Sfruttare Claude Fable e Opus: guida per progetti AI

Quanto vi costa, ogni settimana, ripetere le stesse istruzioni a un chatbot che non coglie le sfumature? Il problema non è che l’AI non funziona. È che spesso non la sappiamo usare al suo pieno potenziale, sprecando l’intelligenza di modelli avanzati. Claude Fable 5, il modello più intelligente mai uscito, sta migliorando le carte in tavola. Ma attenzione: la maggior parte lo sta usando in un modo che si rivelerà costoso e inefficace.

Si delega a Fable 5 l’80% del progetto, salvo poi passare a modelli meno performanti e più economici per il restante 20% - la parte solitamente più complessa. Ti assicuro che chi ragiona così farà un bagno di sangue. Esiste però un metodo per sfruttare Fable 5 in modo intelligente, basato sulle intuizioni di un ingegnere di Anthropic, e che ho testato personalmente su progetti complessi.

Fable 5: un modello da usare con parsimonia

Il rapido ciclo di vita di Fable 5, dalla sua uscita alla transizione a un modello pay-per-use, sottolinea un punto chiave: la sua intelligenza ha un costo. Fable 5 non è destinato a rimanere gratuito o incluso negli abbonamenti standard per sempre. Il prezzo per milione di token di input e output sarà uno dei più alti mai visti. E quando arriverà, l’uso indiscriminato porterà a bollette API salatissime. Non sono l’unico a dirlo: anche esperti del calibro di Salvatore Sanfilippo (creatore di Redis) concordano sulla necessità di un approccio oculato. L’errore più comune oggi? Costruire l’80% di un’applicazione con Fable 5 per poi passare a un modello inferiore, come Opus, per il finale. Questo crea un’incoerenza che mina l’architettura e la qualità del codice.

Il rischio è che il 20% finale, che spesso comprende le parti più delicate e complesse, venga gestito da un modello meno capace di Fable 5. Il risultato? Un codice potenzialmente compromesso, un lavoro extra per rimediare e, alla fine, la necessità di pagare comunque per Fable 5, vanificando i presunti risparmi. Il vero problema non è più il modello, ma la nostra capacità di interazione con esso.

Il cambio di paradigma: tu, non il modello, sei il limite

Con i modelli di intelligenza artificiale meno sofisticati, quando qualcosa non funzionava, la colpa era quasi sempre del modello. Con Fable 5 è diverso. Questo modello è talmente intelligente che il collo di bottiglia siamo noi, la nostra capacità di esprimerci chiaramente. Un ingegnere di Anthropic, Tarik, lo ha riassunto perfettamente: la qualità del lavoro di Fable è limitata dalla nostra abilità nel chiarire i suoi unknowns, cioè i buchi tra quello che abbiamo in mente e quello che scriviamo nel prompt.

C’è un equilibrio delicato nell’istruire Fable 5. Essere troppo specifici può farlo seguire istruzioni anche quando sarebbero meglio altre strade. Essere troppo vaghi lo porta a fare assunzioni basate sulle best practice del settore, che potrebbero non essere rilevanti per il tuo caso. Il metodo di Tarik ci aiuta a navigare questa complessità, identificando quattro categorie di unknowns:

• Known knowns: ciò che sappiamo e abbiamo scritto nel prompt.
• Known unknowns: ciò che sappiamo di non aver deciso (es. dettagli estetici di una hero section).
• Unknown knowns: ciò che diamo per scontato e non scriviamo.
• Unknown unknowns: ciò che non sappiamo nemmeno di non sapere.

La strategia Martes AI: scovare gli unknowns con Fable, eseguire con Opus

Il mio approccio, ispirato dalla guida di Tarik, è sfruttare Fable 5 per ciò che sa fare meglio: scovare gli unknowns. In pratica, usarlo come un ingegnere senior che individua problemi e dettagli prima che un ingegnere junior (Opus) inizi a costruire. Questo è fondamentale specialmente in considerazione del pricing di Fable 5, che lo renderà molto costoso.

Fase 1: il Blind Spot Pass per gli unknown unknowns

Per il mio progetto di rifacimento del sito Marte AI, notoriamente complesso e con centinaia di pagine, la prima cosa è un Blind Spot Pass. Questo significa chiedere a Fable 5 di analizzare l’intera codebase e identificare: tutto ciò che rischio di rompere, i vincoli nascosti, le dipendenze inattese, le falle di sicurezza (ad esempio, un token API esposto o un file con dati sensibili non ignorato da Git). Questi sono gli unknown unknowns, cose che io stesso non sapevo di non sapere. Il risultato? Fable mi ha subito segnalato criticità reali, come un token di GitHub esposto e due files non tracciati, che avrebbero potuto causare danni enormi.

