Tôi sẽ chỉ cho bạn, từng bước một, cách biến Fable 5 thành một cỗ máy hiểu rõ doanh nghiệp của bạn từ trong ra ngoài... và tạo ra những đầu ra không giống bất kỳ thứ gì người khác có được
công cụ này là một bộ não thứ hai được xây dựng trong Obsidian, và một nhóm nhỏ người đã đang vận hành nó... cùng một mô hình, nhưng mỗi đầu ra lại khác biệt cả thế giới
mô hình thông minh nhất trên thị trường tạo ra những tác phẩm tầm thường cả ngày chỉ vì một lý do: nó chẳng biết gì về bạn
không có ngữ cảnh về doanh nghiệp của bạn, khán giả của bạn, những quyết định trong quá khứ của bạn... vì vậy nó phải đoán, và những phán đoán đó nghe thật chung chung
kết nối nó với cơ sở kiến thức của riêng bạn, cùng một mô hình đó sẽ trở thành một cỗ máy hoàn toàn khác
mã nguồn tuân theo kiến trúc của bạn, nội dung nghe giống bạn, bài viết dựa trên nghiên cứu bạn sở hữu... và bạn sẽ thấy điều đó ngay từ ngày đầu tiên
và điều này đúng với BẤT KỲ quy trình làm việc nào bạn chạy: lập trình, tiếp thị, nội dung, bán hàng, nghiên cứu
chạy một AI agent mà không có bộ não thứ hai là đang lãng phí thời gian của bạn... và khoảng cách chỉ ngày càng rộng ra, bởi vì mỗi tệp tin mà bộ não thu thập được sẽ làm cho mọi lần chạy trong tương lai trở nên thông minh hơn, mãi mãi
tôi chạy chính xác cỗ máy này mỗi ngày... nó đứng sau mọi bài viết, mọi hướng dẫn, và mọi sản phẩm tôi tung ra
đây là toàn bộ hệ thống... bộ não thứ hai thực sự là gì, cấu trúc thư mục mà agent tự điều hướng, cách lấp đầy nó với các mục tiêu, giữ cho nó sống động với các vòng lặp, chạy một cỗ máy nghiên cứu thực sự trên nó, đọc nó mà không đốt tiền, và kết nối nó vào mọi thứ bạn xây dựng
nếu bạn muốn học cách tận dụng tối đa Fable 5 và cách kiếm tiền từ nó, cộng đồng AI ops thời gian thực chính là nơi dành cho bạn: weeklyaiops.com
cùng một mô hình, đẳng cấp khác biệt
đây là những con số đằng sau tuyên bố đó
trong lĩnh vực kế toán, một mô hình làm việc mà không có lịch sử của khách hàng đạt độ chính xác khoảng 70%
cung cấp cho nó lịch sử giao dịch của khách hàng, nó bắt đầu ở mức 85% và vượt qua 90%
không có gì thay đổi ở mô hình, kiến thức đã thay đổi
việc viết lách cũng hoạt động theo cách tương tự
một mô hình tầm trung với một hồ sơ giọng nói được xây dựng tốt tạo ra đầu ra dễ nhận biết hơn so với Fable 5 không có hồ sơ nào cả
các tệp tin mang nhiều kết quả hơn là cấp độ mô hình
và bản thân mô hình này cũng thưởng cho điều này mạnh mẽ hơn bất kỳ thứ gì trước đây
thử nghiệm của chính Anthropic đã cho Fable chơi một trò chơi xây dựng bộ bài hoàn chỉnh với bộ nhớ dựa trên tệp tin, và nó đã cải thiện gấp ba lần so với phiên bản flagship trước đó
một trò chơi, được nhà cung cấp thử nghiệm, chưa ai sao chép lại... nhưng bước đi mà con số chỉ ra chỉ tốn của bạn một thư mục markdown, vì vậy bạn cứ làm theo cách nào cũng được
trước khi chúng ta xây dựng, tôi phải nói với bạn một điều: mô hình không tự động tìm thấy mọi thứ trong ghi chú của bạn
những gì nó làm là hành động dựa trên kiến thức tồn tại bên ngoài cuộc trò chuyện, và trích dẫn nguồn gốc của từng phần
bộ nhớ là của bạn, trên ổ cứng của bạn, ở dạng văn bản thuần túy bạn có thể mở và đọc
hãy cho nó vài tuần và agent sẽ bắt đầu trích dẫn những quyết định bạn quên rằng mình đã đưa ra
câu hỏi đầu tiên là bộ nhớ này nên sống ở đâu
câu trả lời không tốn một xu và bạn có thể đã cài đặt nó rồi
Obsidian là gì, trong một phút
Obsidian là một ứng dụng miễn phí nằm trên một thư mục chứa các tệp markdown trên máy tính của bạn
không có cơ sở dữ liệu, không bị khóa đám mây... ghi chú của bạn là các tệp văn bản thuần túy bạn sở hữu, và ứng dụng chỉ là một cửa sổ đẹp để nhìn vào chúng
bạn chỉ cần hai tính năng của nó:
