Anthropic vừa phát hành mô hình mạnh nhất mà họ từng xây dựng, và bước nhảy vọt về benchmark gần như là phần kém thú vị nhất.
Claude Fable 5.1 không chỉ đơn thuần là một chatbot tốt hơn, mà giống như một loại tác tử vận hành mới. Nó có thể dành hàng giờ để giải quyết một vấn đề, phục hồi khi kế hoạch đổ vỡ, điều phối các tác tử khác, kiểm tra đầu ra của chính nó, và tiếp tục tiến lên mà không cần ai đó giải cứu mỗi mười phút.
Các con số chứng minh điều đó. Trên các bài đánh giá đã công bố của Anthropic, Fable 5.1 đã hơn gấp đôi Fable 5 trong nghiên cứu khoa học tác tử, tăng từ 17,1% lên 31,4% trong tự động hóa kinh doanh, và đạt 73,4% trên CursorBench. Nó cũng dẫn đầu Fable 5, Opus 5, và GPT-5.6 Sol trong hầu hết các bài kiểm tra về lập trình, tự động hóa, sử dụng máy tính và công việc tri thức mà Anthropic báo cáo.
https://x.com/claudeai/status/2094848581425377479
Ngay khi sử dụng, nó xuất sắc trong các tác vụ lập trình khó, công việc dài hạn, nghiên cứu, lập kế hoạch, sử dụng máy tính và tạo ra các sản phẩm hoàn chỉnh. Nhưng cơ hội lớn hơn nằm ở điều xảy ra khi bạn ngừng sử dụng nó như một người làm mọi nhiệm vụ và đặt nó phụ trách hệ thống thực hiện công việc.
Đó là nội dung của khóa học này: Fable 5.1 thực sự khác biệt ở điểm nào, cách đặt nó vào vị trí lãnh đạo, cách xây dựng các tác tử bên dưới nó, cách ra lệnh cho nó mà không làm nó ngột ngạt, cách sử dụng các mục tiêu và vòng lặp, và năm quy trình làm việc mà sự khác biệt có thể biến thành tiền thật.
Nếu bạn không quan tâm đến terminal, tệp tác tử và sự phối hợp, và chỉ đơn giản muốn biến một ý tưởng thành một ứng dụng hoạt động, đó là lý do chúng tôi xây dựng Shipper.
mô hình này thực sự xuất sắc ở điểm nào
Trước các phương pháp, hãy gặp cỗ máy. Đây là năm khả năng khiến Fable 5.1 khác biệt so với các mô hình trước đó.
nó duy trì sự mạch lạc trong thời gian chạy cực kỳ dài
Giao cho nó một công việc mất hàng giờ và nó ít có khả năng bị lạc hướng giữa chừng hơn nhiều.
Một người thử nghiệm ban đầu đã báo cáo một lần chạy máy học kéo dài 38 giờ không có người giám sát, trong đó Fable đã chẩn đoán một kết quả trước đó không tốt, sửa nó, khởi chạy sáu thí nghiệm song song, và quay lại với các phát hiện và các bước tiếp theo. Một người khác cho biết nó tự ghi chép, ưu tiên lại khi điều kiện thay đổi, và tiếp tục từ nơi nó đã dừng lại.
Cửa sổ ngữ cảnh 1 triệu token giúp ích, nhưng kích thước ngữ cảnh không phải là nâng cấp thực sự. Nâng cấp thực sự là mô hình có thể tiếp tục đưa ra các quyết định hữu ích trong ngữ cảnh đó thay vì chỉ nhớ rằng thông tin tồn tại.
nó tìm kiếm nguyên nhân gốc rễ, không phải bản vá nhanh nhất
Các tác tử trước đây thường tìm ra bản sửa lỗi đầu tiên làm cho lỗi biến mất. Fable 5.1 sẵn sàng tiếp tục đào sâu cho đến khi nó hiểu tại sao lỗi tồn tại.
Trong quá trình thử nghiệm ra mắt của Anthropic, Millennium đã đưa ra một sự cố xảy ra khoảng một lần trong một triệu lần chạy và đã không được giải thích trong bốn đến năm năm. Fable 5.1 đã tháo rời một thư viện bên ngoài, kết nối nó với bản kết xuất lõi, và truy ra sự cố đến lỗi thực tế. Mọi mô hình khác mà họ đã thử, bao gồm cả Fable 5, đều bỏ sót nó.
