In questa breve nota pubblicata il 3 luglio 2026, Simon Willison riporta due consigli convergenti su come sfruttare al meglio gli agenti di codifica, ascoltati durante una Fireside Chat da lui condotta all'AIE con Cat Wu e Thariq Shihipar, del team Claude Code.
Il primo principio: lasciare che il modello eserciti il proprio giudizio invece di dettargli come deve lavorare. Questo vale per Fable e, in una certa misura, per Opus. L'esempio riportato riguarda i test. Si può scrivere una regola esplicita — « only use automated testing for larger features, don't update and run tests for small copy or design changes » — ma è preferibile chiedere semplicemente a Fable di usare il proprio giudizio per decidere quando scrivere i test. Il discernimento contestuale del modello si rivela più robusto della regola codificata.
*So far it seems to be working well. I'm getting a ton of work done and my Fable allowance is shrinking less quickly than before.*
Il secondo consiglio, trasmesso da Jesse Vincent, applica la stessa filosofia all'economia dei token. Il contesto è sensibile al fattore tempo: i prezzi dei token di Fable sono destinati ad aumentare entro pochi giorni. Per evitare di consumare questa risorsa preziosa, l'idea è chiedere a Fable di delegare i compiti più piccoli a modelli meno potenti, lasciandogli giudicare da solo quale sia adatto.
Willison applica subito il consiglio e documenta l'esperienza dall'inizio alla fine. Fornisce il prompt esatto inviato a Claude Code: « For all coding tasks use your judgement to decide an appropriate lower power model and run that in a subagent ». In risposta, Claude Code ha scritto spontaneamente un file di memoria (~/.claude/projects/<project>/memory/delegate-coding-to-subagents.md, type: feedback). Questo file non si limita a registrare l'istruzione: ne codifica l'applicazione — sonnet per l'implementazione sostanziale, haiku per le modifiche banali o meccaniche — riservando al modello principale ciò che richiede giudizio: design, audit, sintesi dei dati, revisione. La logica si riassume in una frase: il lavoro di implementazione raramente necessita del modello di punta, mentre giudizio, revisione e sintesi restano nel loop principale.
Il bilancio è empirico e misurato: « So far it seems to be working well. I'm getting a ton of work done and my Fable allowance is shrinking less quickly than before. » La nota illustra così, attraverso un caso riproducibile, una doppia best practice: non iper-specificare agenti capaci di giudizio, e orchestrare più livelli di modelli tramite subagenti per preservare i token premium.