog-Verarbeitung.
• Forschung, die autonom mehrere Experimente plant und durchführt.

Umgekehrt gibt es fast keine Notwendigkeit, Fable für die Erstellung von E-Mails, kurze Zusammenfassungen, einfache Codegenerierung, routinemäßige Dokumentenorganisation oder das Verfassen von Social-Media-Beiträgen zu verwenden.

Anthropic selbst empfiehlt, allgemeine Verarbeitung mit Opus 5 zu beginnen und nur auf Fable umzusteigen, wenn die Qualität auch bei Ausführung von Opus mit hohem Aufwand unzureichend ist. (Claude Platform Docs

Fable 5.1 ist kein "Standardmodell für alle von Anfang an", sondern ein High-End-Modell zur Überwindung schwieriger Punkte.

Teil 2: Token-Ersparnis, Prompts, Harnesses und Skill-Konstruktion

1. Techniken zur Tokeneinsparung für Fable 5.1

Spartipp 1: Lassen Sie Fable nicht alles von der Erkundung an machen

Die effektivste Sparmethode ist nicht das Schreiben kurzer Sätze.

Es ist die Reduzierung der Anzahl der Aufrufe von Fable selbst.

Überlassen Sie das Abrufen von Dateilisten, das Filtern von Protokollen, das Klassifizieren von Materialien, einfache Zusammenfassungen und Formatkonvertierungen Sonnet, Haiku oder regulären Skripten.

Verwenden Sie Fable für Phasen wie diese:

• Festlegung der Forschungspolitik
• Auswahl der vielversprechendsten Hypothese aus mehreren
• Integration widersprüchlicher Informationen
• Identifizierung von Grundursachen
• Prüfung der endgültigen Liefergegenstände
• Erneute Untersuchung von Problemen, bei denen andere Modelle versagt haben

Die offizielle Dokumentation führt auch Konfigurationen mit mehreren Modellen an, bei denen günstige Modelle als Ausführende und High-End-Modelle als Berater oder Aufseher fungieren. (Claude Platform Docs

Spartipp 2: Ändern Sie den Aufwand für jeden Schritt

Sie müssen nicht die gesamte Sitzung auf max einstellen.

Ich empfehle die folgende Aufteilung:

Fable 5.1 bietet auch einen Mechanismus, um den Aufwand während eines Gesprächs zu ändern. Anstatt die übergeordneten Einstellungen umzuschreiben, können Sie Aufwandsänderungen als Systemnachrichten zwischendurch hinzufügen, um den Prompt-Cache zu erhalten. (Claude Platform

Der richtige Ansatz ist nicht "immer maximale Leistung", sondern "maximale Leistung nur für die schwierigen Schritte."

Spartipp 3: Halten Sie den Verlauf anfüge-only, um den Cache zu schützen

Halten Sie bei Fable 5.1 den folgenden Inhalt fest:

• System-Prompt
• Werkzeugdefinitionen und -reihenfolge
• Projekt-Common-Rules
• Vergangene Nachrichten
• Denkblöcke

Fügen Sie alle Änderungen am Ende hinzu.

Wenn Sie Ihre eigene API erstellen, ist es sicherer, dasselbe Byte-für-Byte-Präfix beizubehalten, anstatt den System-Prompt jedes Mal neu zusammenzustellen.

In Claude Code wird die Cache-Verarbeitung grundsätzlich automatisiert, aber Sie können cache_control in der API verwenden. Für mehrteilige Gespräche verwenden Sie automatisches Caching; für die Trennung langer fester Materialien verwenden Sie explizite Cache-Grenzen. (Claude

Spartipp 4: Geben Sie Werkzeugausgaben nicht unverändert weiter

Die Übergabe von 10.000 Zeilen Protokollen an Claude mit der Bitte "finde den Fehler" ist verschwenderisch.

Filtern Sie sie zuerst mit Skripten oder Hooks.

