Come costruire un secondo cervello con Fable 5

Un secondo cervello è un sistema che acquisisce ciò che impari e te lo restituisce quando ne hai bisogno. Fable 5 è un motore potente per questo perché tre delle sue funzionalità si allineano esattamente con ciò di cui quel sistema ha bisogno: una finestra di contesto da 1M token per contenere grandi blocchi delle tue note in una volta sola, uno strumento di memoria lato client che persiste tra le sessioni e Claude Code, che legge e scrive le tue note come normali file. La configurazione funzionante più semplice è una cartella di file markdown, Claude Code puntato su di essa e un file /memories che il modello aggiorna man mano che apprende il tuo materiale. Tutto ciò che segue amplia questo in una build ripetibile.

Cosa richiede un secondo cervello da un modello di IA

La maggior parte dei walkthrough sull’“AI second brain” salta la parte che decide se funziona: ciò che il modello deve essere in grado di fare. Ci sono tre requisiti.

Ospita molto in una volta sola. La sintesi richiede che il materiale sorgente sia visibile. Fable 5 ha una finestra di contesto da 1M token (il suo massimo è anche il suo valore predefinito), quindi puoi fornirgli un intero folder di progetto di note e ottenere un'analisi che le rispecchi tutte invece di una porzione troncata.

Ricorda tra una sessione e l’altra. Un cervello che dimentica tutto quando chiudi la scheda è una finestra di chat. Fable 5 si integra con lo strumento di memoria lato client di Anthropic: il modello legge e scrive file in una directory /memories che mantieni persistente, così ciò che ha imparato la scorsa settimana è disponibile oggi.

Collega per significato, non per parola chiave. Fable 5 continua a ragionare per ogni richiesta e ti consente di impostare un livello di sforzo da low a max. È questo che trasforma "ecco 40 note" in "queste tre si contraddicono, e una di esse è obsoleta."

Queste sono le capacità portanti. La struttura qui sotto è il modo in cui organizzi le tue note affinché il modello possa usarle.

Il framework CODE, mappato su Fable 5

CODE (Capture, Organize, Distill, Express) deriva dal metodo Building a Second Brain di Tiago Forte, ed è una struttura utile perché ogni fase si mappa chiaramente su una capacità di Fable 5. Capture ed Express sono operazioni sui file, quindi appartengono a Claude Code. Organize è una classificazione in blocco, che la finestra da 1M rende economica. Distill è ciò che va nello strumento di memoria. Ecco ciascuna fase come passaggio concreto.

Fase 1: Acquisisci i tuoi input

Capture significa portare il materiale grezzo in un posto che il modello possa raggiungere. Il posto più semplice e raggiungibile è una cartella di file markdown, e Claude Code, l'agente filesystem costruito su Fable 5, può leggere, scrivere e modificare direttamente quella cartella con i suoi strumenti read, write, edit, glob e grep. Non hai bisogno di Obsidian; ti offre solo un editor più comodo sugli stessi file di testo semplice.

Una struttura di cartelle che funziona:

brain/
├── inbox/          # le catture non elaborate arrivano qui
├── notes/          # note organizzate e permanenti
├── archive/        # materiale completato o obsoleto
├── memories/       # note distillate che il modello rilegge a ogni sessione
└── skills/         # flussi di lavoro riutilizzabili (vedi Fase 4)

Per iniziare bastano due passaggi: installa Claude Code, poi avvialo dall’interno di brain/ in modo che quella cartella sia la sua directory di lavoro e possa vedere l’intero albero. Da lì, dagli un’istruzione di acquisizione che possa riutilizzare:

Leggi ogni file in inbox/. Per ciascuno, scrivi un riassunto di 2-3 frasi in cima sotto un'intestazione "## Summary", poi lascia il testo originale sotto. Non spostare ancora i file; annotali solo sul posto.

Un solo passaggio trasforma un mucchio di ritagli in note facili da consultare senza che tu debba toccarli.

Passo 2: Organizza con la registrazione e il collegamento

Una volta acquisito il materiale, Fable 5 può ordinarlo. È qui che il contesto da 1M si guadagna il suo prezzo: puoi passare al modello l'intero albero inbox/ e notes/ in una sola richiesta, così le sue decisioni di archiviazione sono coerenti su tutto invece di essere prese file per file senza memoria dell'ultimo.

