**
No dia 9 de junho, a Anthropic lançou um novo modelo chamado Claude Fable 5.
Naquele mesmo dia, deixei que ele cuidasse de todo o meu "sistema automatizado de venda de notas".
Como resultado, as vendas diárias quase dobraram em pouco mais de uma semana.
Para ser sincero, eu só estava pensando: "Um novo modelo foi lançado, por que não testar?", então sou o mais surpreso com isso.
Neste post, vou escrever sobre tudo: o que pedi para ele fazer, o que foi corrigido e até os prompts que utilizei.
A propósito, costumo compartilhar as últimas movimentações deste sistema e configurações detalhadas que não cabem em um artigo no meu LINE, então, se você tiver interesse, confira o link no final.
Deixando a IA cuidar de um sistema de sucesso no dia em que o Fable 5 foi lançado
Primeiro, um pouco de contexto.
O Fable 5 é o primeiro modelo da Anthropic que disponibiliza para todos, com mecanismos de segurança, capacidades de "classe Mythos" — que eles anteriormente mantinham fora do alcance do público devido ao alto desempenho.
Ele registrou 80,3% no benchmark de codificação (SWE-bench Pro), um número que supera não apenas o anterior Opus 4.8, mas também o GPT-5.5 e o Gemini 3.1 Pro.
A propósito, o "mecanismo de segurança" significa que apenas solicitações em áreas perigosas são alternadas automaticamente para modelos mais antigos. De acordo com dados oficiais, isso não é acionado em mais de 95% das sessões.
Em resumo, para uso comercial normal, você não sentirá diferença alguma.
No entanto, o que foquei não foram os números de benchmark, mas o fato de que ele pode "realizar tarefas longas e complexas sem perder o contexto no meio do caminho."
O que isso significa?
Significa que agora podemos terceirizar o próprio processo de "melhoria" — ler todos os arquivos de um sistema inteiro, cruzá-los com dados de vendas e julgar o que precisa ser corrigido —, algo que antes apenas humanos podiam fazer.
Com modelos convencionais, se você desse a eles 10 arquivos, eles frequentemente esqueciam o conteúdo dos primeiros e faziam sugestões irrelevantes. O Fable 5 quase nunca faz isso.
Um exemplo claro é um relatório do exterior onde "a migração de 50 milhões de linhas de código passou de 2 meses para 1 dia". Essencialmente, significa que ele pode prosseguir com o trabalho enquanto compreende totalmente um todo massivo.
Meu sistema tem cerca de 40 arquivos no total, além dos dados de vendas, então essa "capacidade de ler tudo" é diretamente eficaz.
É por isso que decidi que "deixá-lo melhorar um sistema existente" é a maneira mais inteligente de usá-lo, em vez de apenas brincar com novos recursos.
Há uma perspectiva importante aqui.
A evolução de um modelo não significa que "o sistema se torna obsoleto".
Significa que "a velocidade de melhoria do sistema aumenta".
Para aqueles que possuem um sistema, cada lançamento de novo modelo é um vento a favor.
A razão pela qual não faço as melhorias eu mesmo é tripla:
- Fazer você mesmo introduz "suposições" (julgar por que as coisas vendem com base na sua própria intuição).
- Terceirizar significa entregar o conteúdo do sistema (vazar o know-how).
- A IA pode ler todos os dados sem nenhuma emoção (processando volumes de dados durante a noite que são impossíveis para humanos).
Francamente, a melhoria é a tarefa de "ler todos os dados e encontrar as diferenças", então a IA é mais adequada para isso do que os humanos.
Minha intuição pode dizer: "Sinto que posts baseados em empatia estão funcionando este mês", mas se eu deixar a IA ler, ela retorna com descobertas baseadas em dados como: "Posts com altas taxas de salvamento têm consistentemente este elemento na introdução".
Essa diferença é enorme.