Der offizielle Kostenleitfaden von Claude Code empfiehlt auch, lange Protokolle mit Hooks vorzuverarbeiten und nur die notwendigen paar hundert Zeilen an das Modell zu übergeben. Es erklärt auch, dass die Verwendung von CLIs wie gh, aws oder gcloud, wenn verfügbar, einfacher ist, um den Kontextverbrauch durch Werkzeugdefinitionen zu unterdrücken, als eine große Anzahl von MCP-Servern zu verbinden. (Claude

Bevor Sie die KI lesen lassen, schneiden Sie maschinell weg, was weggeschnitten werden kann.

Spartipp 5: Gruppieren Sie unabhängige Werkzeugaufrufe

Wenn Sie fünf Dateien lesen und dies auf fünf Durchgänge mit je einer Datei aufteilen, wird der Gesprächsverlauf jedes Mal gesendet.

Die Aufnahme der folgenden Anweisung in Fable 5.1 ist effektiv:

"Organisieren Sie notwendige Informationen intern und führen Sie Lese-, Such- und Überprüfungsvorgänge, die nicht von den Ergebnissen des jeweils anderen abhängen, parallel im selben Durchgang aus."

Anthropic erklärt auch, dass durch die Förderung der Gruppierung unabhängiger Werkzeugaufrufe in einer einzigen Antwort die Anzahl der Roundtrips, Tokens und Wartezeiten reduziert werden können. (Claude Platform

Spartipp 6: Lassen Sie nicht die ganze Datei für kleine Korrekturen umschreiben

Fable 5.1 kann selbst für kleine Änderungen eine gesamte Datei umschreiben.

Fügen Sie diesen Satz in Ihre Common Rules ein:

"Wenn sich das Endergebnis nicht ändert, schreiben Sie nicht die gesamte Datei neu; bearbeiten Sie nur die notwendigen Teile mit minimalen Diffs."

Dies ist besonders effektiv für lange Markdown-, JSON-, Konfigurationsdateien, LPs und massiven Quellcode. Durch die Verhinderung einer vollständigen Neugenerierung können Sie Ausgabe-Tokens und den Aufwand der Diff-Überprüfung unterdrücken. (Claude Platform

Spartipp 7: Setzen Sie nicht zusammenhängende Arbeit in derselben Sitzung fort

Verwenden Sie in Claude Code /clear, wenn Sie zu nicht zusammenhängender Arbeit übergehen.

In langen Gesprächen bedeutet selbst das Hinzufügen einer kurzen Frage, dass vergangene Gespräche, gelesene Dateien und Werkzeugergebnisse erneut verarbeitet werden müssen. Selbst wenn der Cache funktioniert, ist er nicht kostenlos.

Wenn Sie den Verlauf nicht mit temporären Fragen verschmutzen möchten, verwenden Sie /btw; wenn Sie nur notwendige Inhalte behalten möchten, verwenden Sie /compact. Lagern Sie die Codebase-Erkundung an Subagenten aus und geben Sie nur Zusammenfassungen an das Hauptgespräch zurück. (Claude

2. Praktische Prompts für Fable 5.1

Für Fable 5.1 ist es effektiver, das Ziel, den Umfang, die Abschlussbedingungen und die Überprüfungsmethoden klar zu übergeben, als Dutzende detaillierter Denkschritte vorzugeben.

Nachfolgend finden Sie eine grundlegende Vorlage, die für Programmierung, Recherche, Artikelproduktion und Dokumenterstellung angepasst werden kann.

Rolle

Sie sind die Person, die für die vollständige Ausführung dieser Anfrage verantwortlich ist.

Sie sind nicht nur für die Beantwortung zuständig, sondern auch für die notwendige Recherche, Arbeit, Überprüfung und Korrektur.