Điều này quan trọng vượt xa việc gỡ lỗi. Bản năng tương tự xuất hiện trong nghiên cứu, chiến lược, phân tích tài chính và vận hành: đừng tối ưu hóa triệu chứng khi hệ thống cơ bản có vấn đề.
nó có thể nhìn, hành động và xác minh
Fable 5.1 có thể kiểm tra ảnh chụp màn hình, biểu đồ, PDF, giao diện và tài liệu, sau đó sử dụng những gì nó thấy để hướng dẫn hành động tiếp theo.
Điều đó có nghĩa là nó có thể xây dựng lại giao diện từ các tài liệu tham khảo, đọc các số liệu ẩn bên trong một tài liệu tài chính, vận hành trình duyệt, so sánh quá trình triển khai của nó với thiết kế ban đầu, và phát hiện các vấn đề trực quan trước khi nó tuyên bố công việc đã hoàn thành.
Điểm sử dụng máy tính OSWorld của nó đã vượt lên trên cả Fable 5 và Opus 5 trong thử nghiệm của Anthropic. Quan trọng hơn, mô hình ngày càng có khả năng sử dụng thị giác như một phần của vòng lặp xác minh, không chỉ mô tả hình ảnh bạn đưa cho nó.
nó trả về công việc, không phải một bài giảng về công việc
Đưa cho nó một thư mục tài liệu và yêu cầu một bản ghi nhớ đầu tư, một bộ bài trình chiếu, một nguyên mẫu hoạt động hoặc một phân tích, và nó có nhiều khả năng trả về chính tạo phẩm đó hơn.
Những người thử nghiệm ban đầu báo cáo kết quả PowerPoint tốt nhất của Anthropic từ trước đến nay, khả năng trích dẫn mạnh mẽ hơn trên các tài liệu tài chính, các bản đánh dấu hợp đồng ngắn gọn hơn và hoàn thành tốt hơn các yêu cầu phức tạp nhiều phần. Một kỹ sư của MongoDB đã mô tả một lần chạy nguyên mẫu kéo dài ba ngày, nơi mô hình đã nghiên cứu các dịch vụ hiện có, thiết kế hệ thống, triển khai nó theo từng giai đoạn không có người giám sát, và trả về các bản trình bày trực quan với bằng chứng rằng mỗi giai đoạn đều hoạt động.
Sự khác biệt thực tế rất đơn giản: bạn dành ít thời gian hơn để chuyển đổi một câu trả lời thành công việc có thể sử dụng được.
nó được xây dựng để lãnh đạo
Fable 5.1 có giá trị nhất khi nó quyết định điều gì sẽ xảy ra tiếp theo.
Claude Code đã có thể cung cấp cho nó các tác tử phụ, các phiên nền, nhóm tác tử, quy trình làm việc động, mục tiêu, vòng lặp, trình duyệt, terminal và tệp dự án. Fable có đủ độ sâu lập kế hoạch và ngữ cảnh để giữ các mảnh đó hướng về một vạch đích trong thời gian dài hơn nhiều so với các mô hình trước đây.
Đó là lý do tại sao thiết lập dưới đây hoạt động và tại sao khóa học bắt đầu bằng cách đưa Fable ra khỏi ghế công nhân.
buồng lái: mọi điều khiển bạn thực sự cần
Cập nhật Claude Code trước khi làm bất cứ điều gì khác. Theo tài liệu cấu hình mô hình hiện tại, phiên bản 2.1.255 trở lên làm cho bí danh fable phân giải thành Fable 5.1, và các bản phát hành gần đây bao gồm các điều khiển mục tiêu, vòng lặp, tác tử nền và nỗ lực được sử dụng bên dưới.
Sau đó chọn mô hình và mức nỗ lực:
/model fable
/effort high
High là mặc định hợp lý cho công việc quan trọng. Giảm xuống medium cho các lần chạy rẻ hơn, nhanh hơn. Chuyển lên xhigh hoặc max chỉ khi vấn đề đủ khó để biện minh cho nhiều suy nghĩ hơn. Tư duy thích ứng của Fable luôn bật, vì vậy effort là điều khiển quan trọng.
