Anthropic开发者分享Fable 5提示技巧:先发现自身盲点

摘要
Anthropic开发者Thariq Shihipar指出,使用Claude新模型Fable 5时,瓶颈不再是模型本身,而是用户的盲点。他介绍了盲点扫描和结构化访谈等技术,帮助程序员系统性地发现无意识的知识缺口,再将实现任务交给Claude。
背景解释
随着AI模型能力提升,如何有效利用它们成为关键。Shihipar的方法强调用户需先识别自身知识盲点,而非盲目依赖模型。这有助于提高人机协作效率,避免因提示不当导致错误输出,对开发者优化工作流程具有参考价值。
原文译文
以下为抓取到的原文内容译文,已统一为站内阅读格式。
广告
Anthropic 开发者分享 Fable 5 的提示技巧:首先关注发现自己的盲点

Matthias Bastian[查看 Matthias Bastian 的 LinkedIn 资料](https://www.linkedin.com/in/matthias-bastian-128b71b1/ "查看 Matthias Bastian 的 LinkedIn 资料")
2026年7月4日

Nano Banana Pro 由 THE DECODER 提示生成
要点
- 据 Anthropic 开发者 Thariq Shihipar 称,Claude 新模型 Fable 5 的输出质量取决于用户在编写提示时能否有效识别自己的知识空白和盲点。
- Shihipar 提出了几种发现这些“未知”的技巧,包括有针对性的头脑风暴、与 AI 的结构化来回对话,以及在编码过程中维护详细的实现笔记。
- Shihipar 指出,提示的一个核心挑战是找到合适的详细程度:过于详细的指令可能将 AI 锁定在有缺陷的方法上,而过于开放的提示往往会产生通用且无用的回答。
搜索本文相关内容…
主题
任何使用 AI 代理编写代码的人都遇到过这个问题。提示已经设定,计划似乎清晰,但结果却不尽如人意。据 Anthropic 开发者 Thariq Shihipar 称,对于 Claude 的最新模型 Fable 5,这越来越不是模型本身的问题,而是用户自身盲点的结果。
Shihipar 表示,Fable 5 是第一个输出质量受限于用户澄清其“未知”能力的模型。“已知的已知”是提示中已经包含的内容。“已知的未知”是你知道尚未解决但意识到其存在的问题。“未知的已知”描述的是那些过于明显以至于你永远不会写下来,但看到就能识别出来的知识。根据 Shihipar 的说法,关键类别是“未知的未知”,即你完全没有考虑过的事情。
过于具体和过于模糊同样糟糕
Shihipar 表示,仅靠提前规划是不够的。未知可能在实现过程中深入浮现,或者表明问题应该以完全不同的方式解决。他认为,最好的代理编码者拥有相对较少的未知,但仍然总是预料到它们的存在。
广告
Shihipar 认为,过于具体可能导致 Fable 5 僵化地遵循指令,即使改变方向更合理。过于模糊则会导致基于行业默认值的决策,而这些默认值并不适合特定任务。
广告
“当你不考虑自己的未知时,你会两种方式都失败,”Shihipar 写道。但他补充说,Claude 可以帮助你更快地发现自己的未知。它高速搜索代码库和互联网,并且比普通用户更了解大多数主题。根据 Shihipar 的说法,关键在于为 Claude 提供关于你起点的上下文,即你在思考中所处的位置以及你对问题的经验。
在构建之前,系统性地发现盲点
Shihipar 描述了在实际实现之前的几个技巧。在他所谓的“盲点检查”中,你让 Claude 识别你的未知的未知。他说,当你在代码库中不熟悉的部分工作时,这种方法尤其有效。
广告
他建议的一个示例提示:“我正在添加一个新的认证提供者,但我对这个代码库中的认证模块一无所知。你能做一个盲点检查,帮助我找出相关的未知的未知,并帮助我更好地向你提问吗?”
对于存在许多“未知的已知”的领域,比如视觉设计,Shihipar 建议进行头脑风暴和原型设计。他没有直接进入实现,而是让 Claude 生成几种截然不同的设计方向作为 HTML 工件,以便他做出反应。他几乎每次编码会话都以探索或头脑风暴阶段开始,有意识地定义项目范围。
广告
他描述的其他技巧包括结构化访谈,即 Claude 逐个问题询问用户关于歧义之处,优先考虑那些答案会改变架构的问题。引用也很重要,Shihipar 说。源代码是最好的参考,即使是用不同编程语言编写的。例如,Claude Design 会读取网站的底层代码,而不仅仅是截图。
广告
在实际工作开始之前,Shihipar 让 Claude 创建一个实现计划,重点关注最可能变化的部分,如数据模型、类型接口以及用户侧的所有内容。机械重构放在最后。
在实现过程中和之后,记录并理解
Shihipar 警告说,未知也潜伏在实现过程中。他要求 Claude Code 维护一个临时的“implementation-notes.md”文件,记录其做出的决策,以便从下一次尝试中学习。当出现意外的边缘情况时,Claude 应选择保守选项,记录偏差,并继续工作。
| 类别 | 含义 | | --- | --- | | 已知的已知 | 提示中陈述的内容,即用户明确陈述的知识。 | | 已知的未知 | 你知道尚未回答的问题。 | | 未知的已知 | 过于明显以至于你永远不会写下来,但看到就能立即识别出来的知识。 | | 未知的未知 | 你完全没有考虑过的事情。 |
实现之后,Shihipar 推荐两种技巧。首先是“推介和解释”,即面向利益相关者的摘要文档,包含原型、规格和实现笔记。其次是“测验”,Claude 生成一份 HTML 报告,详细说明所做的更改,包括上下文和见解,然后进行测验。Shihipar 表示,他只有在通过测验且没有任何错误后才会合并。
一个完全用 Claude Code 编辑的发布视频
Shihipar 以Fable 的发布视频为例展示了这些技巧如何协同工作,该视频完全由他用 Claude Code 编辑。他说,视频编辑对他来说是一个新领域。
他从已知的内容开始。Claude 可以使用代码编辑和转录视频。尚不清楚准确性是否足够好,因此他请人解释了 Whisper 的转录原理,以及是否可以使用 ffmpeg 精确剪切填充词和停顿。对于 UI 元素的时间控制淡入,他用 Remotion 构建了一个原型。
当结果在色彩方面显得平淡时,他首先尝试让 Claude 生成各种调色变体。但他意识到自己不知道调色方面“好”的标准。他没有盲目评估变体,而是让 Claude 教他相关知识,以发现他的未知。
Shihipar 表示,模型越强大,采用正确方法能实现的效果就越多。如果长时间运行的任务出现问题,你可能需要投入更多时间来定义自己的未知,或者创建一个让 Claude 能够即兴应对的实现计划。
“每一个解释、头脑风暴、访谈、原型和引用,都是在你付出高昂代价修复之前,发现你不知道的东西的廉价方式,”他写道。Shihipar 还在一个网站上整理了他的技巧的视觉版本。
人工智能新闻,无炒作,由人类精选
订阅 THE DECODER,享受无广告阅读、每周 AI 通讯、每年六次的独家“AI 雷达”前沿报告、完整档案访问以及评论区的访问权限。
BETA-TEST
×
开始新搜索
×\|
发送
wpDiscuz
插入
BETA-TEST
×
开始新搜索
×\|
发送
wpDiscuz
插入
来源地区
Europe
热度分
84
分类
全球快讯
语言
en