Ziel

[Schreiben Sie das zu erstellende Endprodukt oder das zu lösende Problem]

Eingabe

[Schreiben Sie Dateien, URLs, Materialien und Voraussetzungen]

Umfang

Zu implementieren:

• [Pflichtaufgabe]
• [Pflichtaufgabe]

Nicht zu implementieren:

• [Außerhalb des Umfangs]
• [Inhalt, den Sie nicht willkürlich geändert haben möchten]

Abschlussbedingungen

Die Aufgabe ist abgeschlossen, wenn alle folgenden Bedingungen erfüllt sind:

1. [Bedingungen für Funktion/Inhalt]
2. [Bedingungen für Format/Zeichenanzahl/Qualität]
3. [Überprüfungsmethode]
4. [Nachweis, dass keine Fehler vorliegen]

Ausführungsregeln

• Organisieren Sie zuerst notwendige Informationen und Abhängigkeiten.
• Führen Sie Such-, Lese- und Überprüfungsvorgänge, die nicht von den Ergebnissen des jeweils anderen abhängen, parallel aus.
• Fahren Sie mit reversibler Arbeit im Rahmen der Anfrage fort, ohne zwischendurch um Erlaubnis zu fragen.
• Bestätigen Sie die Ursache vor der Behebung, nicht nur die Symptome des Problems.
• Führen Sie keine nicht angeforderten Funktionserweiterungen, Optimierungen oder Randkorrekturen durch; trennen Sie diese als Vorschläge am Ende ab.
• Bearbeiten Sie Dateien wann immer möglich mit minimalen Diffs.
• Überprüfen Sie nach der Arbeit gemäß den anfänglichen Abschlussbedingungen.
• Wenn die Überprüfung fehlschlägt, untersuchen Sie die Ursache, beheben Sie sie und überprüfen Sie erneut.
• Beenden Sie nicht mit dem Schreiben von "was als nächstes zu tun ist"; führen Sie diese Arbeit aus.
• Bestätigen Sie vor der Ausführung nur bei destruktiven Operationen oder größeren Spezifikationsänderungen.

Abschlussbericht

Berichten Sie abschließend kurz in der folgenden Reihenfolge:

1. Was abgeschlossen wurde
2. Vorgenommene Änderungen
3. Überprüfungsergebnisse und Nachweise
4. Verbleibende Probleme
5. Verbesserungskandidaten, die aufgefallen sind, aber außerhalb des Umfangs liegen

Fable 5.1 kann lange weiterarbeiten, aber wenn unklar ist, was den Abschluss darstellt, wird es mehr als nötig weiter erkunden.

Daher ist das Schreiben von Abschluss- und Stoppbedingungen wichtiger als "denken Sie tief nach."

3. Harness-Design zur Nutzung von Fable 5.1

Ein Harness ist der Arbeitsmechanismus, der das Modell umgibt.

Anstatt sich ausschließlich auf die Fähigkeit des Modells zu verlassen, legen Sie von außen fest, welche Informationen übergeben werden, welche Werkzeuge verwendet werden, in welcher Reihenfolge vorgegangen wird, wo überprüft wird und wie oft bei Fehlschlag wiederholt wird.

Ich empfehle die folgende 6-Schichten-Struktur:

Schicht 1: Common Rules

Platzieren Sie in CLAUDE.md nur die Projektfakten, die jedes Mal benötigt werden.

Projekt

• Dieses Repository ist für den XX-Dienst
• Die Produktionsumgebung ist XX
• Verwenden Sie pnpm für die Paketverwaltung

Erforderliche Überprüfungen

• pnpm lint nach Änderungen
• pnpm test nach Änderungen
• Typprüfung bei API-Änderungen

Einschränkungen

• Brechen Sie nicht die Kompatibilität mit bestehenden APIs
• Geben Sie keine geheimen Informationen in Protokollen aus
• Refaktorisieren Sie nicht außerhalb der Anfrage

Da CLAUDE.md in jeder Sitzung gelesen wird, würde eine zu lange Datei bei jedem Mal Kontext verbrauchen. Die offizielle Dokumentation empfiehlt, eine Datei unter 200 Zeilen zu halten und lange Prozeduren in Skills auszulagern. (Claude

Ebene 2: Router

Wenn eine Anfrage eingeht, klassifiziere die Arbeit, anstatt sofort Fable zu starten.

• Einfache Extraktion/Formatierung -> Haiku oder Skript
• Normale Implementierung/Recherche -> Sonnet
• Komplexes Design/Analyse -> Opus
• Langfristige Arbeit/schwierige Probleme -> Fable
• Nur fehlgeschlagene schwierige Punkte -> Fable xhigh

Erstelle einen automatischen Router basierend auf „Verlust bei Fehlentscheidung", „erforderlicher autonomer Zeit" und „Schwierigkeit der Überprüfung", nicht auf dem Preis.