Các điều khiển còn lại rất đơn giản:
/plan hoặc Shift+Tab: để nó kiểm tra và lập kế hoạch trước khi thay đổi tệp
/goal: tiếp tục làm việc qua nhiều lượt cho đến khi một điều kiện có thể kiểm tra được đáp ứng
/loop: chạy lại một lời nhắc theo lịch trình trong khi phiên vẫn hoạt động
/tasks: xem các tác tử nền đang làm gì
/context: xem những gì đang tiêu thụ cửa sổ ngữ cảnh
Đó là buồng lái.
Phần còn lại của khóa học là biết nên với tới điều khiển nào và khi nào.
sự kiện chính: biến Fable thành người lãnh đạo, không phải người lao động
Nâng cấp lớn nhất duy nhất là một sự thay đổi vai trò.
Đừng giao cho Fable mọi nhiệm vụ bàn phím. Hãy để nó xác định công việc, chia nó thành các làn đường rõ ràng, gửi các làn đường đó đến các tác tử rẻ hơn và đánh giá những gì quay trở lại.
Thiết lập trông như thế này:
Fable định hình kế hoạch:
đặt nó ở chế độ lập kế hoạch và để nó kiểm tra dự án trước khi đề xuất thay đổi. Nếu yêu cầu vẫn còn mơ hồ, hãy sử dụng
bộ sưu tập kỹ năng của Matt Pocock để chất vấn ý tưởng, biến cuộc trò chuyện thành một bản đặc tả và chia bản đặc tả thành các ticket.
Fable ủy quyền công việc biệt lập:
việc triển khai được giao cho các tác tử phụ Opus hoặc Sonnet, với mỗi công nhân sở hữu một làn đường có ranh giới. Codex có thể là một công nhân khác nếu bạn đã sử dụng nó, nhưng nó nên tuân theo các ranh giới tệp và quy tắc bằng chứng tương tự.
Một tác tử riêng biệt xác minh:
công nhân không tự chấm điểm bài tập về nhà của mình. Một người xác minh mới đọc kế hoạch, kiểm tra sự khác biệt, chạy các kiểm tra và chuyển giai đoạn hoặc trả lại nó với một lỗi cụ thể.
Bạn chỉ đạo tại các điểm kiểm tra:
phê duyệt kế hoạch, xem xét các sự đánh đổi có ý nghĩa và kiểm tra bằng chứng ở cuối. Bạn không cần phải xem mọi lệnh.
Tại sao điều này hiệu quả: mô hình đắt tiền dành token của nó cho kiến trúc, ưu tiên, phục hồi và phán đoán. Các mô hình rẻ hơn dành chúng cho việc thực thi có ranh giới.
Tính kinh tế chỉ hiệu quả khi các làn đường thực sự độc lập. Theo định giá API hiện tại của Anthropic, Fable 5.1 có giá $10 cho mỗi triệu token đầu vào và $50 cho mỗi triệu token đầu ra, trong khi Opus 5 bằng một nửa và Sonnet 5 bằng một phần năm. Fable 5.1 cũng giảm cache đọc xuống còn $0,25 cho mỗi triệu token, điều này làm cho các phiên dài với ngữ cảnh dự án ổn định trở nên thiết thực hơn nhiều.
Đừng song song hóa vì mục đích hình thức. Năm tác tử chỉnh sửa cùng một tệp sẽ tạo ra năm hóa đơn và một vấn đề hợp nhất. Hãy song song hóa nghiên cứu, các mô-đun biệt lập, bài kiểm tra, tài liệu và các làn đường khác có thể hoàn thành mà không cần chờ đợi lẫn nhau.
xây dựng các tác tử của bạn
Người lãnh đạo cần một nhóm nhỏ và một tác tử tùy chỉnh chỉ là một tệp Markdown bên trong .claude/agents/.
Bắt đầu với một tác tử triển khai:
name: implementation-worker
description: Triển khai một giai đoạn biệt lập từ một kế hoạch đã được phê duyệt. Chỉ sử dụng khi giai đoạn sở hữu các tệp riêng biệt.
model: opus
tools: Read, Grep, Glob, Edit, Write, Bash
maxTurns: 25
Bạn chỉ sở hữu giai đoạn được giao cho bạn.
