איך בניתי ״מוח שני״ עם Fable 5? ואיך גם אתם יכולים?

מה זה בכלל "מוח שני"? ולמה דווקא Fable 5?

מוח שני (Second Brain) הוא מערכת דיגיטלית חיצונית שנועדה לאסוף, לארגן ולאחזר את הידע והרעיונות שלכם. הרעיון הוא פשוט: המוח הביולוגי שלנו מצוין ביצירת רעיונות, אבל גרוע באחסון שלהם לאורך זמן. כולנו מכירים את הרגע שבו רעיון מבריק צץ בראש – ונעלם שלוש שעות אחר כך. המוח השני משחרר אותנו מהנטל הזה ומאפשר להתמקד ביצירה.

עכשיו, מה שהופך את Fable 5 לשותף המושלם לניהול מוח שני הוא היכולת שלו לבצע חשיבה רב-שלבית מורכבת – לקרוא עשרות מסמכים, לזהות קשרים ביניהם, לעדכן דפי ויקי ולבדוק את עצמו – בלי שתצטרכו להחזיק אותו ביד. כן, הוא יקר (בערך פי 2 מ-Opus), אבל הדיוק שלו הופך אותו ל"שותף מייסד" ולא לעוזר זוטר. המשימות שבהם הוא מצטיין – תכנון, אסטרטגיה, ארגון ידע מורכב – הן בדיוק אלה ששווה לשלם עליהן יותר.

המושגים שחובה להכיר לפני שמתחילים

לפני שנצלול לתוך הבנייה, הנה הסבר קצר על המונחים הטכניים שנשתמש בהם לאורך המדריך. אם אתם כבר מכירים אותם – קפצו לשלב הבא.

• Markdown: פורמט כתיבה פשוט המבוסס על טקסט נקי. הסיבה שאני משתמש בו – סוכני AI קוראים וכותבים Markdown בקלות ובדיוק, בניגוד ל-PDF או Word שדורשים פרסור מורכב.

 

• YAML / Frontmatter: בלוק של מטא-דאטה (כמו תאריך, תגיות, קטגוריה) שמופיע בראש קובץ Markdown. מעין ״תקציר״ של מה שהולך להופיע בהמשך הקובץ. זה מה שמאפשר לסוכן לקטלג ולחפש מידע בצורה מובנית – כמו כרטיסיית ספרייה דיגיטלית.

 

• MCP (Model Context Protocol): תקן פתוח של Anthropic שמאפשר ל-Claude להתחבר ישירות לקבצים ולכלים חיצוניים במחשב שלכם. בפועל – זה מה שנותן ל-Fable 5 "ידיים" לגעת בתיקיות, לקרוא קבצים ולערוך אותם.

 

• RAG (Retrieval-Augmented Generation): שיטה שבה ה-AI שולף מידע מדויק מתוך הקבצים האישיים שלכם כדי לענות על שאלות, במקום להסתמך רק על הידע הכללי שלו. זה ההבדל בין "Claude שיודע הכל באופן כללי" לבין "Claude שיודע מה כתבתם בסיכום הפגישה של יום שלישי".

שלב 1: ארכיטקטורת ה-LLM Wiki – שלוש השכבות

המוח השני שבניתי מבוסס על שיטת ה-LLM Wiki, שזכתה לפופולריות בין היתר בזכות אנדריי קרפתי. העיקרון המרכזי: ה-AI הוא הבעלים והמנהל של שכבת הארגון, לא אתם. אתם מספקים חומרי גלם, והוא מפיק מהם ידע מובנה. המבנה מתחלק לשלוש שכבות:

1. שכבת המקורות (Sources)
   • תיקייה שמכילה חומרי גלם גולמיים – תמלולים, מאמרים, קבצי PDF, הערות מפגישות, קטעי פודקאסט מתומללים.
   • חוק ברזל: ה-AI קורא מכאן, אך לעולם לא עורך את הקבצים הללו. אלו המקורות המקוריים, ה"אמת היחידה" (Single Source of Truth) שהמערכת מתבססת עליה.

 

2. שכבת הוויקי (Wiki)
   • כאן קורה הקסם. ה-AI כותב ומעדכן דפי מושגים, ישויות ופרויקטים על בסיס המקורות. אלו "אבני בניין של ידע" – כל דף מתאר מושג, אדם, פרויקט או רעיון אחד, עם קישורים פנימיים לדפים אחרים.
   • הדפים כתובים ב-Markdown עם Frontmatter של YAML – כך ש-Fable 5 יכול לחפש, לסנן ולעדכן אותם באופן אוטומטי. הם מסודרים, קריאים ומקושרים ביניהם בצורה מופלאה.