Ebene 3: Explorationsleitung

Trenne Code-Exploration, Materialsammlung und Wettbewerbsanalyse in Unteragenten auf.

Jeder Unteragent arbeitet in einem unabhängigen Kontext und gibt nur Schlussfolgerungen und Beweise an den Hauptagenten zurück. Dies verhindert, dass die Leseergebnisse Dutzender Dateien den Hauptverlauf aufblähen. (Claude

Ebene 4: Fable Supervisor

Fable trifft Entscheidungen auf der Grundlage der von den Explorationsleitungen zurückgegebenen Ergebnisse.

• Welche Hypothese übernommen werden soll
• Ob zusätzliche Forschung erforderlich ist
• Welche Änderungen vorgenommen werden sollen
• Ob es Widersprüche in den Ergebnissen gibt
• Ob die Abschlussbedingungen erfüllt sind

Anstatt Fable für alles bis hin zur Rohdatensammlung verantwortlich zu machen, übergib ihm organisierte Beweise und lass es sich auf die Beurteilung konzentrieren.

Ebene 5: Deterministische Verifikation

Überlasse die Verifikation nicht allein den Prompts.

• Für Code: Tests, Lint, Typprüfungen.
• Für Artikel: Zeichenanzahl, doppelte Ausdrücke, URLs, Zitate.
• Für Tabellenkalkulationen: Formelfehler, fehlende Werte, Summen.
• Für LPs: Links, Layout-Brüche, Screenshot-Vergleiche.

Mit Hooks kannst du Inspektionen vor und nach der Tool-Ausführung durchführen. Verlasse dich nicht darauf, dass das LLM an die Überprüfung denkt, sondern führe sie automatisch unter festgelegten Bedingungen aus. (Claude Platform Docs

Ebene 6: Reparaturschleife

Kehre nur zu Fable zurück, wenn die Verifikation fehlschlägt.

Erstellung -> Mechanische Verifikation -> Erfolg (Abgeschlossen) / Fehlschlag -> Ursachenanalyse -> Minimale Korrektur -> Erneute Verifikation

Wichtig ist, nicht endlos zu schleifen.

Lege zum Beispiel fest: „maximal 2 Mal für denselben Fehler" oder „nach 3 Fehlschlägen insgesamt mit Beweisen stoppen". Bei Modellen, die lange arbeiten können, explodieren Kosten und Arbeitsumfang ohne Stoppbedingungen.

Für Prozesse mit Dutzenden bis Hunderten von Unteragenten wechsle zu einem dynamischen Workflow, anstatt Claude zu erlauben, sie sequenziell zu verwalten. In einem Workflow kannst du Zwischenergebnisse in Skriptvariablen halten und nur das Endergebnis an den Hauptkontext zurückgeben, was ihn für groß angelegte Recherchen oder die Verarbeitung massiver Dateien geeignet macht. (Claude

4. Skills sind kein „Lang-Prompt-Speicher"

Skills sind ein Mechanismus, um wiederholt verwendete Arbeitsabläufe als SKILL.md zu speichern.

Der Unterschied zu CLAUDE.md besteht darin, dass der Inhalt nur bei Bedarf gelesen wird.

• Projektinformationen und kurze Regeln, die immer befolgt werden müssen: CLAUDE.md.
• Prozeduren für Artikelproduktion, Deployment, Recherche, Review usw.: Skills.
• Große Mengen an Beispielen oder Spezifikationen: Referenzdateien für Skills.

Diese Trennung führt direkt zu Token-Einsparungen. (Claude Platform Docs

Ich empfehle die folgende Struktur:

1.claude/
2├── CLAUDE.md
3├── skills/
4│   └── deep-article/
5│       ├── SKILL.md
6│       ├── research-rules.md
7│       ├── writing-rules.md
8│       ├── examples.md
9│       └── scripts/
10│           ├── count_chars.py
11│           └── check_repetition.py
12├── agents/
13│   ├── researcher.md
14│   └── critic.md
15└── settings.json

Platziere in SKILL.md nur den Überblick, die Ausführungsbedingungen, die Prozeduren und die Abschlussbedingungen.