Trước khi chỉnh sửa, hãy xác định các tệp chính xác và tiêu chí chấp nhận trong làn đường của bạn.
Không thay đổi tệp thuộc sở hữu của một tác tử khác.
Triển khai giải pháp hoàn chỉnh nhỏ nhất, sau đó chạy các bài kiểm tra có liên quan.
Trả về:
- các tệp đã thay đổi
- các kiểm tra đã chạy và đầu ra thực tế của chúng
- bất cứ điều gì vẫn còn không chắc chắn
Đừng tuyên bố thành công mà không có bằng chứng từ lần chạy này.
Sau đó tạo tác tử quan trọng nhất, người xác minh:
name: verifier
description: Xác minh độc lập một giai đoạn đã hoàn thành dựa trên kế hoạch và tiêu chí chấp nhận của nó. Sử dụng sau mỗi giai đoạn triển khai.
model: opus
tools: Read, Grep, Glob, Bash
maxTurns: 15
Coi bản tóm tắt triển khai như một tuyên bố không đáng tin cậy.
Đọc kế hoạch và kiểm tra sự khác biệt thực tế. Tự chạy các bài kiểm tra có liên quan.
Kiểm tra tính đúng đắn, hồi quy, phạm vi và mọi tiêu chí chấp nhận.
Trả về PASS hoặc FAIL.
Đối với mọi lỗi, hãy bao gồm bằng chứng và sự điều chỉnh nhỏ nhất cần thiết.
Không bao giờ sửa đổi quá trình triển khai mà bạn đang chấm điểm.
Đôi mắt mới phát hiện những gì tác giả coi là bình thường. Một giai đoạn được kiểm tra ngay lập tức rẻ hơn nhiều so với một lỗi được phát hiện sau khi bốn giai đoạn nữa phụ thuộc vào nó.
Bốn quy tắc giữ cho nhóm hoạt động nhanh:
một tác tử, một làn đường, với quyền sở hữu tệp rõ ràng
chỉ làm việc song song khi các làn đường không phụ thuộc lẫn nhau
Fable ở lại ghế lãnh đạo trong khi Opus hoặc Sonnet xử lý công việc
mọi tuyên bố hoàn thành đều được kiểm tra dựa trên tệp, bài kiểm tra hoặc kết quả trực tiếp
bí mật 1: đừng chỉ định lộ trình
Hầu hết các lời khuyên về prompting được viết ra để ngăn các mô hình yếu hơn đi lang thang.
Các quy trình dài, danh sách bước cứng nhắc và các khối quy tắc khổng lồ đã giúp ích khi mô hình không thể lập kế hoạch. Với Fable 5.1, cùng một giàn giáo đó có thể buộc nó đi theo một con đường tồi tệ hơn con đường mà nó đã tự tìm thấy.
Bí quyết là phải nghiêm ngặt về điểm đến và lỏng lẻo về lộ trình.
Cung cấp cho nó bốn điều:
kết quả:
những gì phải tồn tại khi công việc hoàn thành
các ràng buộc:
những gì nó không thể phá vỡ, chi tiêu, tiết lộ hoặc thay đổi
lý do:
cái này dành cho ai và quyết định hoặc công việc nào mà kết quả phải hỗ trợ
bằng chứng:
bằng chứng có thể quan sát được nào sẽ được coi là đã hoàn thành
Phần cuối cùng đó thay đổi mọi thứ. "Làm cho việc thanh toán hoạt động" mời gọi một tuyên bố có vẻ hợp lý. "Hoàn tất một giao dịch mua thử nghiệm trong sandbox và hiển thị hàng đơn hàng kết quả" cho mô hình một vạch đích mà nó không thể nói vòng vo để vượt qua.
Đừng yêu cầu một màn trình diễn của chuỗi suy nghĩ ẩn. Hãy yêu cầu kế hoạch, các quyết định quan trọng, bằng chứng và sự không chắc chắn còn lại. Suy nghĩ của Fable luôn được bật. Điều quan trọng với bạn là liệu kết quả có vượt qua được sự kiểm tra hay không.
