Vou te mostrar, passo a passo, como transformar o Fable 5 em uma máquina que conhece seu negócio de ponta a ponta... e entrega resultados que não se parecem em nada com o que todo mundo está obtendo.
A ferramenta é um segundo cérebro construído no Obsidian, e um pequeno grupo de pessoas já está usando um... exatamente o mesmo modelo, um mundo de diferença em cada resultado.
O modelo mais inteligente do mercado produz trabalho mediano o dia todo por um motivo: ele não sabe nada sobre você.
Sem contexto sobre seu negócio, seu público, suas decisões passadas... então ele chuta, e chutes soam genéricos.
Conecte-o à sua própria base de conhecimento e o mesmo modelo se torna uma máquina diferente.
O código segue sua arquitetura, o conteúdo soa como você, a escrita se baseia em pesquisas que são suas... e você vê isso desde o primeiro dia.
E isso vale para QUALQUER fluxo de trabalho que você execute: codificação, marketing, conteúdo, vendas, pesquisa.
Executar um agente de IA sem um segundo cérebro é perda de tempo... e a lacuna só aumenta, porque cada arquivo que o cérebro ganha torna cada execução futura mais inteligente, para sempre.
Eu executo essa máquina exata todos os dias... ela está por trás de cada artigo, cada guia e cada produto que eu entrego.
Este é o sistema completo... o que realmente é um segundo cérebro, a estrutura de pastas que o agente navega sozinho, como preenchê-lo com objetivos, mantê-lo vivo com loops, executar uma verdadeira máquina de pesquisa sobre ele, lê-lo sem queimar dinheiro e conectá-lo a tudo que você constrói.
Se você quer aprender como extrair o máximo do Fable 5 e como ganhar dinheiro com ele, é para isso que serve a comunidade de operações de IA em tempo real: weeklyaiops.com
mesmo modelo, liga diferente
Aqui estão os números por trás dessa afirmação.
Na contabilidade, um modelo trabalhando sem o histórico do cliente atinge cerca de 70% de precisão.
Dê a ele o histórico de transações do cliente e ele começa com 85% e ultrapassa os 90%.
Nada mudou no modelo, o conhecimento mudou.
A escrita funciona da mesma forma.
Um modelo de nível médio com um perfil de voz bem construído produz resultados mais reconhecíveis do que o Fable 5 sem nenhum perfil.
Os arquivos carregam mais do resultado do que o nível do modelo.
E o próprio modelo recompensa isso mais do que qualquer coisa antes dele.
Os próprios testes da Anthropic fizeram o Fable jogar um jogo completo de construção de baralho com memória baseada em arquivos, e ele melhorou três vezes mais do que o principal modelo anterior.
Um jogo, testado pelo fornecedor, ainda não replicado por ninguém... mas a direção que o número aponta custa a você uma pasta de markdown, então você segue de qualquer maneira.
Antes de construirmos, preciso te dizer uma coisa: o modelo não encontra magicamente tudo nas suas anotações.
O que ele faz é agir com base no conhecimento que existe fora da conversa e citar de onde cada peça veio.
A memória é sua, no seu disco, em texto simples que você pode abrir e ler.
Dê algumas semanas e o agente começará a citar decisões que você esqueceu que tomou.
A primeira pergunta é onde essa memória deve viver.
A resposta não custa nada e você pode já tê-la instalada.
O que é o Obsidian, em um minuto
Obsidian é um aplicativo gratuito que fica sobre uma pasta de arquivos markdown no seu computador.
Sem banco de dados, sem dependência de nuvem... suas anotações são arquivos de texto simples que você possui, e o aplicativo é apenas uma janela bonita para eles.
Você só precisa de dois de seus recursos:
[[wikilinks]]: digite colchetes duplos ao redor do nome de qualquer nota e as duas notas agora estão conectadas
a visualização em grafo: o Obsidian desenha cada nota como um ponto e cada link como uma linha, então você vê seu conhecimento como uma teia
E ele se encaixa perfeitamente em agentes: porque o cofre é apenas uma pasta, o Fable trabalha nele diretamente através do Claude Code, o aplicativo de terminal no qual o modelo é executado na sua máquina.