A visão geral do sistema automatizado de venda de notas
Esta é a configuração que estou executando:
- Design de Conceito (Consolidando quem, o que e como vender em um único arquivo md)
- Geração Automatizada de Posts (A IA cria 10 posts por dia com base no conceito)
- Postagem Automatizada (Fluxo para o Threads/X em horários definidos todos os dias)
- Orientação para a Note (O fluxo de Post → Perfil → Artigo da Note)
- Coleta de Dados (Impressões, salvamentos e vendas são acumulados automaticamente)
- Loop de Melhoria Automatizada (Os próximos posts mudam com base nos dados acumulados)
Para complementar um pouco cada parte:
O conceito md no passo 1 é o ponto de partida para tudo. Tudo a partir do passo 2 em diante se move com base no "quem, o que e como" escrito aqui.
No passo 2, a IA cria 10 posts por dia sozinha após ler o conceito md. Humanos não estão mais escrevendo.
O passo 3 é apenas colocá-los em uma ferramenta de postagem automatizada, então eu nem pressiono o botão de postar.
O passo 5 é silenciosamente importante; "qual post foi salvo", "qual post levou a um clique no perfil" e "quanto foi vendido naquele dia" são registrados automaticamente todos os dias.
O passo 6 é um loop que lê esses dados a cada 3 dias e os reflete nos próximos 30 posts.
O ponto é que este sistema não está "terminado depois de construído", mas sim que o ciclo de melhoria 5 → 6 → 2 continua girando.
As pessoas costumam dizer: "Parece difícil de construir", mas o trabalho pesado é apenas na primeira vez.
Você só usa seu cérebro ao construir inicialmente o conceito md e os critérios de avaliação. Depois disso, quanto mais ele roda, mais dados se acumulam, e quanto mais dados se acumulam, maior a precisão das melhorias.
Como é uma estrutura que fica mais forte com o tempo, honestamente acho que as pessoas que começam cedo ganham este jogo.
Então, o que os humanos estão fazendo? Na verdade, apenas três coisas:
- Decidir o gênero e o conceito no início (este é o trabalho de um humano).
- Decidir se adota as sugestões de melhoria da IA (escreverei sobre isso em detalhes mais tarde).
- Ocasionalmente olhar os dados e investigar se algo parece estranho.
Em termos de tempo de trabalho diário, é menos de 10 minutos.
E o que pedi para o Fable 5 fazer desta vez foi a tarefa mais a montante do ciclo: "Cruzar todos os arquivos deste sistema com dados de vendas recentes para identificar áreas que precisam de correção."
Não fiz nada difícil para a transferência de dados; apenas deixei que ele lesse o conjunto de arquivos do sistema e os dados contendo vendas, impressões e salvamentos como estavam.
Muitas pessoas pensam: "Tenho que organizar antes de entregar", mas é o oposto.
Se você entregar dados brutos, a IA os organizará sozinha e captará correlações que os humanos não notam.
O prompt que enviei foi basicamente este (vou deixá-lo aqui para você copiar e colar):
"Leia todos os arquivos deste sistema e compare-os com os dados de vendas para identificar todas as diferenças entre 'quando vende' e 'quando não vende'. Dê-me apenas as diferenças de dados, não impressões. Em seguida, proponha em qual arquivo e em quais critérios de julgamento do sistema essas diferenças devem ser refletidas, como um conjunto de nome de arquivo e proposta de modificação."
O ponto é que restringi a "apenas diferenças de dados, não impressões."
Se você não incluir isso, a IA misturará conselhos gerais como "Aumente a frequência de postagem", o tipo de coisa escrita em toda parte.
Ao limitar às diferenças de dados, apenas pontos de melhoria exclusivos do meu sistema aparecem.
Depois que as diferenças são extraídas, o prompt para realmente fazê-lo corrigir é este:
"Especificarei quais das propostas adotarei, então reescreva os arquivos correspondentes diretamente. Mostre-me uma lista das diferenças antes e depois da reescrita no final. Não mude um único caractere nas partes que não especifiquei."
"Não mude um único caractere nas partes que não especifiquei" é seriamente importante. Se você não incluir isso, a IA "melhorará" outras áreas por boa vontade. Ao deixar que ela toque em um sistema funcional, a regra de ouro é restringir o escopo das mudanças.
Três diferenças que o Fable 5 encontrou entre "quando não vende"
Então, houve três diferenças que o Fable 5 apontou.
No momento em que vi a primeira, pensei: "Isso definitivamente mudará as vendas".