Và đừng liên tục nhắc nó rằng ngân sách đang biến mất. Thay vào đó, hãy đặt ranh giới vào hệ thống: giới hạn số lượt của tác tử, xác định số tiền được phép chi tiêu và cho nó biết phải làm gì khi đạt đến giới hạn.
bí mật 2: giữ CLAUDE.md nhẹ nhàng
CLAUDE.md được tải khi bắt đầu mọi phiên Claude Code. Điều đó làm cho nó hữu ích, nhưng nó cũng có nghĩa là mọi dòng không liên quan đều đánh thuế mọi tác vụ trong tương lai.
Anthropic hiện khuyến nghị giữ mỗi tệp dưới 200 dòng. Trong thực tế, của bạn thường có thể ngắn hơn nhiều.
Ba phần bao gồm hầu hết các dự án:
dự án này là gì:
sản phẩm, kiến trúc và các ranh giới quan trọng
cách xác minh công việc:
các lệnh để xây dựng, kiểm tra, lint và xem trước cục bộ
những gì nó liên tục làm sai:
các quy ước cụ thể của dự án và các lỗi lặp lại
Các quy trình chỉ quan trọng đôi khi thuộc về kỹ năng. Các quy tắc chỉ áp dụng cho một số tệp nhất định thuộc về các quy tắc có phạm vi đường dẫn. Các ghi chú lịch sử thuộc về tài liệu, không phải trong lời nhắc của mọi phiên.
Hãy mở CLAUDE.md của bạn tối nay và thách thức mọi dòng: nếu xóa nó đi sẽ không gây ra lỗi thực sự, hãy xóa nó.
Tệp nhẹ hơn thường là tệp mạnh hơn.
bí mật 3: lạm dụng các mục tiêu và vòng lặp
Đây là nơi Fable không còn là một cuộc trò chuyện và trở thành một quy trình có thể tiếp tục di chuyển trong khi bạn làm việc khác.
Mục tiêu: /goal cung cấp cho phiên một điều kiện hoàn thành có thể kiểm tra được. Sau mỗi lượt, một mô hình nhỏ riêng biệt kiểm tra xem điều kiện có được đáp ứng hay không. Nếu không, Fable bắt đầu một lượt khác thay vì trả lại quyền điều khiển cho bạn. Mục tiêu kết thúc khi nó vượt qua, trở nên bất khả thi, gặp lỗi không thể phục hồi hoặc bạn xóa nó.
Nghệ thuật là viết một vạch đích mà nó không thể giả mạo:
yêu cầu bằng chứng có thể quan sát được: "tất cả các bài kiểm tra auth đều vượt qua và đầu ra được đính kèm" mạnh hơn "sửa auth"
xác định đường dẫn thất bại: nếu một trình chặn thực sự làm cho mục tiêu không thể đạt được, hãy báo cáo trình chặn và bằng chứng thay vì bịa ra tiến độ
<blockquote<p>giới hạn các phần rủi ro: sử dụng maxTurns cho tác tử, giới hạn chi tiêu cho các dịch vụ trả phí và các ranh giới rõ ràng xung quanh việc triển khai hoặc dữ liệu sản xuất</p>
</blockquote>
giữ một quy tắc trung thực trong mọi bản tóm tắt: mọi tuyên bố về tiến độ phải chỉ đến một kết quả được tạo ra hoặc kiểm tra trong lần chạy này
Chạy các mục tiêu ở chế độ tự động chỉ trong các ranh giới mà bạn cảm thấy thoải mái khi để không có người giám sát. Một tác tử thông minh hơn có bán kính nổ lớn hơn khi bản tóm tắt sai.
Vòng lặp: /loop chạy lại một lời nhắc theo một khoảng thời gian. Sử dụng /loop 15m để kiểm tra việc triển khai và điều tra mọi lỗi theo một nhịp cố định, hoặc bỏ qua khoảng thời gian và để Claude chọn khi nào kiểm tra lại.
Các vòng lặp bên trong Claude Code có phạm vi phiên và cuối cùng sẽ hết hạn. Sử dụng chúng cho các bản dựng, yêu cầu kéo, di chuyển và giám sát tạm thời. Sử dụng một quy trình liên tục hoặc tác vụ theo lịch trình trên máy tính để bàn cho công việc cần tồn tại sau khi phiên hoặc máy tính đóng lại.
