fable 5 自面世以来，其发展轨迹便如其名般充满玄机与变数。
从被寄予厚望的「AI 封神时刻」，到突遭美国政府禁令强制下架，再到限制非美国用户访问——这场风波席卷全球，牵动无数开发者与研究者的心弦。
如今，喧嚣渐息，喧闹退潮。模型的价值终究要落回真实场景、回归生产一线。
为此，Claude Code 工程师 Thariq Shihipar 在社交平台上发布了一篇深度长文，系统梳理了驾驭 Fable 5 的核心方法论。
这篇文章回应了一个长期萦绕在用户心头的困惑：当下大模型能力已如此强大，为何我仍常感它“答非所问”、“做不对事”？
Thariq 的剖析令人顿悟：人与模型之间，本质存在一道“信息鸿沟”——即用户输入的提示词、技能设定、上下文信息，与任务真实执行所需的全部条件之间，并不完全对齐。
整篇博客，正是围绕如何识别、暴露并弥合这道鸿沟而展开。以下为原文全文，机器之心特此编译呈现，供读者参考。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
博客标题：A Field Guide to Fable: Finding Your Unknowns 博客链接：https://www.php.cn/link/37cf78297210d710dfc4e031ca107372
与 Claude Fable 5 协同工作，一次次让我重拾一个古老却常被忽略的真理：地图不等于疆域。
所谓「地图」，是你对目标工作的抽象表达——即你写下的提示词、调用的 Skill、提供的上下文，是你交付给 Claude 的全部输入；而「疆域」，则是任务真正发生之地：代码仓库、物理世界，以及其中不可回避的真实约束与边界。
我把地图与疆域之间的偏差，统称为「未知项」（Unknowns）。每当 Claude 遇到一个未知项，它就必须基于对你意图的最优推测来决策。任务越复杂，未知项就越多，不确定性就越强。
Fable 是首个让我深切体会到：最终产出质量的天花板，并不取决于模型本身，而取决于我能否精准识别并澄清这些未知项。
尤为关键的是，仅靠前期规划往往并不足够。你可能在编码中途才撞见未知项；也可能发现某个未知项其实暗示着：你本该换一条路径来解题。
与 Fable 合作的过程，本质上是一场贯穿“实现前—实现中—实现后”的持续探知循环：不断发现未知、验证假设、调整策略。
作者同步附上了多个典型场景的实操示例，便于读者对照理解。
示例链接：https://www.php.cn/link/e95c450cfea74f2de27472231cf9373e
认识你的未知项
什么是未知项？当我带着一个问题向 Claude 提问时，我习惯从四个维度进行拆解：
已知的已知：即明确写进提示词里的内容。我告诉智能体，我想要什么？目标是否清晰？边界是否划定？
已知的未知：那些我清楚自己尚未掌握、但已意识到需要补足的信息。例如：“我不确定这个 API 是否支持批量操作”，这类问题我虽不知答案，但知道它存在。
未知的已知：那些对我而言习以为常、根本不会特意说明，但一旦呈现就能立刻识别的知识。比如你熟悉某框架的默认行为，却从未在提示中提及——Claude 并不知道。
未知的未知：最隐蔽也最危险的一类——我甚至没意识到它的存在。我不知道有哪些关键变量未被考虑；不清楚某类问题已有成熟解法；更不了解这件事理论上能做到何种程度。
顶尖的智能体协作型程序员，往往拥有更少的未知项。他们对目标有高度共识，细节定义充分；同时与代码库逻辑、模型行为保持实时同步。
但他们从不假设“一切尽在掌握”。恰恰相反，他们主动预设未知项的存在。某种意义上说，识别未知、压缩未知、前置管理未知，正是智能体编程最核心的能力。值得庆幸的是，这项能力可通过与 Claude 的反复协作持续精进。
借力 Claude，反哺自身
向 Claude 下达指令，是一门微妙的艺术。若指令过于严苛，哪怕切换方案更优，它也会机械执行；若指令过于宽泛，它则倾向于套用通用最佳实践——而这未必契合你的具体语境。
当你的未知项尚未被充分审视时，两种极端都会导致失败。你既不知前方何时会出现断崖，也不知哪段路其实畅通无阻，却仍期待 Claude 能在关键时刻自主转向。