[[wikilinks]]: gõ dấu ngoặc kép xung quanh tên của bất kỳ ghi chú nào và hai ghi chú đó sẽ được kết nối
chế độ xem đồ thị: Obsidian vẽ mỗi ghi chú thành một chấm tròn và mỗi liên kết thành một đường thẳng, để bạn thấy kiến thức của mình như một mạng lưới
và nó phù hợp hoàn hảo với các agent: bởi vì kho lưu trữ chỉ là một thư mục, Fable làm việc trực tiếp trên đó thông qua Claude Code, ứng dụng terminal mà mô hình chạy trên máy của bạn
không cần plugin, không cần kết nối, không cần thiết lập đặc biệt... agent đọc và ghi các tệp markdown, Obsidian cho bạn thấy những gì đã thay đổi
bạn sử dụng ứng dụng, agent sử dụng thư mục, cả hai đều đang nhìn vào cùng một bộ não
và trước khi bạn chuẩn bị tinh thần cho một dự án lớn: phiên bản khởi đầu của mọi thứ trong bài viết này mất khoảng một giờ, và một khi các quy tắc đọc được thiết lập, nó chạy với chi phí rẻ như bèo... phần tiền bạc sẽ có một phần riêng
điều phân biệt một bộ não với một đống tệp tin là cấu trúc... và cấu trúc là nơi hầu như mọi người đều sai
cấu trúc: bốn phần, không hơn không kém
ý tưởng đến từ ý tưởng llm-wiki của karpathy: coi cơ sở kiến thức của bạn như một cơ sở mã nguồn
Obsidian là trình soạn thảo, mô hình là lập trình viên, wiki là mã nguồn
sau khi xem xét các thiết lập mà mọi người chia sẻ công khai, các kho lưu trữ, các mẫu phổ biến, các chuỗi thất bại, bốn phần liên tục xuất hiện:
raw - mọi thứ bạn thu thập được đều vào đây nguyên vẹn: bài viết, bản ghi, ghi chú cuộc gọi, trang web của đối thủ cạnh tranh... lịch sử chỉ đọc, agent không bao giờ viết lại
entities - một trang cho mỗi thứ cụ thể: một khách hàng, một đối thủ cạnh tranh, một công cụ, một người
concepts - một trang cho mỗi ý tưởng: một chiến lược, một mô hình, một bài học
INDEX.md - cửa trước: mọi trang được liệt kê với một dòng mô tả, để agent biết những gì tồn tại mà không cần mở tất cả
công việc của agent là biên dịch: nó đọc tài liệu mới trong raw/ và cập nhật các trang entity và concept, liên kết chúng khi nó thực hiện
và các quy tắc viết đủ đơn giản để gói gọn trong bốn dòng:
một bài học cho mỗi tệp, với một bản tóm tắt một dòng ở đầu
cập nhật trang hiện có thay vì tạo bản sao
xóa các ghi chú hóa ra là sai
luôn giữ các nguồn raw và các trang đã biên dịch riêng biệt
tại sao raw/ không bị động đến: khi cùng một agent đọc và viết lại cùng một ghi chú nhiều lần, các chi tiết bị mờ đi và lỗi chồng chất lên nhau
thư mục raw là sự thật cơ bản của bạn, và wiki ngày càng thông minh hơn dựa trên nó
và các trang chỉ là một nửa giá trị... các liên kết giữa chúng mới là nơi ẩn chứa lợi thế thực sự
đồ thị tri thức: tại sao điều này ngày càng tốt hơn khi nó phát triển
mọi [[liên kết]] mà agent viết giữa hai trang là một cạnh trong đồ thị
đây là phần phân biệt một kho lưu trữ với một đống ghi chú: một cơ sở kiến thức dựa trên tìm kiếm trở nên ồn ào hơn khi nó phát triển, bởi vì nhiều tệp hơn đồng nghĩa với nhiều rác hơn trong mọi tìm kiếm
một wiki được liên kết trở nên mạnh mẽ hơn khi nó phát triển, bởi vì mọi trang mới kết nối vào mạng lưới và làm cho các trang xung quanh trở nên hữu ích hơn
khi agent cần trả lời một câu hỏi, nó không quét mọi thứ... nó đi theo các liên kết
từ trang của khách hàng đến khái niệm chiến dịch đến trang của đối thủ cạnh tranh, theo các kết nối giống như cách bạn theo dõi trí nhớ của chính mình
kho lưu trữ của chính karpathy có khoảng 100 bài viết và 400.000 từ, tất cả đều được mô hình biên dịch, tất cả đều được kết nối
mở chế độ xem đồ thị sau hai tuần thực hiện điều này và bạn sẽ thấy doanh nghiệp của mình như một bản đồ sống... bức tranh đó một mình đã thay đổi cách bạn nghĩ về những gì bạn biết
vậy làm thế nào để bạn lấp đầy nó mà không mất một tháng để sao chép-dán?