Sem plugin, sem conector, sem configuração especial... o agente lê e escreve arquivos markdown, o Obsidian mostra o que mudou.
Você usa o aplicativo, o agente usa a pasta, ambos estão olhando para o mesmo cérebro.
E antes que você se prepare para um grande projeto: a versão inicial de tudo neste artigo leva cerca de uma hora, e uma vez que as regras de leitura são definidas, funciona por centavos... a parte do dinheiro tem sua própria seção.
O que separa um cérebro de uma pilha de arquivos é a estrutura... e a estrutura é onde quase todo mundo erra.
A estrutura: quatro partes, nada mais
A ideia vem do conceito de llm-wiki do Karpathy: trate sua base de conhecimento como uma base de código.
O Obsidian é o editor, o modelo é o programador, o wiki é o código.
Depois de examinar as configurações que as pessoas usam publicamente, os repositórios, os modelos virais, os tópicos de falhas, quatro partes continuavam aparecendo:
raw - tudo que você captura vai aqui intacto: artigos, transcrições, anotações de reuniões, páginas de concorrentes... histórico somente leitura, o agente nunca o reescreve
entities - uma página por coisa concreta: um cliente, um concorrente, uma ferramenta, uma pessoa
concepts - uma página por ideia: uma estratégia, um padrão, uma lição
INDEX.md - a porta da frente: cada página listada com uma descrição de uma linha, para que o agente saiba o que existe sem abrir tudo
O trabalho do agente é compilar: ele lê o novo material em raw/ e atualiza as páginas de entidades e conceitos, vinculando-as à medida que avança.
E as regras de escrita são simples o suficiente para caber em quatro linhas:
uma lição por arquivo, com um resumo de uma linha no topo
atualize a página existente em vez de criar uma duplicata
exclua anotações que se mostrem erradas
mantenha as fontes brutas e as páginas compiladas separadas, sempre
Por que raw/ permanece intocado: quando o mesmo agente lê e reescreve as mesmas anotações repetidamente, os detalhes se confundem e os erros se acumulam.
A pasta raw é sua verdade fundamental, e o wiki fica cada vez mais inteligente sobre ela.
E as páginas são apenas metade do valor... os links entre elas são onde a verdadeira vantagem se esconde.
Grafos de conhecimento: por que isso melhora à medida que cresce
Cada [[link]] que o agente escreve entre duas páginas é uma aresta em um grafo.
Esta é a parte que separa um cofre de uma pilha de anotações: uma base de conhecimento baseada em pesquisa fica mais ruidosa à medida que cresce, porque mais arquivos significam mais lixo em cada pesquisa.
Um wiki vinculado fica mais forte à medida que cresce, porque cada nova página se conecta à teia e torna as páginas ao redor mais úteis.
Quando o agente precisa responder algo, ele não escaneia tudo... ele percorre os links.
Da página do cliente para o conceito da campanha para a página do concorrente, seguindo conexões da mesma forma que você seguiria sua própria memória.
O próprio cofre do Karpathy tem cerca de 100 artigos e 400.000 palavras, todos compilados pelo modelo, todos conectados.
Abra a visualização em grafo depois de duas semanas disso e você verá seu negócio como um mapa vivo... essa imagem por si só muda como você pensa sobre o que sabe.
Então, como você o preenche sem gastar um mês copiando e colando?
Preencha-o com objetivos
O primeiro movimento é um backfill, e o sistema de objetivos do Fable foi construído exatamente para esse trabalho.
/goal no Claude Code permite que você escreva uma linha de chegada, e o modelo continua trabalhando sozinho enquanto um segundo modelo menor lê junto como juiz e confirma quando a linha é cruzada.
O truque é que o juiz só vê o que está na conversa, então o objetivo deve exigir prova que ele possa ler:
Alimente raw/ com o que você já possui antes de executá-lo: transcrições antigas de chat, tópicos salvos em favoritos, exportação do seu aplicativo de anotações, pastas de clientes, pesquisas passadas.