Diferença ①: Notas que vendem tinham "a frase logo antes de comprar"
Esta é a conclusão a que o Fable 5 chegou após comparar todas as notas que vendem e as que não vendem.
Os conceitos das notas que vendem tinham as "emoções que vêm à mente do leitor logo antes de comprar" verbalizadas e incluídas.
As que não vendiam eram projetadas apenas até o "alvo" e o "problema".
Especificamente, o conceito de uma nota que não vendia estava neste nível de granularidade:
"Mulher de 30 anos · quer voltar com o ex · ensine-a como."
E o conceito de uma nota que vende era assim:
"Mulher de 30 anos · quer voltar com o ex · compra no momento em que pensa: 'Se eu fizer exatamente o que essa pessoa diz, talvez não precise olhar para o meu celular à meia-noite e me sentir ansiosa novamente'."
Você vê a diferença?
A primeira termina com "o que vender".
A segunda é projetada até os pensamentos na cabeça 0,5 segundos antes de abrir a carteira.
Esta foi a linha divisória para as vendas.
Então, pedi para adicionar "verbalização das emoções logo antes da compra" como um item obrigatório no design de conceito md.
Apenas adicionar este item muda tudo. Como o conceito está a montante, a escolha das palavras dos posts gerados, o título da nota e a forma como o texto do corpo atinge — tudo começa a ser escrito em direção àquele "pensamento logo antes de comprar".
Uma modificação de um item em um arquivo reverbera em todos os produtos a jusante. Esta é a beleza da sistematização.
A propósito, também pedi ao Fable 5 para gerar o jeito de escrever este item: o critério é "escrever os sentimentos verdadeiros que o leitor não pode contar a ninguém, nas próprias palavras do leitor".
"Quero resolver minha ansiedade" é fraco.
Se você puder escrever: "Tenho tanto medo de ser ignorada novamente que não consigo pressionar o botão de enviar", é um passe.
É o mesmo em outros gêneros. Por exemplo, no nicho de renda extra, em vez de "para pessoas que querem ganhar com uma renda extra", use:
"Pessoas que olham o saldo uma semana antes do pagamento e colocam um item de volta na cesta no mercado enquanto suspiram."
Se você conseguir escrever até esse ponto, torna-se uma nota que parece um anúncio visível apenas para aquela pessoa.
Diferença ②: Critérios de avaliação de posts estavam muito focados em impressões
Os critérios de avaliação para o loop de melhoria automatizada eram "pesados em impressões".
No entanto, o que se correlacionava com as vendas não eram impressões, mas "número de salvamentos" e "taxa de cliques no perfil".
Isso significa que posts que recebem impressões e posts que abrem carteiras são coisas diferentes.
Qualquer pessoa fazendo marketing de lista entenderia isso, mas o número de leads e o número de conversões não necessariamente se correlacionam.
Posts que recebem impressões são do tipo "empatia, identificação, humor".
Mas para posts que abrem carteiras, movimentos como "quero salvar isso e ler mais tarde" ou "vamos verificar o perfil dessa pessoa" estão acontecendo.
Viralizar é bom, mas os números diretamente ligados às vendas eram os mais modestos.
A propósito, esses dois números podem ser vistos por qualquer pessoa gratuitamente no X Analytics.
Apenas revisando seus posts em ordem de "salvamentos" em vez de "impressões", você deve encontrar os padrões que vendem.
Para referência, posts salvos tinham três coisas em comum:
- Continham passos específicos que podem ser usados mais tarde (não termina no momento em que é lido).
- Continham números ou nomes próprios, fazendo as pessoas quererem guardá-los como um "lembrete".
- Havia espaço para aplicar à própria situação (em uma forma que pode ser usada como está).
Por outro lado, "boas histórias" não são salvas. Impressões são consumidas na hora e terminam ali.
Quando pedi para reescrever os critérios de avaliação para "focar em salvamentos e cliques no perfil", as impressões caíram ligeiramente, mas as vendas subiram — um movimento interessante.
Apenas mudando uma linha dos critérios de avaliação no loop de melhoria automatizada, a direção de todos os posts gerados muda, então pessoas que têm um sistema devem revisar isso primeiro.