lấp đầy nó với các mục tiêu
bước đầu tiên là một backfill, và hệ thống mục tiêu của Fable được xây dựng chính xác cho công việc này
/goal trong Claude Code cho phép bạn viết một vạch đích, và mô hình tiếp tục tự làm việc trong khi một mô hình nhỏ hơn, thứ hai đọc cùng với tư cách giám khảo và xác nhận khi vạch đích được vượt qua
bí quyết là giám khảo chỉ nhìn thấy những gì trong cuộc trò chuyện, vì vậy mục tiêu phải yêu cầu bằng chứng mà nó có thể đọc:
nạp raw/ với những gì bạn đã có trước khi chạy nó: bản ghi trò chuyện cũ, các chủ đề đã đánh dấu, xuất từ ứng dụng ghi chú của bạn, thư mục khách hàng, nghiên cứu trong quá khứ
sau đó bỏ đi, và quay lại với một bộ não đã được biên dịch
hai quy tắc giữ cho backfill trung thực:
mọi thay đổi đều được gửi dưới dạng diff, các dòng trước và sau chính xác, không bao giờ là một tuyên bố... nếu agent nói nó đã cập nhật một trang, diff sẽ chứng minh điều đó
một trang không có liên kết nguồn trở lại raw/ sẽ bị gắn cờ, không được tin cậy
backfill mang đến cho bạn một bộ não đã được biên dịch... giữ cho nó sống động là một công việc khác, và đó là công việc mà mọi người đều bỏ qua
giữ cho nó sống động với các vòng lặp
một bộ não thứ hai chỉ phát triển khi bạn nhớ nuôi nó sẽ chết trong vòng ba tuần
vì vậy việc bảo trì chạy theo lịch trình, không dựa vào trí nhớ:
sau mỗi phiên làm việc: một hook, một tập lệnh nhỏ tự động kích hoạt khi một phiên kết thúc, khai thác những gì vừa xảy ra... các quyết định được đưa ra, các sai lầm bị phát hiện, các mô hình được xác nhận, được ghi vào kho lưu trữ dưới dạng các ghi chú có ngày tháng... công việc bạn đã làm trở thành ký ức mà không cần bạn phải lưu trữ bất cứ thứ gì
mỗi đêm: một lượt biên dịch trên một mô hình rẻ tiền đọc tài liệu raw mới trong ngày và cập nhật các trang wiki... công việc thường lệ, cấp độ thường lệ
mỗi tuần: một lượt lint săn lùng các mâu thuẫn, các trang trùng lặp và các liên kết chết... đây là vòng lặp giữ cho đồ thị sạch sẽ, và nó tồn tại bởi vì các wiki không được bảo trì sẽ mục nát
mỗi tuần: một lượt tổng hợp trên mô hình lớn đọc toàn bộ kho lưu trữ và viết những gì đã thay đổi trong tuần này, những gì đang trôi dạt, những gì đáng được chú ý
lượt cuối cùng là lượt duy nhất mà mô hình cao cấp xứng đáng có mặt
mọi thứ khác chạy trên cấp độ rẻ tiền, bởi vì cập nhật ghi chú là công việc thường lệ và định tuyến công việc thường lệ đến Fable là cách mọi người đốt tiền mà không được gì
bảo trì giữ cho kho lưu trữ sạch sẽ... nhưng vật liệu làm cho nó có giá trị đến từ đâu?