 

3. שכבת הסכימה (Schema)
   • קובץ בשם CLAUDE.md בשורש התיקייה, שמשמש כ"נתב" (Router) של המערכת כולה.
   • הוא מסביר ל-Fable 5 מי אתם, מה המבנה של התיקיות, מהם חוקי העבודה, ואילו פעולות מותרות ואסורות. בפועל – זה ה-System Prompt שמנהל את כל שאר ההתנהגות.

שלב 2: יישום מודל ה-4C – הפיכת המוח השני למערכת הפעלה

אחרי שהמבנה קיים, הגיע הזמן להפוך אותו למערכת חיה. עבדתי לפי מתודולוגיית ארבעת ה-C, שמכסה את כל ההיבטים הנדרשים כדי שהמערכת תעבוד באופן אוטונומי ועקבי.

1. Context – הקשר

זו ההגדרה של קובץ ה-CLAUDE.md שלכם. ספקו למודל נתיבים מדויקים לתיקיות ה-Wiki וה-Sources, הסבירו את המבנה ההיררכי, והגדירו את "זהותו" ביחס למערכת. Fable 5 זקוק להקשר ברור כדי לא "ללכת לאיבוד" במאגר הידע שלכם. ככל שה-CLAUDE.md מפורט ומדויק יותר, כך ההתנהגות עקבית ואמינה יותר.

2. Connections – חיבורים

חברו את המוח השני לעולם החיצון. השתמשו ב-API או ב-MCP כדי לאפשר ל-Fable לשלוף נתונים חיים — מהיומן שלכם, מהמייל, מסיכומי פגישות, ואפילו מכלי ניהול פרויקטים. ככל שיש יותר זרימות מידע נכנסות, כך המוח השני הופך לרלוונטי יותר.

3. Capabilities – יכולות ומיומנויות

צרו תיקייה בשם .claude/skills ובה קבצי הוראות לפעולות חוזרות. בפועל, אלו "פקודות" שמפעילות רצף עבודה מוגדר:

• /capture – פקודה לקליטת מקור חדש. Fable 5 קורא את החומר הגולמי, מנקה רעשים, מוציא את עיקרי הנקודות, ומתייג אוטומטית עם Frontmatter מתאים.

 

• /sync – עדכון דפי ה-Wiki הקיימים על בסיס מידע חדש שנוסף ל-Sources. המודל סורק את המקורות האחרונים, מזהה מה רלוונטי לדפים קיימים, ומעדכן אותם.

 

• /lint – בדיקת תקינות שבועית. Fable 5 עובר על כל דפי הוויקי, מאתר סתירות לוגיות, קישורים שבורים, מידע מיושן, ומציע תיקונים.

4. Context Discipline – משמעת הקשר

זה אולי הטיפ הכי חשוב: אל תערבבו משימות. עבדו ב"פעימות" (Phases) – סשן למחקר, סשן לטיוטה, סשן לליטוש. Fable 5 מציג ביצועים טובים משמעותית כשהוא ממוקד בשלב עבודה ספציפי, במקום לקפוץ בין מחקר לכתיבה לעריכה באותה שיחה. חשבו על זה כמו ניהול ישיבות – כל ישיבה עם אג'נדה ברורה.

שלב 3: טיפים פרקטיים מהבדיקות שלי עם Fable 5

אחרי שבועות של עבודה עם מודלים אחרים, ושעות רבות על Fable 5, הנה מה שלמדתי – הדברים שעושים את ההבדל בין שימוש "סביר" לבין מערכת שבאמת מביאה ערך משמעותי:

1. השתמשו במיומנות "Grill Me" ("תפור אותי")
   • הנחו את Fable 5 לראיין אתכם – 15 עד 30 שאלות ממוקדות – כדי לחלץ ידע סמוי מהראש שלכם. הרבה מהמידע הכי חשוב שלנו נמצא ב"ראש" אבל מעולם לא תועד. סשן כזה מייצר חומר גלם עשיר שנכנס ישירות ל-Sources ומשם מתומצת לדפי Wiki. זו פרקטיקה מספיק חשובה בשביל ״לארוז״ אותה לתוך Skill.

 

2. דרשו אימות עצמי (Self-Verification)
   • תמיד בקשו מהמודל לבדוק את העבודה שלו בסוף התהליך ולהראות את המקור המדויק עליו הוא מתבסס. Fable 5 מצטיין בביקורת עצמית – הוא יכול לזהות מקרים שבהם הוא "המציא" מידע או שלף אותו ממקור לא רלוונטי. תרגול עקבי של אימות עצמי מעלה את אמינות המערכת כולה.