Giữa các mục tiêu và vòng lặp, bạn có thể giữ Fable làm việc miễn là công việc thực sự cần, với bằng chứng chờ ở cuối thay vì một đoạn văn tự tin khác.
cách thực hiện một dự án thực tế trong một lần
Bây giờ hãy lắp ráp toàn bộ hệ thống xung quanh một bản dựng.
Ví dụ là một trang đích với danh sách chờ hoạt động. Thay thế dự án và cùng một trình tự vẫn giữ nguyên.
bước 1, viết bản tóm tắt
Gửi một tin nhắn:
Tôi đang ra mắt [sản phẩm] cho [đối tượng]. Họ cần một trang đích đưa ra một lời hứa rõ ràng và thu thập
email. Xây dựng một trang responsive với một biểu mẫu hoạt động lưu trữ các đăng ký. Ràng buộc: không có framework tôi phải chăm sóc, không có phụ thuộc trả phí, nhanh trên thiết bị di động và không triển khai cho đến khi tôi phê duyệt. Hoàn thành có nghĩa là trang chạy cục bộ, một email thử nghiệm xuất hiện trong bộ nhớ, bố cục di động được xác minh ở 390px và kết quả được hiển thị với đầu ra thử nghiệm và ảnh chụp màn hình. Kiểm tra dự án và lập kế hoạch trước. Chỉ ủy quyền các giai đoạn độc lập. Xác minh mọi giai đoạn đã hoàn thành.
Bản tóm tắt cung cấp cho nó một điểm đến mà không thiết kế việc triển khai thay cho nó.
bước 2, phê duyệt kế hoạch
Vào chế độ lập kế hoạch với /plan hoặc Shift+Tab trước khi nó thay đổi bất cứ điều gì.
Nếu ý tưởng chưa được xác định rõ, hãy cài đặt bộ sưu tập của Matt Pocock với /plugin install mattpocock-skills, chạy /setup-matt-pocock-skills một lần và sử dụng /grill-with-docs trước khi biến kết quả thành một bản đặc tả.
Đọc kế hoạch. Cắt bỏ các tính năng bạn không cần. Đảm bảo mọi giai đoạn đều có điều kiện vượt qua có thể quan sát được. Sau đó phê duyệt nó.
bước 3, để nhóm làm việc
Fable chỉ định giai đoạn biệt lập đầu tiên cho tác tử triển khai. Người xác minh kiểm tra sự khác biệt thực tế và đầu ra thử nghiệm. Một giai đoạn phụ thuộc chỉ bắt đầu sau khi giai đoạn trước đó vượt qua.
Bạn có thể rời khỏi terminal. Sử dụng /tasks khi bạn muốn xem những gì vẫn đang chạy.
bước 4, đặt vạch đích
Sử dụng một mục tiêu nêu rõ trạng thái và bằng chứng:
/goal trang chạy cục bộ, biểu mẫu lưu trữ một đăng ký thử nghiệm và bố cục hoạt động ở 390px, được chứng minh bằng đầu ra thử nghiệm thực tế, bản ghi đã lưu trữ và ảnh chụp màn hình hiện tại. Nếu một trình chặn thực sự làm cho điều này không thể, hãy dừng lại và báo cáo bằng chứng thay vì tuyên bố thành công.
Điều kiện đó khó thỏa mãn hơn nhiều chỉ bằng lời nói.
bước 5, xem xét kết quả
Quay lại sự khác biệt, đầu ra thử nghiệm, đăng ký đã lưu trữ và ảnh chụp màn hình.
Xem xét sản phẩm như một người dùng, không phải như người quản lý của mô hình. Yêu cầu các thay đổi bạn thực sự có thể thấy, chạy một lần xác minh độc lập cuối cùng và phát hành khi bằng chứng phù hợp với bản tóm tắt.
Lần chạy đầu tiên sẽ có vẻ phức tạp.
Lần thứ hai, bạn sẽ nhận thấy rằng cùng một trình tự hoạt động cho hầu hết mọi dự án bạn đã trì hoãn.
năm quy trình làm việc nơi nó tạo ra tiền thật
Bây giờ hãy hướng thiết lập vào công việc đủ giá trị để biện minh cho mô hình.
Đây là năm quy trình làm việc nơi Fable 5.1 có thể tạo ra sự khác biệt có thể đo lường được.