Claude 其实可以成为你发现未知项的加速器。它能毫秒级检索你的代码库与全网知识，在多数领域掌握的常识远超个体；它也能在失败后迅速迭代、试错成本极低。
这一过程中最关键的动作，是为 Claude 提供扎实的起点上下文：说明你当前思考进展、坦诚你对代码库或领域的熟悉程度、邀请它以“思维伙伴”而非“执行工具”的角色参与进来。
我此前曾撰文介绍如何用 Claude 构建 HTML 页面。在绝大多数场景中，HTML 都是最高效、最直观的思维外化载体。
本文将系统介绍我在实践中总结出的若干识别未知项的方法论。我并非每次全盘套用，但将其作为一套可按需调用的“工具箱”，极大提升了协作效率与产出稳定性。
实现前
盲点扫描（Blindspot Scan）
启动一项新任务时，最有效的第一步，往往是厘清自己的认知盲区。例如：你在陌生模块中新增功能；或请 Claude 协助完成你不熟悉的任务（如 UI 设计评审、视频调色），此时极易存在大量「未知的未知」。
你可能不清楚该问什么问题、无法判断何为“好结果”、不了解历史实现逻辑、更难预见潜在陷阱。
这时，可主动请 Claude 帮你定位这些隐藏盲区，并解释其影响。我习惯直接使用 “blindspot pass” 或 “unknown unknowns” 等关键词触发分析。同时，务必说明你的身份背景与现有认知水平。
示例提示词：
「我正为系统接入新的身份认证提供方，但对当前认证模块完全陌生。请做一次 blindspot pass，帮我识别关键 unknown unknowns，并指导我如何写出更有效的后续提示。」
「我对影视调色毫无经验，但需为这段视频完成基础调色。请帮我梳理调色领域的 unknown unknowns，让我能写出更具指向性的提示词。」
头脑风暴与原型构建（Brainstorming & Prototyping）
当你身处「未知的已知」密集区——即那些只有亲眼看到才能定义标准的领域（如视觉设计、交互流程）——我会邀请 Claude 共同开展头脑风暴与快速原型。
尽早暴露并具象化这些隐性认知，价值巨大。若留到实现阶段才浮现，不仅重构代价高昂，还可能导致架构级返工，且智能体难以回溯修正。
举例来说：你只想测试某个框架中按钮的视觉效果，无意立即对接后端路由，也不愿在前端维护额外状态。
视觉设计恰是典型难言之域——我常需见到样稿才能确认偏好。此时，我会要求 Claude 输出多种风格迥异的设计方向，供我筛选反馈。
我几乎每次编码会话都以探索性头脑风暴开场，借此锚定项目边界与核心意图。Claude 常能指出我忽略的高价值路径，但也可能陷入细节而失焦。头脑风暴，正是防止初始范围过窄或过宽的第一道防线。
示例提示词：
「我想为这批数据构建仪表盘，但缺乏设计直觉，也不清楚技术上限。请生成一个 HTML 页面，提供 4 种视觉语言截然不同的设计方案，方便我基于实际效果反馈。」
「在正式接入真实系统前，请先用模拟数据生成独立 HTML 文件，复现新编辑器工具栏。我需先对布局结构反馈，你再修改主应用。」
「粗略问题如下：用户完成 onboarding 后流失率高。请扫描代码库，头脑风暴 10 个干预点，按实施成本由低到高排序，涵盖最小改动到颠覆性方案。我会标注哪些方向更契合业务目标。」
反向提问（Reverse Q&A）
完成初步头脑风暴后，未知项通常仍未清零。
此时，我会让 Claude 围绕所有模糊、歧义或存疑之处，对我发起针对性提问。为提升问题质量，请提前提供充足上下文——尤其是影响架构决策的关键变量。
示例提示词：
「请逐条向我提问，聚焦于任何存在歧义或决策依赖的环节。优先提出那些答案将直接影响整体架构设计的问题。」
参考素材驱动（Reference-Driven Prompting）
有时，你难以用语言精准描述需求。原因可能是缺乏专业术语，或是问题过于庞杂，完整描述耗时过长。
此时，最高效的解法是提供参考素材：图表、文档、截图，甚至——源代码本身。
若某开源库已用特定方式实现了你所需的功能，或某网站组件恰好符合你的审美与交互预期，请直接将 Fable 指向对应路径，并明确指示关注重点。即使参考代码使用不同语言，也完全可行。