Un prompt che archivia e tagga in un solo passaggio:

Leggi tutti i file in inbox/. Per ciascuno, decidi se deve andare in notes/ in base
all'argomento (crea una sottocartella per l'argomento se nessuna va bene), oppure in archive/ se è obsoleto.
Aggiungi un blocco di frontmatter con `tags:` (3-5 tag tematici) e `linked:` (percorsi
alle note correlate che trovi). Sposta il file, poi dimmi cosa hai fatto.

Poiché il modello vede la struttura notes/ esistente nello stesso contesto, i nuovi tag riutilizzano il tuo vocabolario esistente invece di inventare un sinonimo per un tag che hai già. Questo è il modo di fallimento che porta la maggior parte dei sistemi di tag a collassare.

Fase 3: Distillare ciò che conta

Distillare significa estrarre la lezione duratura da una nota, così non dovrai rileggere tutto in seguito. Questo è il compito dello strumento di memoria. Fornisce al modello una directory di memoria persistente (la cartella memories/ sopra) che gestisce con i comandi view, create, str_replace, insert e delete, e quella directory viene mantenuta tra le sessioni. Puntalo su Claude Code e leggerà di nuovo la cartella all'inizio di ogni esecuzione, così una intuizione distillata scritta oggi sarà nel contesto la prossima settimana senza che tu debba fornirla di nuovo.

Memorizza una lezione per file con un riepilogo di una riga in cima:

Mentre lavori in notes/, scrivi takeaway duraturi in memories/, un file
per idea, un riepilogo di una riga nella prima riga, i dettagli di supporto sotto.
Registra sia le correzioni sia le conclusioni confermate, e perché ciascuna è stata importante.
Prima di creare un file, verifica se uno già lo copre e aggiorna quello
invece di duplicarlo.

Un file distillato finisce per apparire così — una rivendicazione alla prima riga, le prove sotto di essa:

# Il rischio di vendor lock-in è inferiore con una API compatibile con OpenAI di quanto pensassi.
Tre delle mie note sugli strumenti mostrano scambi di base URL su una sola riga tra provider.
Vedi notes/apis/openai-compat.md e notes/apis/switching-costs.md.

La distillazione è la fase su cui vale la pena investire energie: eseguila con effort: "high" in modo che il modello ragioni a fondo su ciò che vale la pena conservare. L’acquisizione e l’archiviazione di routine possono essere eseguite con low o medium per mantenere bassi i costi. Effort controlla quanto il modello pensa e quanti token consuma, quindi adattarlo al compito è la principale leva sui costi che hai a disposizione.

Passaggio 4: Esprimi le tue note come output

Express is the payoff: usare il cervello per produrre qualcosa. Impacchetta i workflow che ripeti come Skills. Una Skill è una cartella con un file SKILL.md che descrive un'attività, e Fable 5 la carica su richiesta quando l'attività si presenta, così non devi riesplicare il workflow ogni volta. Un skills/daily-digest/SKILL.md funzionante:

---
name: daily-digest
description: Riassumi le acquisizioni e i ricordi distillati dell'ultimo giorno.
---

Leggi ogni file in inbox/ e memories/ modificato nelle ultime 24 ore.
Raggruppa gli elementi per argomento. Scrivi un digest markdown in notes/digests/
denominato con la data di oggi, con una sezione "## Themes" e una sezione
"## Open questions". Non modificare i file sorgente.

Chiedi a Claude Code di eseguirlo, oppure collegalo a un pianificatore (un job cron giornaliero che avvia Claude Code con il prompt di riepilogo) in modo che venga eseguito senza che tu lo chieda.

Due avvertenze. Configurare trigger pianificati o basati su file-watcher richiede un vero lavoro di configurazione, non una semplice casella di spunta. E gli Skill aiutano soprattutto nei flussi di lavoro che ripeti; una domanda una tantum è più veloce da fare direttamente.

Quanto costa l'esecuzione

Il prezzo dell'API di Fable 5 è di $10 per milione di token in input e $50 per milione di token in output, con una finestra di contesto di 1M token e fino a 128K token in output per richiesta (verificato rispetto ai prezzi di Anthropic il 2026-07-16). Un secondo cervello che rielabora quotidianamente una grande raccolta di note può movimentare molti token, quindi contano due leve.

