Claude Fable 5 実践ガイド：「未知を見つける」8つのプロンプトパターン、盲点スキャンから読了後クイズまで
- Anthropic Claude Codeチームの Thariq Shihipar が AI Engineer World's Fair で講演《A Field Guide to Fable》を発表、同日に公式ブログも公開され、報道によれば3日間で約200万回読まれた。
- 核となる方法論：「自分が何を知っているか」を4象限に分ける——既知の既知、既知の未知、未知の既知、未知の未知。これらの「未知」を減らし、あらかじめ計画しておくことが、新世代モデルを使いこなす核心スキルだ。
- 講演ではそのまま使える8つのプロンプトパターンを提示。着手前・作業中・作業後で整理されており、それぞれに中日両方の例文プロンプトが付いている。
- 一次情報の意外な開示：Claude Codeのシステムプロンプトは最近80%削減された。新モデルにとって例示はむしろ足かせになるため、方向性は「制約を与える」から「文脈を与える」へ転換した。
- Thariq はこの方法論を使い、ゼロから Fable のリリース動画を編集した——動画編集は彼にとって全くの未経験分野だった。
この講演が語っていること
Anthropic Claude Codeチームの Thariq Shihipar が、AI Engineer World's Fair で基調講演を行い、同時に同名の公式ブログ《A field guide to Claude Fable 5: Finding your unknowns》を公開した。
講演の中で繰り返し出てくる言葉がある——モデルの解放（unhobbling）。つまり、モデルを本当に制約しているのは、あなた自身がそれに被せているフレームワークや、プロンプトを書くときの古い習慣であることが多く、それらのフレームワークは本質的に「あなたがモデルをどれだけ理解しているか」を映し出すものだ、という意味だ。それらを取り除けば、モデルが本来持っている能力を解き放てる。
もともと走れる馬から、不要な手綱と目隠しを外してやること。
モデルは「突出型」で賢くなる、だからプロンプトは引き算をすべき
この世代のモデルがなぜ「例示を減らし、文脈を増やす」方向に向かっているのか理解するには、まず2つの背景を見ておく必要がある。このセクションは前置きで、本題は後にある。
1つ目の背景は能力の跳躍（capability overhang）だ。モデルは横並びで強くなるのではなく、特定の具体的なタスクで突然大きく跳ね上がる。ネットで話題になった投稿にこんな問いがあった——「なぜ大規模言語モデルは AW で終わるポケモンの名前を答えられないのか」。普通のチャットモデルは答えられない。そのモデルが明らかに全ポケモンの名前を知っているにもかかわらずだ。しかし Claude Code は答えられる。なぜならポケモンを1匹ずつ取得して、AW で終わるものを絞り込むスクリプトを書けるからだ。同じ「知識」でも、コード実行ツールを与えるかどうかで結果はまるで違う。
深さの異なる鉱脈が地下に埋まっているようなもので、ツールこそがどの鉱脈を掘り当てられるかを決めるツルハシだ。新モデルを使いこなす作業の半分は、今どんな新しい可能性があるのかをはっきりさせることにある。
2つ目の背景はもっと直感に反する——システムプロンプトはどんどん小さくなっている。Thariq はプロンプトエンジニアリングのベストプラクティスを3段階に分けており、そこに傾向が見て取れる。
ツールもモデルの能力進化と歩調を合わせて進化している。ask-user-question ツール（計画時にモデルが逆に多肢選択の質問をあなたに投げかけるツール）を例に見てみよう。Opus 4 の頃はかろうじて呼び出せる程度だった。Opus 4.5 では「要件について40個質問して」と言えば、あなたにインタビューできるようになった。Opus 4.8 と Fable に至っては、質問を埋め込んだ完全な HTML レポートを直接生成できるようになった。モデルを理解するというのは、生物学に近い——とても経験的で、有機的で、自分で直感を育てていく必要がある。