Então, afaste-se e volte para um cérebro compilado.
Duas regras mantêm o backfill honesto:
cada mudança é enviada como um diff, as linhas exatas de antes e depois, nunca como uma afirmação... se o agente diz que atualizou uma página, o diff prova isso
uma página sem um link de origem de volta para raw/ é sinalizada, não confiável
O backfill entrega a você um cérebro compilado... mantê-lo vivo é um trabalho diferente, e é aquele que todo mundo pula.
Mantenha-o vivo com loops
Um segundo cérebro que só cresce quando você se lembra de alimentá-lo é um cérebro morto em três semanas.
Então, a manutenção funciona em cronogramas, não na memória:
após cada sessão: um hook, um pequeno script que é acionado sozinho quando uma sessão termina, extrai o que acabou de acontecer... decisões tomadas, erros detectados, padrões confirmados, escritos no cofre como anotações datadas... o trabalho que você já fez se torna memória sem que você arquive nada
toda noite: uma passagem de compilação em um modelo barato lê o novo material bruto do dia e atualiza as páginas do wiki... trabalho de rotina, nível de rotina
toda semana: uma passagem de lint caça contradições, páginas duplicadas e links quebrados... este é o loop que mantém o grafo limpo, e ele existe porque wikis não mantidos apodrecem
toda semana: uma passagem de síntese no modelo grande lê todo o cofre e escreve o que mudou esta semana, o que está mudando, o que merece atenção
Essa última é a única passagem onde o modelo premium ganha seu lugar.
Todo o resto é executado no nível barato, porque atualizar anotações é trabalho de rotina e rotear trabalho de rotina para o Fable é como as pessoas queimam dinheiro por nada.
A manutenção mantém o cofre limpo... mas de onde vem o material que o torna valioso?
O fluxo de trabalho de pesquisa que o alimenta
É aqui que o cofre deixa de ser armazenamento e se torna uma vantagem, e é também a etapa onde o lixo geralmente entra.
A pesquisa padrão de IA é um prompt para um chatbot, e a resposta morre no histórico de rolagem.
Pior, é construída sobre conhecimento desatualizado... em IA, conselhos de seis meses atrás são frequentemente ativamente errados, e a camada do profissional real, o que as pessoas estão usando agora, o que quebra, o que funciona, vive nas redes sociais, não na documentação oficial.
Então, a máquina de pesquisa funciona assim:
uma pergunta entra, e ela é dividida em 3-5 subperguntas
agentes paralelos se espalham, cada um pesquisando uma superfície diferente: redes sociais para a camada do profissional, a web para documentação e preços, raspadores extraindo o texto completo de tudo que vale a pena ler
cada descoberta se torna um recibo: a afirmação, o link da fonte, a data
então, o portão que torna tudo real: um agente cético ataca cada afirmação e tenta matá-la... hype de fonte única é rotulado, contradições são trazidas à superfície, apenas os sobreviventes passam
descobertas verificadas chegam ao cofre como páginas, cada uma datada e vinculada, cada uma carregando uma data de validade para que o conhecimento desatualizado se anuncie
E a pilha exata que eu uso para isso:
last30days alimentado por ScrapeCreators (scrapecreators.com): uma habilidade que varre reddit, X, youtube, instagram e tiktok pelos últimos 30 dias de conversas de profissionais sobre qualquer tópico
o MCP oficial do X (api.x.com/mcp): posts ao vivo, threads e favoritos diretamente da fonte
transcrições do youtube com yt-dlp (github.com/yt-dlp/yt-dlp): qualquer tutorial ou passo a passo se torna texto que o agente pode minerar
conteúdo do instagram e tiktok através do ScrapeCreators, porque o formato curto é onde novos fluxos de trabalho surgem primeiro
Perplexity deep research (perplexity.ai): a passagem de leitura longa citada pela web
Firecrawl (firecrawl.dev): extrai o texto completo de cada página que vale a pena manter, como markdown limpo
O cético é o que separa a pesquisa da coleção de boatos: verificadores de contexto fresco superam um modelo revisando seu próprio trabalho, então o ataque sempre vem de um agente que não fez a pesquisa.
