刷完 Fable 5 爆火玩法，我发现自己用 AI 第一步就错了- 大数跨境

首页

刷完 Fable 5 爆火玩法，我发现自己用 AI 第一步就错了

APPSO

2026-07-07

187

导读：用聪明的模型，要承认自己很笨

Fable 5 回归后，一系列创新应用案例迅速在网络上走红。从魔法手帐到经典游戏移植，再到生成式 ASCII 自画像，这些案例不仅展示了模型的强大能力，更揭示了人与 AI 协作的新范式。

近日，一款基于《哈利·波特》汤姆·里德尔日记本概念的应用引发关注。开发者利用 Fable 5 将 reMarkable 平板改造成魔法手帐：用户在纸上书写的提示词会自动淡出，而 AI 的回复则如魔法般淡入显现。该视频在 X 平台上浏览量已破百万，更有网友通过 AI 生成 HTML 文件，在 iPad 上复现了类似功能。

另一热门案例来自 Google AI Studio 产品设计负责人 Ammaar Reshi。他利用 Fable 5 成功将 2003 年发行的游戏《命令与征服：将军零点》移植至 iPhone 和 iPad，且无需模拟器。该项目甚至引起了 Claude Code 负责人的惊叹。Ammaar 已在 GitHub 开源仓库中详细记录了实现过程、心路历程及现存问题。

视频来源：X@ammaar

此外，一条浏览量超 300 万的"Fable 5 自画像”视频同样引人注目。面对“展示最具表现力形态”的要求，Fable 5 未调用现有视频生成器，而是在终端中自编渲染引擎、合成声音，并从零构建生成式 ASCII 编码引擎来完成创作。

针对外界对其参与度的质疑，创作者公布了核心提示词：“嗨，Fable，请你用 ASCII 字符，通过语音、音频和动画，制作一个短视频来表达你最真实的内心世界。”这一简单指令背后，是模型对复杂任务的深度理解与执行。

视频来源：X@VoidStateKate

上下滑动查看更多内容

Fable 5 正在显著拉大 AI 使用者的能力差距。

即便是基础玩法，高手也能利用 Fable 5 快速产出近乎完美的产品。例如，有网友仅用 1 小时，便在 Rork 中克隆了《地铁跑酷》，涵盖了从创意、美术、3D 建模到代码编写的全流程。

视频来源：X@alexcooldev

随着模型能力提升，善用提示词、Skill 及框架的用户，其产出质量远超普通用户。能否使用 Fable 5 是一道门槛，而是否会用 Fable 5 则是更明显的分水岭。

YCombinator 合伙人盛赞 Fable 好用，评论区指出其用法仅是冰山一角

Claude Code 工程师近期发文指出，使用高阶 AI 模型（如 Claude Fable 5）突破生产力瓶颈的关键，在于「理清未知领域」。这套方法论不仅适用于 Fable 5，也可推广至其他最强模型的使用中。

原文链接：https://claude.com/blog/a-field-guide-to-claude-fable-finding-your-unknowns

地图非疆域

“地图非疆域”是上世纪三十年代的著名语义学命题，意指认知与现实之间存在差异。地图无法完全呈现真实世界的细节与复杂性，我们的描述往往只是对事物的简化抽象。

APPSO 曾在 AI 模型密集发布期分享过类似观点

在 AI 开发语境下，Prompt、Skills、上下文及需求说明仅是“地图”，而复杂的代码库、真实业务场景及现实约束才是真正的“疆域”。两者之间存在大量未知情况，如同导航地图无法预知实时路况，单靠提示词难以穷尽所有细节。

在进行 Vibe Coding 时，即便输入“帮我做一个编辑器工具栏”，AI 在执行中仍会面临组件复用、布局状态、移动端适配及风格偏好等具体问题。这些未知项（Unknowns）是任务压缩版本中无法体现的细节，只有在执行过程中才会暴露。

这些细节被称为 Unknowns，即未知项或空白地带。有些是我们已知但未意识到的，有些是心中有标准却无法清晰描述的，还有些是完全未曾察觉的盲区。

Claude Code 工程师将这些未知分为四个象限：

已知已知（Known Knowns）：明确写在提示词里的需求说明。

已知未知（Known Unknowns）：意识到自己尚未搞懂、需进一步查明或决策的问题。

未知已知（Unknown Knowns）：理所当然却懒得写入文档的直觉，如隐藏的审美偏好或肌肉记忆。

未知未知（Unknown Unknowns）：完全未意识到、甚至不知道自己不知道的盲区。

模型越强，这些未知越容易被放大。

过去认为 AI 不好用是因为“不够聪明”，但在 Claude Fable 5 时代，阻碍项目推进的终极瓶颈已不再是 AI 的代码能力，而是人类发现并澄清自身“未知”的能力。因此，在丢给 AI 需求前，应先帮助其找到那些未说清、未想透的地方。