这正是 Claude Design 的底层逻辑：你无需上传文件，只需提供 URL，它即可解析网页底层 DOM 结构、组件组织方式与实现逻辑，远超截图所能传递的信息密度。
示例提示词：
「vendor/rate-limiter 目录下的 Rust crate 实现了我所需的回退重试机制。请研读其实现逻辑，并在我们的 TypeScript API 客户端中复现同等语义。」
实现计划预演（Implementation Plan Review）
当我认为准备就绪，即将进入编码阶段时，我会先让 Claude 输出一份结构化实现计划供我审阅。重点聚焦于易变性最高的部分：数据模型、类型接口、UX 流程等。此举可提前暴露潜在风险点，避免后期返工。
示例提示词：
「请用 HTML 格式输出实现计划。开头优先罗列我最可能调整的决策点：数据模型变更、新增类型定义、面向用户的关键文案。机械性重构步骤置于末尾——这部分我信任你能自主完成。」
实现中
实现笔记（Implementation Notes）
确认计划后，我会开启新会话，传入规格文档、原型页面等关键工件，正式启动开发。
但现实是：无论前期多么周密，总会有未知项蛰伏于代码深处。Claude 在执行中可能因边界情况被迫转向新思路。
因此，我要求 Claude Code 持续维护一份 implementation-notes.md 或 .html 文件，实时记录关键决策与偏离原因，确保每次尝试都能沉淀经验。
示例提示词：
「请维护 implementation-notes.md。若因边界情况需偏离原计划，请选择保守方案，并在 ‘Deviations’ 区域详述原因，随后继续推进。」
实现后
推介与解释文档（Pitch & Explanation Artifacts）
任何成果的落地，离不开他人理解、支持与批准。在最终交付物中嵌入推介性与解释性文档，能显著提升协同效率：
- 当评审者与你共享相同未知项时，加速其理解进程；
- 当领域专家需确认你是否覆盖了关键风险点与常见陷阱时，加速审批流程。
示例提示词：
「请整合原型、规格说明与实现笔记，生成一份独立 HTML 文档，含演示 GIF，我可直接转发至 Slack 争取跨团队支持。」
知识测验（Knowledge Quiz）
经历一次长周期协作后，Claude 往往已完成远超你感知范围的工作。仅看代码 diff，常只能获得表层认知——许多行为依赖既有代码路径与隐式逻辑。
此时，请 Claude 在提供完整上下文后，围绕本次变更为你定制一份测验。唯有通过全部题目，我才视为真正理解，方可合并代码。
示例提示词：
「为确保我彻底掌握本次变更的全部影响，请生成一份 HTML 报告，包含：上下文摘要、行为直觉解读、具体修改点说明，并在文末附上我必须通过的测验题。」
方法串联实战：以 Fable 发布视频为例
Fable 的官方发布视频，全程由 Claude Code 完成剪辑。这对身为非专业视频工程师的我而言，是全新挑战。
我从已知出发：确认 Claude 可调用代码完成视频剪辑与语音转录，但不确定 Whisper 转录精度是否满足需求。于是请它详解转录原理，并验证能否用 ffmpeg 精准剔除“嗯”“啊”等语气词及长停顿。
我希望实现语音文本与画面时间轴同步的 UI，但不确定可行性。于是请 Claude 基于 Remotion 与转录文本快速构建视频原型，验证技术路径。
最终成片色调偏灰。我意识到这是调色问题，却缺乏相关知识。首次尝试是让 Claude 输出多个版本供我挑选，但很快发现：面对调色，我根本无法判断何为“优质”。于是果断暂停生成，转而请 Claude 教我调色基础——主动暴露并填补我的未知项。
让地图贴近疆域
模型越强大，正确的方法论就越关键。当一个长周期任务产出错误结果时，往往不是模型能力不足，而是你需要投入更多精力去界定未知项，或制定更具弹性的实现计划，使 Claude 能在不确定性中稳健前行。
每一份解释文档、每一次头脑风暴、每一场反向访谈、每一个原型、每一处参考代码，都是低成本的风险探测器——它们帮你提前发现那些原本看不见的问题，远在修复成本飙升之前。
所以，在开启下一个项目前，请先让 Claude 帮你找到自己的未知项。
本文来自微信公众号“机器之心”，编辑：机器之心编辑部，36氪经授权发布。