 

3. נהלו תקציב אסימונים בחוכמה
   • Fable 5 יקר, וזה לא סתם. אל תבזבזו אותו על משימות כתיבה פשוטות או ניסוחים חוזרים. השתמשו בו לתכנון, אסטרטגיה וארגון ידע מורכב – ואת המשימות הפשוטות יותר (כתיבת טיוטות, סיכומים בסיסיים) העבירו למודלים זולים יותר כמו Sonnet, דרך מנגנון Sub-agents. ככה תשמרו על איכות גבוהה בלי לפוצץ את התקציב.

דוגמה מעשית: מבנה תיקיות מומלץ

כדי להמחיש איך זה נראה בפועל, הנה מבנה תיקיות בסיסי שתוכלו להתחיל ממנו. שימו לב שהמבנה מכוון – הוא מפריד בבירור בין חומרי הגלם לבין הידע המעובד:

my-second-brain/
├── CLAUDE.md                  # Schema - the router file
├── .claude/
│   └── skills/
│       ├── capture.md         # /capture skill instructions
│       ├── sync.md            # /sync skill instructions
│       └── lint.md            # /lint skill instructions
├── sources/
│   ├── transcripts/
│   ├── articles/
│   ├── meeting-notes/
│   └── raw-ideas/
└── wiki/
    ├── concepts/
    ├── people/
    ├── projects/
    └── decisions/

קובץ ה-CLAUDE.md בשורש הוא הלב של הכל. הוא צריך להכיל את הזהות שלכם (מה אתם עושים, מה חשוב לכם), את מפת התיקיות, ואת החוקים – למשל: "לעולם אל תערוך קבצים בתיקיית sources", "כל דף wiki חייב לכלול Frontmatter עם תאריך יצירה ותגיות", "בסוף כל עדכון, ספק רשימה של הקבצים שנערכו".

למה דווקא Fable 5 ולא מודל אחר?

אני לא טוען ש-Fable 5 הוא המודל הנכון לכל משימה. אבל לסוג הספציפי הזה של עבודה – ניהול ידע מורכב, עדכון מתמשך, חשיבה רב-שלבית ומשמעת ביצוע – הוא מציג יתרון ברור על פני המודלים האחרים שבדקתי.

כמה דברים שבלטו בבדיקות:

• הוא "פשוט מבין" משימות אמביציוזיות. בעבר, כדי לגרום למודל לנהל מערכת ידע, הייתי צריך לפרק כל צעד לתת-צעדים ולספק דוגמאות. Fable 5 מקבל הנחייה כללית ומבצע אותה ברמה שמפתיעה אותי שוב ושוב.

 

• עקביות לאורך סשנים ארוכים. הוא לא "שוכח" את ההקשר באמצע עבודה מורכבת, ולא סוטה מחוקי ה-Schema שהגדרתם ב-CLAUDE.md.

 

• ביקורת עצמית אמיתית. כשאתם מבקשים ממנו לבדוק את עצמו, הוא באמת מוצא שגיאות – ולא "מתנצל" בצורה גנרית כמו שמודלים אחרים נוטים לעשות.

נקודה מעניינת: אפשר להתייחס לעלות הגבוהה שלו כ״אילוץ מכוון״. היא מאלצת אתכם לחשוב מתי באמת צריך "מוח כבד" ומתי אפשר להסתפק במודל קל יותר. בפועל, Fable 5 מנהל את האסטרטגיה, ו-Sonnet מבצע את העבודה השוטפת.

סיכום: המעבר לבינה היברידית

בניית מוח שני עם Fable 5 היא לא רק פרויקט טכנולוגי – היא שינוי מיינדסט. המטרה היא לעבור מניהול ידע ידני וסיזיפי לבינה היברידית: מערכת שבה אתם מביאים את האינטואיציה, הכיוון והשיפוט האנושי, וה-AI מנהל את הזיכרון, הארגון והביצוע.

הכוח האמיתי של Fable 5 בהקשר הזה הוא היכולת להפוך את המידע שלכם לנכס מחקרי מצטבר – כזה שמתחזק ומשתפר גם כשאתם לא עובדים עליו. כל מקור חדש שנכנס למערכת מעשיר את דפי הוויקי הקיימים, יוצר קשרים חדשים, ומגלה תובנות שלא הייתם מגיעים אליהן לבד.

ההמלצה שלי: התחילו קטן. תיקיית Sources עם 10-20 מסמכים, תיקיית Wiki ריקה, וקובץ CLAUDE.md בסיסי. תנו ל-Fable 5 לעבוד – ותתפלאו כמה מהר המערכת מתחילה להפתיע אתכם.

בהצלחה!