quy trình nghiên cứu nuôi dưỡng nó
đây là nơi kho lưu trữ không còn là nơi lưu trữ và trở thành một lợi thế, và đây cũng là bước mà rác thường lọt vào
nghiên cứu AI mặc định là một lời nhắc cho chatbot, và câu trả lời chết trong cuộn lại
tệ hơn, nó được xây dựng trên kiến thức cũ kỹ... trong AI, lời khuyên từ sáu tháng trước thường là sai, và lớp thực hành thực tế, những gì mọi người đang chạy ngay bây giờ, những gì hỏng, những gì hoạt động, sống trên mạng xã hội, không phải trong tài liệu chính thức
vì vậy cỗ máy nghiên cứu hoạt động như thế này:
một câu hỏi đi vào, và nó được chia thành 3-5 câu hỏi phụ
các agent song song tỏa ra, mỗi agent tìm kiếm một bề mặt khác nhau: mạng xã hội cho lớp thực hành, web cho tài liệu và giá cả, các trình thu thập kéo toàn bộ văn bản của mọi thứ đáng đọc
mọi phát hiện trở thành một biên nhận: tuyên bố, liên kết nguồn, ngày tháng
sau đó là cánh cổng làm cho nó có thật: một agent hoài nghi tấn công mọi tuyên bố và cố gắng giết chết nó... sự cường điệu từ một nguồn duy nhất bị gắn nhãn, các mâu thuẫn được đưa ra ánh sáng, chỉ những kẻ sống sót mới vượt qua
các phát hiện đã được xác minh sẽ đáp xuống kho lưu trữ dưới dạng các trang, mỗi trang có ngày tháng và liên kết, mỗi trang mang ngày hết hạn để kiến thức cũ kỹ tự thông báo
và chính xác stack tôi chạy nó:
last30days được hỗ trợ bởi ScrapeCreators (scrapecreators.com): một kỹ năng quét reddit, X, youtube, instagram và tiktok trong 30 ngày qua để tìm các cuộc thảo luận thực hành về bất kỳ chủ đề nào
X MCP chính thức (api.x.com/mcp): các bài đăng trực tiếp, chủ đề và dấu trang trực tiếp từ nguồn
bản ghi youtube với yt-dlp (github.com/yt-dlp/yt-dlp): bất kỳ hướng dẫn nào cũng trở thành văn bản mà agent có thể khai thác
nội dung instagram và tiktok thông qua ScrapeCreators, bởi vì dạng ngắn là nơi các quy trình làm việc mới xuất hiện đầu tiên
Perplexity deep research (perplexity.ai): lượt đọc dài có trích dẫn trên web
Firecrawl (firecrawl.dev): kéo toàn bộ văn bản của mọi trang đáng giữ, dưới dạng markdown sạch
kẻ hoài nghi là thứ phân biệt nghiên cứu với việc thu thập tin đồn: các trình kiểm tra ngữ cảnh mới hoạt động tốt hơn một mô hình xem xét công việc của chính nó, vì vậy cuộc tấn công luôn đến từ một agent không thực hiện nghiên cứu
chạy cái này trên lĩnh vực của bạn mỗi tuần một lần và kho lưu trữ sẽ chứa đầy thông tin tình báo đã được xác minh, có ngày tháng, có nguồn gốc mà đối thủ cạnh tranh của bạn đang thiếu
tất cả đều vô giá trị, tuy nhiên, nếu việc đọc kho lưu trữ tốn kém hơn những gì nó mang lại
đọc nó mà không đốt tiền
một kho lưu trữ chỉ hoạt động lâu dài nếu việc đọc nó rẻ, và đây là chỗ rò rỉ trong hầu hết mọi thiết lập
mô hình tinh thần: cửa sổ ngữ cảnh là một căn phòng đắt đỏ, và mọi thứ đi vào nó đều phải trả bằng token... các khối văn bản mà mọi hóa đơn AI được tính
CLAUDE.md của bạn, tệp hướng dẫn mà agent đọc khi bắt đầu mỗi phiên, tự động tải mỗi lần... đó là khoản thuế luôn phải trả... giữ nó dưới 200 dòng trỏ đến kho lưu trữ, không bao giờ chứa nó