Trenne umfangreiche Erklärungen, API-Spezifikationen und Erfolgsgeschichten in verschiedene Dateien auf und lass Claude sie nur bei Bedarf lesen. Die offizielle Dokumentation empfiehlt, SKILL.md unter 500 Zeilen zu halten und detaillierte Materialien in unterstützende Dateien auszulagern. (Claude Platform Docs

5. Praktische SKILL.md-Vorlage

Unten ist ein Beispiel für einen Skill zur Erstellung von Forschungsartikeln.

name: deep-article

description: Recherchiert Primärinformationen und erstellt Longform-Artikel mit Belegen. Verwende dies bei Anfragen nach gründlichen Erklärungen zu den neuesten KI-Themen, Unternehmen, Systemen oder Produkten.

argument-hint: "[Thema] [Ziel-Zeichenanzahl]"

effort: high

Ziel

Erstelle einen faktengeprüften Longform-Artikel über $ARGUMENTS.

Grundregeln

• Suche immer, ob aktuelle Informationen relevant sind
• Priorisiere Primärinformationen
• Unterscheide zwischen Fakten, Unternehmensankündigungen, Bewertungen Dritter und Spekulation
• Füge Zielzeiträume und Definitionen zu Zahlen hinzu
• Wiederhole nicht dieselben Schlussfolgerungen oder Beispiele
• Erkläre technische Begriffe bei der ersten Erwähnung
• Beende nicht mit weniger als 90 % der angegebenen Zeichenanzahl
• Melde abschließend die Zeichenanzahl und nicht verifizierte Punkte

Arbeitsablauf

1. Unterteile das Thema in 3-7 Forschungspunkte
2. Erforsche unabhängige Punkte parallel
3. Sammle Primärinformationen
4. Untersuche Gegenbeweise oder ungünstige Informationen
5. Erstelle eine Faktenliste
6. Entscheide die Struktur
7. Erstelle den ersten Entwurf
8. Prüfe auf Duplikate, Sprünge, Zitate, Daten und Zahlen
9. Korrigiere
10. Überprüfe die Zeichenanzahl

Abschlussbedingungen

• Die Schlussfolgerung ist am Anfang klar
• Der Leser kann entscheiden, was zu tun ist
• Wichtige Fakten haben Quellen
• Fakten und Spekulationen sind nicht vermischt
• Erfüllt die angegebene Zeichenanzahl
• Keine doppelten Absätze

Nur bei Bedarf zu lesende Materialien

• Forschungsstandards: research-rules.md
• Stilstandards: writing-rules.md
• Gute Beispiele: examples.md

Abschließende Inspektion

Führe Folgendes aus:

• python ${CLAUDE_SKILL_DIR}/scripts/count_chars.py <output-file>
• python ${CLAUDE_SKILL_DIR}/scripts/check_repetition.py <output-file>

Die Beschreibung eines Skills fungiert als Router, nicht nur als Erklärung.

Anstatt eines vagen Satzes wie „Schreibe qualitativ hochwertige Artikel", macht die Formulierung „Verwende für Longform-Anfragen, die Primärinformationen zu den neuesten KI-Themen, Unternehmen und Systemen untersuchen" es wahrscheinlicher, dass der Skill in den erforderlichen Situationen aufgerufen wird.

Da Claude Code die Liste der Skill-Beschreibungen in den Kontext einfügt, erhöhen umfangreiche Beschreibungen die konstanten Kosten. Setze wichtige Verwendungszwecke an den Anfang und halte sie kurz. (Claude Platform Docs

6. Fortgeschrittene Nutzung von Skills

Skills, die nicht automatisch ausgeführt werden dürfen

Deployment, Senden, Löschen, Veröffentlichen und Zahlungen dürfen nicht willkürlich von Claude gestartet werden.

Setze disable-model-invocation: true und führe sie nur aus, wenn der Benutzer explizit /deploy etc. eingibt.