Per prima cosa, il prompt caching: Anthropic memorizza nella cache un prefisso di contesto ripetuto e addebita le letture a circa un decimo della tariffa di input, quindi alimentare ogni giorno lo stesso vault di note è molto più economico di quanto suggeriscano i calcoli di listino. In secondo luogo, l’API è un endpoint standard. Se instradi Claude Code attraverso un relay compatibile con Anthropic come AIReiter, che replica la Messages API e rivende i modelli Claude a prezzo scontato, il costo dei token diminuisce senza modificare la tua configurazione. Entrambe le opzioni sono facoltative; l’API diretta predefinita funziona subito, senza configurazioni aggiuntive.

Errori comuni da evitare

Catturare senza elaborare. Un brain/ pieno di ritagli non sintetizzati è una discarica, non un secondo cervello. I passaggi Organize e Distill sono ciò che lo rende ricercabile, quindi eseguili invece di limitarti a catturare.
Mettere segreti nei file di memoria. La directory /memories viene riletta in ogni sessione futura. Non scriverci mai chiavi API, password o token; mantieni le credenziali fuori da qualsiasi cosa il modello persista.
Eseguire tutto al massimo sforzo. Il massimo sforzo vale la pena per la distillazione e la sintesi; usarlo per l'archiviazione di routine consuma token e può indurre il modello a sovrappensare una semplice classificazione. Adatta lo sforzo al compito.
Fornirgli una nota alla volta. Il contesto da 1M esiste affinché tu possa organizzare in blocco. Consegnare i file uno per uno fa perdere la coerenza tra note che permette al sistema di risultare coeso.

Domande frequenti

In cosa Fable 5 è diverso dagli altri modelli Claude per questo?

Fable 5 è il modello di Anthropic più capace tra quelli rilasciati su larga scala, con una finestra di contesto da 1M token e un ragionamento sempre attivo che puoi regolare con livelli di effort. Questa combinazione di ampio contesto e forte capacità di sintesi è ciò su cui si basa un secondo cervello. Inoltre costa più del livello Opus ($10/$50 per milione di token); per lavori di archiviazione più leggeri puoi usare un modello più economico e riservare Fable 5 alla distillazione. Consulta questa suddivisione tra effort alto e massimo per la regolazione.

Ho bisogno di Obsidian, o posso usare semplici file markdown?

Semplici file markdown in una cartella sono sufficienti. Claude Code legge direttamente il filesystem, quindi qualsiasi editor va bene. Obsidian aggiunge backlink e una vista a grafo sopra gli stessi file, cosa che ad alcune persone piace, ma è opzionale.

Come faccio a far ricordare al mio secondo cervello tra una sessione e l'altra?

Usa lo strumento di memoria. Gli fornisce una directory /memories che può leggere e scrivere, e quella directory persiste tra le conversazioni. Qualsiasi cosa vi venga distillata viene caricata automaticamente la volta successiva, ed è questo che distingue un secondo cervello da una chat senza stato.

Cos'è il metodo CODE?

CODE sta per Capture, Organize, Distill, Express, un flusso di lavoro di knowledge management in quattro fasi di Tiago Forte. Viene usato qui come struttura portante perché le sue quattro fasi si allineano chiaramente con le capacità di Fable 5: Capture ed Express sono operazioni sui file per Claude Code, Organize è un lavoro in massa per il contesto da 1M, e Distill è ciò che lo strumento di memoria conserva. Altri framework (le Four C's, o Applications/Routines/Memory/Skills) si mappano sulle stesse funzionalità; CODE semplicemente traccia i confini nel punto più utile per un sistema gestito da un'AI.

È sicuro dare a un'IA accesso a tutte le mie note?

Le note rimangono in file locali che controlli, e Claude Code ci opera tramite strumenti che puoi vedere. Le due cose da tenere d'occhio: non memorizzare credenziali nei file che il modello mantiene, e nota che Fable 5 richiede una conservazione dei dati di 30 giorni (non è disponibile con zero-retention), quindi verifica questo rispetto alle tue esigenze di privacy prima di indirizzarlo su materiale sensibile.