Diferença ③: A ordem do texto do corpo era "solução muito cedo"
Notas que não vendiam entregavam a solução demais no início.
Se você mostrar a resposta antes que o leitor perceba "este é o meu problema", eles terminam de ler antes de sentirem o valor.
Notas que vendem usavam "30% do total para verbalizar o problema."
Em uma nota de 7.000 caracteres, os primeiros 2.000 caracteres são usados não para dar uma solução, mas para "descrever a situação do leitor com mais precisão do que o próprio leitor".
Somente depois que o leitor está em um estado de "Por que você me conhece tão bem?" é que você fornece a solução pela primeira vez.
Nesta ordem, até o mesmo conteúdo é lido como algo "valioso".
E para aqueles que se perguntam "como escrever a verbalização do problema", deixarei o procedimento que realmente uso.
Peço à IA que escreva 10 monólogos que o alvo está pensando na cama à noite.
Coisas como "Já faz uma semana e ainda sem confirmação de leitura", "Não consigo falar com meus amigos sobre isso" ou "Meu histórico de pesquisa é todo sobre voltar com um ex".
Apenas reorganizando esses 10 e colocando-os no início do texto do corpo, a parte de verbalização do problema está quase completa.
Um erro comum aqui é escrever o problema em "generalidades".
Frases como "Voltar é difícil, não é?" ou "Isso te deixa ansioso, não é?" que se aplicam a qualquer um não atingirão ninguém. Somente quando você especifica ao nível de um monólogo é que o momento "Isso é sobre mim" ocorre.
Isso também foi algo que o Fable 5 apontou como uma diferença de dados. É um básico de vendas quando você pensa sobre isso, mas era uma parte que não tinha sido incorporada ao sistema de geração automatizada.
Coisas que os humanos fariam naturalmente estão faltando no design do sistema.
Encontrar esses "buracos que eram conhecidos, mas não implementados" é a melhor parte de deixar a IA fazer as melhorias.
Filosofia de design ao deixar melhorias para a IA
Existem três princípios que aprendi ao tentar isso para deixar melhorias para a IA.
Princípio ①: Melhorias para a IA, decisões de adoção para você
Houve 7 propostas do Fable 5 no total.
Adotei 3.
Entre as 4 que rejeitei estava, por exemplo, uma proposta para "aumentar o número de posts de 10 para 15 por dia".
A lógica era sólida, mas eu já tinha verificado no passado que, para minha base de leitores, a pressão na linha do tempo seria muito forte e eles acabariam me silenciando, então rejeitei.
Se você engolir tudo, o sistema tenderá para generalidades da IA e, inversamente, parará de vender.
Na verdade, uma vez adotei todas as propostas no passado, e os números caíram naquela semana.
Mesmo que cada uma pareça correta, quando combinadas, torna-se uma "conta encontrada em qualquer lugar".
A IA é um gênio em encontrar diferenças, mas os materiais para julgar "se deve adotar essa diferença" — histórico de verificação passado e a sensação dos leitores — existem apenas dentro de você.
Princípio ②: Sempre reflita melhorias nos "arquivos"
Não diga apenas "faça isso de agora em diante" no chat e termine; peça à IA para reescrever os próprios arquivos do sistema.
A razão para fazer isso é transformar melhorias em ativos.
Instruções em um chat desaparecem, mas critérios de julgamento colocados em um arquivo continuam sendo eficazes para tudo, desde a próxima geração em diante.
No meu caso, divido os destinos de reescrita por função.
"Quem vender o quê para quem" é o arquivo de conceito, "qual post julgar como tendo crescido" é o arquivo de critérios de avaliação e "em que ordem escrever a nota" é o arquivo de estrutura.
Como posso ver qual arquivo cresceu com cada melhoria, parece que o sistema inteiro está ficando cada vez mais inteligente.
Princípio ③: Corrija a partir da montante (Conceito > Post > Redação)
Quando se trata de melhorias, você tende a querer corrigir a partir da jusante, como a redação de um post.
No entanto, a ordem de eficácia para vendas é "Conceito > Critérios de Avaliação > Estrutura do Corpo > Redação".
A principal razão pela qual as vendas dobraram desta vez foi sem dúvida a parte do conceito da Diferença ①.
