🎁 Bonificación: subagents, memoria y send_to_user

Fable 5 fue entrenado para trabajar durante períodos largos y de forma autónoma, y eso cambia cómo maneja el paralelismo. Él despacha subagents con más frecuencia que los modelos anteriores, porque puedes confiarles subtareas más grandes sin tener que supervisar de cerca cada paso.

El cambio de comportamiento que recomienda Anthropic es sutil, pero importante: prefiere comunicación asíncrona entre el orquestador y los subagents — inícialos y continúa — en lugar de bloquearte mientras esperas a que cada uno responda. Y, cuando sea posible, usa subagents de larga duración que mantengan el contexto entre subtareas: eso ahorra tiempo y costo mediante la caché.

Delegate independent subtasks to subagents and keep working while they run. Intervene if a subagent goes off track or is missing relevant context.

Delegue subtarefas independentes a subagents e continue trabalhando enquanto elas rodam. Intervenha se um subagent sair do rumo ou estiver sem o contexto necessário.

Objetivo: enseñar a Fable 5 a paralelizar de verdad — delegar y seguir adelante — en lugar de tratar los subagents como llamadas bloqueantes.

Cómo comprobar: pega esto en el CLAUDE.md o system prompt y pide algo con 3+ subtareas independientes reales (p. ej., «revisa los módulos 1.2, 1.3 y 1.4 en busca de errores tipográficos, en paralelo»). En el transcript, comprueba si lanza varios subagents y sigue supervisándolos mientras trabajan, en vez de esperar a que terminen uno por uno.

Las sesiones largas y los proyectos que duran varios días se topan con un límite evidente: el contexto de una sesión no sobrevive cuando termina. La solución recomendada es guardar el aprendizaje en archivos de memoria — notas breves que las sesiones futuras pueden leer antes de actuar, en lugar de redescubrir la misma lección desde cero.

La regla de oro es un archivo por lección, con un resumen de una línea al principio, pensado para poder escanearlo antes de leerlo completo. Las correcciones y los enfoques confirmados se incorporan del mismo modo, siempre junto con el "por qué": sin el motivo, la nota se convierte en un dato aislado cuyo valor nadie sabe si sigue vigente.

Store one lesson per file with a one-line summary at the top. Record corrections and confirmed approaches alike, including why they mattered. Don't save what the repo or chat history already records; update an existing note rather than creating a duplicate; delete notes that turn out to be wrong.

Guarde uma lição por arquivo, com um resumo de uma linha no topo. Registre tanto correções quanto abordagens confirmadas, incluindo por que elas importaram. Não salve o que o repositório ou o histórico de conversas já registra; atualize uma nota existente em vez de criar uma duplicata; apague notas que se mostrarem erradas.

Objetivo: transformar las lecciones de una sesión en notas que las sesiones futuras puedan consultar sin releer todo el historial.

Cómo comprobar: pega esto en el CLAUDE.md o system prompt, trabaja en varias sesiones reales y revisa la carpeta de memoria: debe haber un archivo por lección, cada uno con un resumen de una línea al inicio, sin duplicar lo que ya está en el código o en el historial de la conversación.

Reflect on the previous sessions we've had together. Use subagents to identify core themes and lessons, and store them in [X]. Make sure you know to reference [X] for future use.

Reflita sobre as sessões anteriores que tivemos juntos. Use subagents para identificar temas e lições centrais, e guarde-os em <X>. Garanta que você saiba referenciar <X> para uso futuro.

send_to_user es una tool client-side: cuando el modelo la invoca, la interfaz muestra el texto de la entrada exactamente como está escrito — palabra por palabra, nunca resumido ni reescrito por encima — y el turno no termina. El modelo sigue trabajando justo después de llamarla.

Esto resuelve un problema común en los agentes de larga duración: el usuario solo ve el resumen final, comprimido, cuando todo está listo. Con send_to_user, puedes enviar información específica en medio del proceso, sin esperar a que termine el turno.

Llama a send_to_user siempre que tengas un entregable parcial, una cifra concreta de progreso o una respuesta directa a una pregunta hecha durante la tarea. No esperes al resumen final para informar de esas cosas.