Công việc codebase không ai muốn: việc di chuyển ước tính ba tuần, lỗi sản xuất hiếm gặp, vấn đề hiệu suất trải rộng trên tám dịch vụ. Fable lập bản đồ hệ thống, các tác tử lấy các lát cắt biệt lập, người xác minh kiểm tra mọi giai đoạn và tiến độ được gắn với các bài kiểm tra thay vì sự lạc quan.
Nghiên cứu cấp quyết định: một câu hỏi đi vào, các tác tử nghiên cứu thu thập từ các nguồn chính song song, một người đánh giá hoài nghi tấn công mọi tuyên bố quan trọng và người lãnh đạo biến những gì còn sót lại thành một bản ghi nhớ. Điều này có thể cung cấp thông tin cho một vụ mua lại, một buổi ra mắt, một quyết định thị trường hoặc một luận điểm đầu tư.
Vận hành kinh doanh: cung cấp cho nó quyền truy cập vào các công cụ phù hợp và để nó đối chiếu dữ liệu, điều tra các điểm bất thường, chuẩn bị báo cáo, giám sát một quy trình hoặc giải quyết tồn đọng vận hành. Fable 5.1 gần như đã tăng gấp đôi điểm số của Fable 5 trên AutomationBench của Anthropic, đây là một trong những bước nhảy thực tế rõ ràng nhất trong bản phát hành.
Công việc sản phẩm dựa trên tài liệu tham khảo: cung cấp cho nó ảnh chụp màn hình của trải nghiệm bạn muốn, các tài sản thực tế và quyền truy cập vào ứng dụng đang chạy. Nó có thể triển khai dựa trên tài liệu tham khảo, mở kết quả, so sánh hai cái và tiếp tục cho đến khi khoảng cách nhìn thấy được thu hẹp. Bạn cung cấp gu thẩm mỹ. Nó cung cấp đôi mắt, đôi tay và sự kiên nhẫn.
Một hệ thống kiến thức tích lũy: hướng nó vào mọi thứ đáng lưu giữ trong công ty của bạn và để nó biến các tài liệu rải rác thành một nguồn sự thật được duy trì, có liên kết. Một copywriter có thể xây dựng một hệ thống từ các trang bán hàng tuyệt vời, một đại lý từ các nghiên cứu điển hình của nó và một công ty SaaS từ các cuộc gọi khách hàng, quyết định, thử nghiệm và lịch sử hỗ trợ. Mọi tác tử trong tương lai đều bắt đầu thông minh hơn vì ngữ cảnh hữu ích đã tồn tại.
Mỗi công việc này từng là một dự án "một ngày nào đó".
Fable 5.1 biến nhiều công việc trong số đó thành các dự án "trong tuần này", miễn là bạn cung cấp cho hệ thống một vạch đích thực sự và một cách để chứng minh nó đã vượt qua.
toàn bộ thiết lập trong một khối
chạy Fable 5.1 với tư cách là người lãnh đạo: nó lập kế hoạch, ủy quyền, xem xét và quyết định
sử dụng Opus hoặc Sonnet cho công việc có ranh giới, với một tác tử cho mỗi làn đường độc lập
cung cấp cho nó kết quả, ràng buộc, lý do và bằng chứng, sau đó để nó chọn lộ trình
giữ CLAUDE.md ngắn gọn và chuyển các quy trình thỉnh thoảng vào kỹ năng
sử dụng các mục tiêu để hoàn thành có thể xác minh và các vòng lặp để kiểm tra theo lịch trình
kiểm soát chi phí với các mức nỗ lực, tác tử rẻ hơn, ngữ cảnh được lưu trong bộ nhớ đệm và các ranh giới cứng
hướng hệ thống vào các codebase, nghiên cứu, vận hành, công việc sản phẩm và kiến thức tích lũy
Mô hình là phần dễ thấy nhất của thiết lập, nhưng nó không phải là toàn bộ lợi thế.
Lợi thế là cung cấp cho một mô hình có năng lực như vậy một điểm đến rõ ràng, một nhóm có năng lực, quyền truy cập vào thực tế và không có cách nào để nhầm lẫn một câu trả lời thuyết phục với công việc đã hoàn thành.