A razão é simples: um local a montante afeta tudo o que é gerado a partir dali, mas um local a jusante afeta apenas aquela peça.
Se você corrigir uma linha do conceito, todos os futuros posts e notas mudarão. Se você corrigir um final de um post, apenas aquele post muda.
Se a carga de trabalho é a mesma, é melhor usá-la onde é eficaz.
Não importa o quanto você polir a jusante, se o design a montante não vende, os números não se moverão.
Pessoas no lado do sistema lucram toda vez que a IA evolui
Então, o que está acontecendo agora?
Refleti as melhorias em meados de junho e, a partir daí, as vendas diárias estabilizaram em quase o dobro.
A parte mais eficaz foi sem dúvida a parte do conceito da Diferença ①. Imediatamente após refleti-la, o fluxo de "Salvamento → Perfil → Compra" do conteúdo gerado mudou visivelmente.
O tempo de trabalho permanece inalterado, quase zero.
Este incidente me deu certeza de uma coisa:
As pessoas que mais lucram toda vez que a IA evolui são "aquelas que têm um sistema".
O Fable 5 em si pode ser usado por qualquer pessoa.
Mas pessoas que não têm um "alvo para o Fable 5 melhorar" só podem testá-lo quando um novo modelo sai.
Há pessoas que testam um novo modelo toda vez que é lançado, dizem "é incrível", postam suas impressões e terminam por aí.
E então há pessoas que, toda vez que um novo modelo sai, deixam que ele leia seu sistema, melhore-o e elevem seus números de vendas em um nível.
Mesmo usando a mesma IA, uma é consumo e a outra é investimento.
Porque eu tinha um sistema e dados, minhas vendas se moveram no dia em que o modelo evoluiu.
Modelos continuarão a evoluir.
Em seis meses, um modelo mais inteligente que o Fable 5 será lançado, e farei a mesma coisa novamente.
Este loop em si é um ativo.
Toda vez que isso acontece, acredito que a lacuna entre aqueles que têm um sistema e aqueles que não têm aumentará em um ritmo incrível.
Às vezes me perguntam: "Não é tarde demais para começar agora?", mas é o oposto.
Os retardatários podem construir um sistema com um modelo inteligente desde o início, então podem pular as partes com as quais lutei no passado.
Quando comecei a construir este sistema, tive que corrigir manualmente a saída da IA toda vez, mas as pessoas que o constroem agora dificilmente precisarão desse processo.
Se é tarde ou não, é decidido não pelo tempo de entrada, mas apenas se você começar a construir um sistema.
Agora, para aqueles que leram até aqui e pensaram: "Quero mudar para o lado do sistema".
Na verdade, um projeto incrível está em andamento agora.
Estou fazendo um desafio em tempo real chamado "Fazendo uma dona de casa sem conhecimentos técnicos na casa dos 40 anos ganhar 200.000 ienes usando apenas a automação do Claude Code, com um limite de 30 minutos por dia."
Enquanto você dorme, a IA termina de escrever uma nota e, quando você acorda de manhã, ela está vendendo sozinha.
Estou mostrando tudo, incluindo falhas, de como "deixar tudo para a IA e fazê-la ganhar para você" está se tornando uma realidade.
Os passos para construir um sistema do zero, modelos para design de conceito e os movimentos de pessoas que estão realmente ganhando estão sendo compartilhados aqui, então, honestamente, acho que você está perdendo se não vir.
O que você pode receber participando ↓
✅ Todo o processo de uma dona de casa sem conhecimentos técnicos na casa dos 40 anos alcançando de 0 a 200.000 ienes (divulgado em um nível que você pode imitar exatamente como está)
✅ Distribuição do conteúdo da automação do Claude Code realmente usada no desafio via colunas de comentários
✅ O know-how mais recente sobre vendas de IA x Note (mais de 50 pessoas relatando resultados; um caso em que alguém que era um colecionador de know-how fez 147.000 ienes em um mês)
Participe aqui (completamente gratuito, há um limite no número de pessoas, então por favor, junte-se cedo)
https://line.me/ti/g2/2NjuIznaLxS8gyB0eKLdMOQxQvpcYUYj1e9TlQ