Execute isso no seu nicho uma vez por semana e o cofre se encherá de inteligência verificada, datada e com fonte que seus concorrentes estão perdendo.
Tudo inútil, no entanto, se ler o cofre custar mais do que retorna.
Leia-o sem queimar dinheiro
Um cofre só funciona a longo prazo se a leitura for barata, e este é o vazamento em quase todas as configurações.
O modelo mental: a janela de contexto é uma sala cara, e tudo que entra nela é pago em tokens... os pedaços de texto pelos quais toda conta de IA é cobrada.
seu CLAUDE.md, o arquivo de instruções que o agente lê no início de cada sessão, carrega automaticamente toda vez... esse é o imposto sempre pago... mantenha-o com menos de 200 linhas apontando para o cofre, nunca o contendo
todo o resto é pago por leitura: o agente verifica o INDEX.md, segue links, usa grep para palavras-chave e abre apenas as páginas para as quais o rastro aponta... uma varredura de pasta completa é o único movimento que nunca acontece
para perguntas grandes, envie um trabalhador: um subagente lê cinquenta páginas em seu próprio contexto separado e retorna um parágrafo de conclusões para sua sessão... a sala cara contém decisões, não a biblioteca
Conecte-o a tudo que você constrói
Um cofre que apenas armazena coisas é um hobby de arquivamento... este alimenta todos os projetos que você executa.
Aponte qualquer projeto para ele com três linhas no CLAUDE.md desse projeto:
1## conhecimento2- antes de começar, leia as páginas relevantes de ~/vault/entities/ e ~/vault/concepts/3- fundamente cada afirmação sobre nosso negócio, clientes ou público em uma página do cofre
E os resultados mudam imediatamente:
marketing: briefings de campanha baseados em suas páginas reais de público e histórico de concorrentes, não em personas genéricas
conteúdo: rascunhos que citam sua própria pesquisa passada e correspondem ao seu perfil de voz
codificação: o agente mantém anotações de arquitetura vivas por projeto no cofre, para que nenhuma sessão comece às cegas
trabalho com clientes: cada entrega abre com o histórico completo do relacionamento por trás dela
Então, a segunda metade: o próprio cofre se torna produto.
As páginas de pesquisa se tornam artigos e guias, as páginas de conceitos se tornam cursos, as páginas de clientes se tornam estudos de caso... você não está mais criando a partir de uma página em branco, você está empacotando o que a máquina já verificou.
O aviso que salva seu cofre: sincronização é onde os cofres morrem.
Execute um único sistema de sincronização... se o agente escreve arquivos enquanto o iCloud os sincroniza, você obtém cópias conflitantes e pastas embaralhadas.
O git, o sistema de pontos de salvamento que os programadores usam, funciona como a camada de checkpoint... ele trava uma versão apenas quando você o instrui, e essa configuração sobrevive.
O cartão
Toda a construção, em ordem... copie isto:
crie o cofre: raw/, entities/, concepts/ e um INDEX.md
escreva as quatro regras no seu CLAUDE.md: uma lição por arquivo, atualize não duplique, exclua o que está errado, nunca toque em raw/
despeje tudo que você possui em raw/: transcrições, favoritos, anotações, pastas de clientes
execute o backfill /goal com prova colada e uma cláusula de parada
agende os loops: hook de sessão, compilação noturna no nível barato, lint semanal, uma passagem de síntese premium
execute a varredura de pesquisa semanal: espalhe-se, deixe o cético atacar, coloque os sobreviventes como páginas datadas
adicione as três linhas de conhecimento ao CLAUDE.md de cada projeto
O modelo no banco do motorista mudará novamente... o cofre sobrevive a cada troca, e o feedback escrito nele o torna mais inteligente a cada semana, não importa quem está dirigindo.
A menor versão leva uma hora: uma pasta, dez arquivos sobre seu negócio e um agente instruído a lê-los primeiro.
Seus resultados lhe dirão o resto.
Junte-se à melhor comunidade de IA do mundo: weeklyaiops.com
