新智元报道
【新智元导读】Claude Code 工程师 Thariq 亲授 Fable 5 内行心法：模型强到这份上，卡住你的已经不是它，而是你没想清的那些「未知的未知」。
Claude Code 团队核心工程师 Thariq 近日发表深度观点，直指当前 AI 编程的核心痛点：在使用 Fable 5 这类顶级模型时，瓶颈已不再是模型能力，而是用户自身对需求澄清的能力。
Thariq 指出，与 Fable 5 协作的过程中，最深刻的教训是「地图不是领土」。Prompt、技能和上下文仅是「地图」，而代码库、真实世界及客观约束才是「领土」。两者间的差距即为「未知」。
面对未知，模型只能基于最佳猜测进行决策。任务越复杂，未知越多，出错概率随之增加。在模型能力不足的阶段，瓶颈在于模型本身；但在 Fable 5 时代，工作质量取决于开发者「澄清未知」的能力。
指令下达如同走钢丝：过于具体会导致模型僵化执行，忽视环境变化；过于模糊则会让模型依赖通用最佳实践，偏离实际需求。若未提前预判未知，极易导致项目受阻。
四类未知：最坑的是最后一类
Thariq 将「未知」拆解为四类，帮助开发者精准定位问题：
- 已知已知：明确写入 Prompt 的需求；
- 已知未知：意识到自己尚未想清楚的部分；
- 未知已知：显而易见但未书面化的标准（如审美）；
- 未知未知：完全未曾设想甚至不知其存在的盲区。
最具挑战性的是「未知未知」。顶尖的 Agentic Coder（如 Anthropic 的 Boris、Jarred）之所以高效，是因为他们能极大减少此类未知，并为潜在风险预留预案。减少未知、制定预案，正是 Agentic Coding 的核心技艺。
这项能力并非天赋，而是可通过训练提升。Claude 本身即是最佳陪练：它能快速扫描代码库与互联网信息，从失败中迅速迭代。开发者只需明确当前进度与经验水平，让模型作为思考伙伴，共同挖掘未知。
通常，一个可交互的 HTML 原型是将未知显性化的最佳方式。
一套闭环 SOP：实施前中后全流程
Thariq 提出了一套涵盖实施前、中、后的标准化操作流程（SOP）：
实施前：五招破局
第一，盲区扫描。面对陌生代码库或任务，直接要求 Claude 进行「blindspot pass」，识别并解释「unknown unknowns」，同时优化 Prompt 写法。
第二，头脑风暴加原型。对于视觉设计等需直观判断的需求，先让 Claude 生成多个差异化的 HTML 原型方向，低成本试错，避免后期重构。
第三，反向采访。让 Claude 逐一反问关键问题，优先解决那些会影响架构决策的核心疑点。
第四，提供源码参考。语言描述往往苍白，直接指向优秀的源代码文件夹或模块，让模型读取底层逻辑，获取比口头描述丰富十倍的细节。
第五，制定实施计划。动手前审核 Claude 生成的计划，将易变动的数据模型、接口流程前置，机械性重构后置。
实施中：动态记录
让 Claude 维护一份implementation-notes.md。遇到边缘情况偏离计划时，选择保守方案并在「Deviations」栏目记录，为后续复盘提供依据。
实施后：验收与测验
一是打包推介。整合原型、规格书与笔记，形成评审文档，帮助团队成员快速理解背景与决策过程。
二是知识测验。让 Claude 针对本次改动出题考核，确保开发者真正理解代码行为，而非仅停留在 Diff 表面。
实战案例：不懂剪辑却用 Claude 完成发布视频
Thariq 以 Fable 发布视频制作为例，展示了该方法的实效性。作为非剪辑专业人士，他从「已知」出发：
首先确认技术可行性，询问 Whisper 转录原理及 FFmpeg 处理精度；其次针对字幕同步需求，利用 Remotion 制作原型验证；最后在面对调色难题时，坦然承认认知盲区，让 Claude 先教授调色理论，再进行调整。
核心逻辑：先搞清楚自己的未知，再谈选择。
模型越强，「问得准」越值钱
这一方法论折射出行业趋势：随着模型能力增强，人类的价值正从「执行速度」转向「提问精度」。Claude Code 团队的工作重心也已从「验证做得对不对」转变为「验证做的是不是对的事」。
当模型足够强大，开发者能否清晰界定职责、预判未知，直接决定了产出是惊艳还是返工。每一次讲解、头脑风暴、原型验证，都是在成本飙升前，以最低代价消除盲点。
归根结底，长任务返回错误结果，往往不是因为模型不行，而是你还没把未知想清楚。
参考资料：https://x.com/trq212/status/2073100352921215386
编辑：所罗门