mọi thứ khác là trả tiền theo lượt đọc: agent kiểm tra INDEX.md, theo các liên kết, grep cho các từ khóa, và chỉ mở các trang mà đường mòn chỉ đến... một lượt quét toàn bộ thư mục là một hành động không bao giờ xảy ra
đối với các câu hỏi lớn, hãy gửi một worker: một subagent đọc năm mươi trang trong ngữ cảnh riêng của nó và trả về một đoạn kết luận cho phiên của bạn... căn phòng đắt đỏ chứa các quyết định, không phải thư viện
kết nối nó vào mọi thứ bạn xây dựng
một kho lưu trữ chỉ lưu trữ mọi thứ là một sở thích lưu trữ... cái này nuôi dưỡng mọi dự án bạn chạy
trỏ bất kỳ dự án nào vào nó với ba dòng trong CLAUDE.md của dự án đó:
1## knowledge2- before starting, read the relevant pages from ~/vault/entities/ and ~/vault/concepts/3- ground every claim about our business, clients or audience in a vault page
và các đầu ra thay đổi ngay lập tức:
tiếp thị: các bản tóm tắt chiến dịch dựa trên các trang khán giả thực tế và lịch sử đối thủ cạnh tranh của bạn, không phải các chân dung chung chung
nội dung: các bản nháp trích dẫn nghiên cứu trong quá khứ của riêng bạn và phù hợp với hồ sơ giọng nói của bạn
lập trình: agent giữ các ghi chú kiến trúc sống cho mỗi dự án trong kho lưu trữ, để không có phiên nào bắt đầu trong bóng tối
công việc khách hàng: mọi sản phẩm bàn giao đều mở đầu bằng toàn bộ lịch sử mối quan hệ đằng sau nó
sau đó là nửa thứ hai: bản thân kho lưu trữ trở thành sản phẩm
các trang nghiên cứu trở thành bài viết và hướng dẫn, các trang khái niệm trở thành khóa học, các trang khách hàng trở thành nghiên cứu điển hình... bạn không còn tạo ra từ một trang trống nữa, bạn đang đóng gói những gì cỗ máy đã xác minh
lời cảnh báo cứu kho lưu trữ của bạn: đồng bộ hóa là nơi các kho lưu trữ chết
chạy một hệ thống đồng bộ hóa duy nhất... nếu agent ghi tệp trong khi iCloud đồng bộ hóa chúng, bạn sẽ nhận được các bản sao xung đột và các thư mục bị xáo trộn
git, hệ thống điểm lưu mà các lập trình viên sử dụng, hoạt động như một lớp điểm kiểm tra... nó khóa một phiên bản chỉ khi bạn yêu cầu, và thiết lập đó tồn tại
thẻ tóm tắt
toàn bộ quá trình xây dựng, theo thứ tự... sao chép cái này:
tạo kho lưu trữ: raw/, entities/, concepts/, và một INDEX.md
viết bốn quy tắc vào CLAUDE.md của bạn: một bài học cho mỗi tệp, cập nhật không sao chép, xóa những gì sai, không bao giờ động đến raw/
đổ mọi thứ bạn có vào raw/: bản ghi, dấu trang, ghi chú, thư mục khách hàng
chạy backfill /goal với bằng chứng đã dán và một mệnh đề dừng
lên lịch các vòng lặp: hook phiên, biên dịch hàng đêm trên cấp độ rẻ tiền, lint hàng tuần, một lượt tổng hợp cao cấp
chạy lượt quét nghiên cứu hàng tuần: tỏa ra, để kẻ hoài nghi tấn công, đưa những kẻ sống sót vào các trang có ngày tháng
thêm ba dòng kiến thức vào CLAUDE.md của mỗi dự án
mô hình ngồi ở ghế lái sẽ lại thay đổi... kho lưu trữ tồn tại qua mọi lần hoán đổi, và phản hồi được ghi vào nó làm cho nó thông minh hơn mỗi tuần bất kể ai đang lái
phiên bản nhỏ nhất mất một giờ: một thư mục, mười tệp về doanh nghiệp của bạn, và một agent được yêu cầu đọc chúng trước
các đầu ra của bạn sẽ cho bạn biết phần còn lại
tham gia cộng đồng AI tốt nhất thế giới: weeklyaiops.com
