Claude Fable 5 实战指南：8 个「找未知」提示模式，从盲点扫描到读后小测验
- Anthropic Claude Code 团队成员 Thariq Shihipar 在 AI Engineer World's Fair 大会发表演讲《A Field Guide to Fable》，同日配套官方博客发布，据报道三天内阅读量约两百万。
- 核心方法论：把「你知道什么」拆成四象限，已知的已知、已知的未知、未知的已知、未知的未知，减少并预先规划这些「未知」是用好新一代模型的核心技能。
- 演讲给出 8 个可直接照抄的提示模式，按动手前、动手中、动手后组织，每个都配了现成的中英文示例 prompt。
- 一手反直觉披露：Claude Code 系统提示词最近被删掉 80%，对新模型来说示例反而会束缚它，方向从「给约束」转向「给上下文」。
- Thariq 用这套方法从零剪出了 Fable 的发布视频，而视频剪辑对他是完全陌生的领域。
这场演讲到底在讲什么
Anthropic Claude Code 团队成员 Thariq Shihipar，在 AI Engineer World's Fair 大会做了主题演讲，同步发布同名官方博客《A field guide to Claude Fable 5: Finding your unknowns》。
演讲里反复出现一个词：解放模型（unhobbling）。意思是真正约束模型的，往往是你自己套在它身上的框架、和写提示词的老习惯，这些框架本质上是「你对模型理解程度」的映射。改掉它们，就能把它本来就有的能力放出来。
给一匹本来就能跑的马，卸掉那些不必要的缰绳和眼罩。
模型是「尖刺式」变聪明的，提示词反而要做减法
要理解为什么这代模型「少喂示例、多给上下文」，先看两个背景。这一节是铺垫，重点在后面。
第一个背景是能力悬垂（capability overhang）：模型不是齐头并进变强，而是在某些具体任务上突然跳出一大截。网上有条火帖问「为什么大模型说不出哪些宝可梦名字以 AW 结尾」，普通聊天模型答不上来，虽然它显然知道所有宝可梦的名字。但 Claude Code 能答，因为它会把每个宝可梦抓下来、写个脚本筛出以 AW 结尾的。同一份「知识」，给不给它代码执行工具，结果天差地别。
像地下埋着深浅不一的矿脉，工具就是决定你能挖到哪条矿脉的镐子。用好新模型的一半功夫，就是搞清现在到底有哪些新的可能。
第二个背景更反直觉：系统提示词正在越变越小。Thariq 把提示词工程的最佳实践分成三段，看得出趋势。
工具也在跟着模型能力一起进化。以 ask-user-question 工具（让模型在规划时反过来弹多选问题问你）为例：Opus 4 时它勉强能调用；Opus 4.5 时你能让它「问我 40 个关于需求的问题」，它开始能采访你；到 Opus 4.8 和 Fable，它能直接生成一整份把问题嵌在里面的 HTML 报告。理解模型这件事，更像生物学，很经验、很有机，需要你去建立直觉。
核心框架：把你的未知分成四格
你脑子里的计划、提示词、spec，是「地图」；真实的代码库、现实约束，是「疆域」。每当 Claude 在疆域里撞上地图上没标的东西，它就得靠猜你到底想要什么，做一个决定，这个点就叫一个「未知（unknown）」。它要干的活越多，撞上的未知越多。
Thariq 的原话：Fable 是第一个让他觉得，产出质量的瓶颈在于他能不能把它的未知讲清楚的模型。而且光提前规划还不够，未知可能藏在实现深处才冒出来，所以用 Fable 是一个在动手前、动手中、动手后不断发现未知的迭代过程。