Claude工程师终于交出Fable 5焚诀，教你打破和模型之间的信息差
Claude Fable 5模型发布后经历波折，最终回归生产力工具。Claude工程师Thariq Shihipar指出，用户与模型间存在“信息差”（即提示词、技能与真实任务需求间的差距），这常导致输出不如预期。他将此差距称为“未知项”，并强调与Fable协作的核心是迭代地发现和澄清这些未知项。
Thariq将未知项分为四类：已知的已知（明确提出的需求）、已知的未知（自知未明的部分）、未知的已知（未言明的隐含知识）和未知的未知（完全未意识到的部分）。提升AI编程效率的关键在于减少未知项，并主动规划。
他提供了一套贯穿工作流的方法：
1. **实现前**：通过“盲点扫描”让AI帮你发现认知盲区；进行“头脑风暴与原型”快速验证想法；通过“反问”让AI提问以澄清歧义；提供“参考资料”（如代码、设计）辅助沟通；制定“实现计划”并优先审阅易变部分。
2. **实现中**：要求AI维护“实现笔记”，记录临时决策与偏差原因。
3. **实现后**：创建“推介与解释文档”便于团队评审和获批；通过“测验”确保自己理解AI所做的全部变更。
文章以Fable发布视频的制作为例，展示了如何串联这些方法，在陌生领域（视频剪辑与调色）逐步发现未知项并完成任务。总结认为，模型能力越强，用户越需通过系统方法定义未知项，从而让“地图”（计划）匹配“疆域”（现实），高效达成目标。
marsbit07/06 00:14