Per affrontare questa fase, ho usato Fable 5 con la massima effort (impostazione ‘Max’ nel terminale), perché voglio che analizzi a fondo. Una volta identificati, passo a un effort minore (‘Xi’) per le correzioni, sfruttando al massimo la sua capacità analitica senza sprecare token per l’esecuzione.

Fase 2: intervista per i known unknowns

Successivamente, Fable 5 si trasforma in un intervistatore. Non gli chiedo di scrivere il prompt perfetto, ma di farmi domande. Il mio prompt iniziale descrive cosa voglio fare, ma Fable 5 mi interroga, una domanda alla volta, per chiarire quei dettagli che so di non aver specificato, i known unknowns. Ad esempio, come voglio ristrutturare la hero section, la relazione tra le diverse sezioni del sito o se includere i prezzi per un servizio specifico.

Questo approccio è nettamente superiore a quello di molti altri strumenti o modalità come Plan Mode o Superpowers, che creano piani basati su quello che hai già chiesto. Fable, in questa modalità, mette in discussione la tua richiesta, scovando i buchi nella mappa prima di partire. È un dialogo che porta a una maggiore chiarezza e precisione, ma anche un’opportunità di scoperte, come un’idea per un assessment di prontezza che non avevo considerato.

Fase 3: prototipi visuali per gli unknown knowns

Prima di toccare il codice, Fable 5 mi ha generato dei file HTML con diverse direzioni di design per la homepage. Questo serve a visualizzare gli unknown knowns, cioè quegli elementi che diamo per scontati ma che potremmo riconoscere solo vedendoli. È quel momento in cui dici: “Ah, era ovvio che andasse fatto così!”. Mi ha proposto quattro soluzioni, dalla più audace alla più pulita, permettendomi di scegliere la direzione visiva più aderente alle mie aspettative senza sprecare tempo o risorse su implementazioni sbagliate.

Questo step è cruciale per la convalida del layout e dell’aspetto generale, assicurandosi che le aspettative siano allineate prima della fase di sviluppo intensivo. Fable 5, qui, agisce come un designer versatile, prototipando rapidamente opzioni diverse.

Fase 4: esecuzione con Claude Opus

Una volta ottenuti questi tre output da Fable 5 (rischi identificati, chiarimenti sulle richieste e prototipi di design approvati), il campo di gioco è pulito per Claude Opus. A questo punto, Fable 5 ha svolto il suo ruolo di “ingegnere senior” che ha analizzato, interrogato e pianificato. Opus, essendo un modello di frontiera ma meno costoso per l’esecuzione, può ora lavorare su un piano d’azione chiarissimo.

Il mio sito, come mostrato, presenta animazioni, calcolatori dinamici e centinaia di pagine. Dopo le indicazioni di Fable 5, Opus ha prodotto una versione funzionante con tre binari (AI Adoption, Prodotti, Engineering as a Service), scatole interattive e sezioni dedicate. Il risultato è significativamente vicino a quanto desiderato, con pochissimi ritocchi necessari. Opus ha eseguito un piano già validato, riducendo le possibilità di errore e ottimizzando i costi.

Oltre il prompt: la gestione orchestrata dell’AI

Diffidate da chi promette soluzioni “end-to-end” con un solo prompt. L’AI, anche la più avanzata, non è magia. Non si tratta di formulare prompt assurdi, ma di governare il processo con un approccio metodologico. Fable 5, usato strategicamente per la sua intelligenza analitica e la capacità di scovare i “buchi” (gli unknowns), spiana la strada a modelli come Claude Opus, meno costosi per l’implementazione ma altrettanto performanti quando guidati da un piano solido.

Questo metodo ci permette di velocizzare enormemente lo sviluppo, ma richiede da noi un’attenzione costante. Siamo noi il “collo di bottiglia”, la nostra capacità di fornire le giuste indicazioni e sfruttare ogni modello per quello che sa fare meglio. Non si tratta di sostituire l’ingegno umano, ma di potenziarlo attraverso un uso consapevole e strategico degli strumenti AI. Con tre o quattro iterazioni al massimo, un progetto complesso può essere portato online, superando le insidie di un approccio non strutturato ai modelli linguistici.