En sesiones largas y autónomas, Fable 5 puede —ocasionalmente— terminar un turno solo con una intención en texto ("voy a ejecutar las pruebas de integración ahora") sin llamar realmente a la herramienta que lo haría. Es raro, pero en pipelines autónomos sin supervisión, ese turno suelto puede pasar desapercibido.

La buena noticia es que la mitigación es sencilla: un "continúa" resuelve el problema de inmediato, de forma interactiva. En pipelines sin una persona en el ciclo, refuérzalo explícitamente en el system prompt cuando sea apropiado detenerse versus cuándo es apropiado actuar reduce la probabilidad de que vuelva a ocurrir.

Si migraste skills, CLAUDE.md o system prompts calibrados para modelos anteriores, conviene revisarlos antes de asumir que «más instrucciones siempre son más seguras». El comportamiento predeterminado de Fable 5 ya es lo bastante sólido como para que las instrucciones antiguas, pensadas para compensar limitaciones que ya no tiene, terminen estorbando en lugar de ayudar.

Skills developed for prior models are often too prescriptive for Claude Fable 5 and can degrade output quality. Review and consider removing older instructions if default performance is better.

Skills desenvolvidas para modelos anteriores costumam ser prescritivas demais para o Claude Fable 5 e podem piorar a qualidade do resultado. Revise e considere remover instruções antigas se o comportamento padrão já for melhor.

En tareas largas, la autoevaluación por sí sola tiene un punto ciego obvio: el mismo contexto que cometió el error es quien lo audita. Por eso conviene establecer un intervalo de verificación y, en ese intervalo, iniciar un subagent con contexto nuevo para verificar el trabajo frente a la especificación — no solo releer lo que ya se hizo.

Establish a method for checking your own work at an interval of [X] as you build. Run this every [X interval], verifying your work with subagents against the specification.

Estabeleça um método para checar seu próprio trabalho a um intervalo de <X> conforme você constrói. Rode isso a cada <intervalo X>, verificando seu trabalho com subagents contra a especificação.

Objetivo: detectar desviaciones a tiempo en tareas largas, con un verificador que no herede el punto ciego de quien construyó.

Cómo comprobar: pega sustituyendo [X] según tu intervalo (p. ej., "cada 3 archivos editados" o "cada 30 minutos" en una tarea larga); observa si, al cumplirse ese intervalo, realmente se detiene y envía un subagent nuevo a verificar contra la especificación, en vez de limitarse a autoevaluarse en el mismo contexto.

Una hoja de referencia densa para guardar: reúne las 6 técnicas del video (módulos 1.2 a 1.5), esfuerzo y seguridad (módulo 1.6) y las 5 de este bono (módulo 1.7). Pégala en tu CLAUDE.md si quieres llevar esto a tu día a día.

CHEAT SHEET — Prompting Claude Fable 5 (módulos 1.2–1.7)

[1.2] Dê o porquê — contexto de intenção antes da tarefa
[1.2] Não peça pra mostrar o raciocínio (evita a recusa reasoning_extraction)
[1.3] Negative prompting — diga o que NÃO fazer, sem refactor/limpeza não pedidos
[1.4] Deixe agir quando já tem informação suficiente; pause só pro que só o humano decide
[1.4] Prove que terminou — audite cada alegação contra evidência de ferramenta
[1.5] Diga menos, não mais — lidere com o resultado, corte o que não muda a próxima ação
[1.6] Calibre o esforço (low/medium/high/xhigh/max) — baixo no Fable 5 ainda rende bem
[1.6] Trate stop_reason:"refusal" como HTTP 200, não como erro; configure fallback pro Opus
[1.7] Delegue subtarefas independentes a subagents; prefira comunicação assíncrona
[1.7] Guarde memória em arquivo — uma lição por arquivo, resumo de 1 linha no topo
[1.7] send_to_user pra deliverable parcial/update com números — só com instrução explícita
[1.7] "Continue" resolve o early stopping raro; reforce quando parar vs. quando agir
[1.7] Refatore skills antigas — comece no topo da dificuldade; verifique com subagent fresco