Skills, die die Konversation nicht verschmutzen sollten

Für Skills, die umfangreiche Recherchen oder Code-Explorationen durchführen, setze context: fork.

Dies führt dazu, dass sie in einem separaten Unteragenten-Kontext ausgeführt werden. Massive Dateiinhalte und Suchverläufe gelangen nicht in die Hauptkonversation; nur das Endergebnis wird zurückgegeben. (Claude Platform Docs

Skills, die den aktuellen Zustand automatisch einfügen

Innerhalb eines Skills kannst du Befehlsergebnisse vorab einfügen.

Aktueller Zustand

!git status --short

!git diff --stat

Claude erhält das Ausführungsergebnis, nicht die Befehlszeichenfolge.

Das Einfügen vollständiger Git-Diffs oder massiver Logs jedes Mal ist jedoch kontraproduktiv. Füge zuerst nur --stat oder Fehlerzeilen ein und lass Claude Details nur lesen, wenn sie notwendig werden. (Claude Platform Docs

Effort für Skills festlegen

Setze einfache Skills auf medium, Design-Reviews und tiefgehende Recherchen auf high und extrem schwierige Audits auf xhigh.

Wenn jeder Skill seinen eigenen Effort hat, muss der Benutzer nicht jedes Mal umschalten.

7. Skills immer vergleichend bewerten

Nur einen Skill zu erstellen, sagt nicht aus, ob sich die Qualität verbessert hat.

Die offizielle Dokumentation empfiehlt, zwei Dinge getrennt zu bewerten:

1. Startet der Skill korrekt für die erforderlichen Anfragen?
2. Wird das Ergebnis durch den Start tatsächlich besser?

Führe dieselbe Anfrage in neuen Sitzungen sowohl „mit Skill" als auch „ohne Skill" aus.

Vergleiche für einen Artikel-Skill die Zeichenanzahl, fehlende Quellen, Duplikate, Faktenfehler und die Anzahl der Korrekturen. Vergleiche für einen Code-Skill die Test-Erfolgsrate, die Anzahl der geänderten Dateien, unnötige Änderungen und die Anzahl der Nacharbeiten.

Das Testen in der Fortsetzung der Konversation, in der du den Skill erstellt hast, verdeckt Mängel durch Zusatzinformationen aus der Konversation. Werte immer in einer neuen Sitzung. Claude Code bietet auch ein offizielles Skill-Creator-Plugin zur Unterstützung dieses Vergleichs. (Claude Platform Docs

Abschließende Schlussfolgerung

Claude Fable 5.1 ist kein Modell, das einfach die Claude-Serie beschleunigt.

Sein größter Wert liegt in seiner Fähigkeit, schwierige Arbeiten über einen langen Zeitraum fortzusetzen, sich von zwischenzeitlichen Fehlschlägen zu erholen, nach Ursachen zu suchen und die Arbeit abzuschließen, während es seine eigenen Ergebnisse überprüft.

Andererseits sind die Einheitspreise für Eingabe und Ausgabe doppelt so hoch wie bei Opus 5. Das interne Denken kann nicht ausgeschaltet werden, es ist inkompatibel mit Harness, die alte Konversationen umschreiben, und erzwungene Tool-Aufrufe sind nicht verfügbar.

Daher ist die stärkste Nutzungsweise wie folgt:

**Informationen mit Sonnet oder Skripten eingrenzen.

Exploration mit Unteragenten trennen.

Fable mit schwierigen Urteilen und Integration beauftragen.

Mechanisch mit Hooks und Tests verifizieren.

Effort nur für fehlgeschlagene schwierige Punkte erhöhen.

Wiederholte Prozeduren in Skills speichern.

Den Konversationsverlauf nur anhängend halten, um den Cache zu schützen.**

Wenn du Fable 5.1 als „High-End-Chat, der alles beantwortet" verwendest, wird nur der Preis hoch sein.

Der wahre Unterschied zu früheren Generationen zeigt sich erst, wenn du Fable 5.1 als Supervisor positionierst, der günstige Modelle, Skills, Unteragenten, Hooks und Verifikationsschleifen bündelt.