如何暴露未知

以往建议是将 Prompt 写清楚、具体、完整。但在更聪明的模型面前，策略需细化：从开发前、开发中到开发后，均需采用专门的技巧与模板。

先做 10 个 Demo 给我看看

面对陌生代码模块或新框架，最明智的做法是要求 AI 进行“盲区扫描”：

我准备接入一个新的鉴权模块，但我对这个代码库的鉴权逻辑一无所知。请帮我做一次「盲区扫描（Blind Spot Pass）」，把那些我还没意识到的「未知未知」找出来，并教我怎么更好地向你提问。

针对“说不清道不明”的未知已知，不要直接修改生产环境代码，而是让 AI 生成带假数据的独立 HTML 页面。例如，让“直男审美”的工程师通过直观成品来挑刺，从而明确需求：

我想做个数据看板，但我没什么审美。请帮我生成一个 HTML 页面，包含 4 种截然不同的设计方向，让我能有个直观的反应。

这并非浪费算力，而是以低成本试错，避免在核心代码中付出高昂纠错代价。通过开发前的 Demo 和低成原型，对齐默契，倒逼隐性判断。

上下滑动查看更多内容

当任务影响架构时，可采用“反向面试”策略，让 AI 主动提问以厘清模糊地带，特别是那些会改变方案的关键问题（如数据存储位置、权限归属、流程拆分等）：

请像面试官一样，每次只问我一个问题，帮我厘清需求中的模糊地带。优先提那些会影响架构设计的关键问题。

若仍无法描述清晰，可直接提供优秀源码或案例供 AI 像素级模仿。待思路明确后，再让 AI 撰写实施计划，并将需人工拍板的核心内容（数据模型、接口定义、UI 流转）置于审核首位。

循环工程和线束工程

在真实世界的“疆域”中，完美计划常遇极端案例偏离。长周期任务中，智能 Agent 可能发现第三方库不兼容或接口响应变慢等问题并自行调整。若无防御机制，AI 的自我修正可能埋下隐患。

Claude Code 工程师建议维护一个临时文件（如 implementation-notes.md），记录每次遇到的边界情况、计划偏离及保守取舍：

在开发过程中，一旦你遇到任何逼迫你偏离原定计划的极端情况，请选择最保守的退路，并且立刻在执行笔记的「路线偏离」一栏里记上一笔。不要瞒着我，继续往前走。

Claude，请给我出一张卷子

面对 AI 生成的海量代码变更，为避免机械式接受，建议在交付前让 AI“出期末考试题”：

我需要确保我完全消化了这次的所有改动。请基于这次的代码变更，为我生成一份详细的 HTML 业务报告。并且，在报告最下方，给我出 5 道原理单选题。我必须全部答对，才会允许自己合并这段代码。

此外，还可让 AI 整理原型、规格及实现记录，形成给同事的说明文档，阐述做了什么、为何这样做及剩余风险。AI 越聪明，人越容易失去过程感。通过让模型解释和自我测试，能以低成本找回被忽略的知识点。

Fable 5 官方演示视频的背后，脚本剪辑、音频切除及 Remotion 动画均由 Claude 操刀。创作者并非专业剪辑师，但他通过将 Claude 视为合作伙伴而非单纯工具，让其解释原理、恶补常识，成功转型为“入门制片人”。

回顾汤姆·里德尔日记本、iPhone 运行《命令与征服》、ASCII 自画像等刷屏案例，其背后不仅是神奇 Prompt，更是一连串暴露未知、验证想法、推翻重来的过程。强大模型降低了这一过程的成本。

以前需数周验证的大胆想法，现在一个下午即可知晓价值。模型越强，真正拉开差距的不仅是拥有更好的 AI，更是愿意不断提出新问题、验证新假设，并将离谱念头一步步变为现实的能力。互联网下一批有趣的产品与创业方向，大概率将从这些实验中诞生。

【声明】内容源于网络

APPSO

AI第一新媒体，「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al

内容 15571

粉丝 0

APPSO AI第一新媒体，「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al

总阅读315.8k

粉丝0

内容15.6k