Fable 实战指南:找出你尚未弄清的事

目录
  1. 弄清自己有哪些盲点
  2. 帮助 Claude 更好地帮助你
  3. 实现之前
  4. 实现过程中
  5. 实现之后
  6. 把这些方法串起来:Fable 的发布
  7. 让“地图”更贴近现实

与 Claude Fable 5 合作,总会让我重新领会一个老道理:地图不等于现实。

“地图”是我对任务的描述,也就是交给 Claude 的提示词、Skills 和上下文。“现实”则是任务实际发生的环境:代码库、真实世界,以及其中的种种限制。

地图与实地:任务描述和现实约束之间的差距

这张“地图”与现实之间的差距,就是我所说的未知,也就是尚未弄清的事情。当 Claude 遇到这类问题时,只能根据它对我意图的理解作出判断。任务越多,它可能遇到的不确定因素也越多。

使用 Fable 时,我第一次感到:限制模型工作质量的,竟然是我能否帮它弄清那些它还不确定的事情。

而且,事先做好计划也未必足够。有些问题要到实现深入后才会暴露;还有些问题会让你意识到,解决思路本身就该换一换。

我发现,与 Fable 协作需要反复探索:从动手之前、实现过程中,到完成之后,不断找出自己还没想清楚的地方。

我在这里制作了一些用来发现认知盲点的示例,看完后记得回来继续读,了解这些方法分别适合什么情境。

弄清自己有哪些盲点

自己究竟还有哪些事情没弄清?带着问题找 Claude 时,我通常会把它们分成四类:

  • 已知的已知(Known Knowns):基本上就是已经写进提示词的内容:我明确告诉智能体,自己想要什么?
  • 已知的未知(Known Unknowns):哪些事情我还没弄清,但我知道自己还没弄清?
  • 未知的已知(Unknown Knowns):哪些知识或标准我已经掌握,却觉得太理所当然,从没明确写下来,直到看到具体例子才会意识到?
  • 未知的未知(Unknown Unknowns):哪些事情我压根没考虑过?哪些知识是我连其存在都不知道的?我是否知道,一件事究竟能做到什么程度?

已知与未知的四象限

最擅长借助智能体编程的人,通常对任务中的不确定因素了解得更多。看 Boris 或 Jarred 这样的人写提示词,我很明显地感到,他们非常清楚自己想要什么,连细节都很明确。他们既熟悉代码库,也熟悉模型的行为。

但他们也知道,仍然会有没考虑到的事情。从许多方面看,减少盲点、为不确定情况预留余地,正是借助智能体编程的核心能力。好在这项能力可以通过与 Claude 协作不断练习。

帮助 Claude 更好地帮助你

在具体指令与探索空间之间取得平衡

给 Claude 下指令,需要把握好分寸。如果过于具体,即使改变方向更合适,Claude 也会照着你的指令走。如果过于模糊,Claude 往往会依据行业最佳实践作出选择和假设,而这些做法未必适合你的任务。

如果不考虑自己尚未掌握的信息,无论指令过细还是过于笼统,都可能出问题。你无法预先判断哪里会遇到障碍、哪里能顺利推进,却又希望 Claude 能适时调整方向。

Claude 可以帮你更快地找出这些盲点。它能极其迅速地搜索代码库和互联网,对大多数主题掌握的知识也比你更多。它也能更快地从失败中吸取教训,再作尝试。

在这个过程中,最重要的是让 Claude 了解你目前的情况。例如,告诉它你的思考进行到了哪一步,你对这个问题和代码库有多少经验,让它作为共同思考的伙伴与你协作。

我之前写过如何与 Claude 配合使用 HTML。在下面几乎所有场景中,HTML 页面或交互原型都是把想法直观呈现出来的最佳方式。

下面会详细介绍我用来发现盲点的一些方法。我不会每次都全部用上,但知道有哪些方法可用很有帮助。

在实现前、实现中和实现后发现未知的方法

实现之前

盲点排查

开始工作时,先弄清自己的盲点,往往很有帮助。例如,你要在代码库中一个陌生的部分开发功能,或者让 Claude 帮你完成设计迭代之类不熟悉的工作,就很可能面对大量“未知的未知”。

你可能不知道该问什么、怎样才算好、过去做过哪些工作,或应该避开哪些坑。

这时,可以让 Claude 帮你找出那些“未知的未知”,并向你解释。我喜欢直接使用“blindspot pass”(盲点排查)和“unknown unknowns”(未知的未知)这些词。告诉它你是谁、已经知道什么,通常很重要。

提示词示例:

  • “我正在添加一个新的身份验证提供方,但对这个代码库中的身份验证模块一无所知。你能做一次盲点排查,找出与任务有关、但我尚未意识到的问题,让我能更清楚地向你提需求吗?”
  • “我不知道什么是调色,但我需要为这段视频调色。你能帮我补上调色方面尚未意识到的知识缺口,让我能更准确地提要求吗?”

头脑风暴与原型

有时,我对一个领域的判断标准并非一无所知,只是得看到具体方案,才能说清自己想要什么。这就是“未知的已知”。遇到这种情况,我喜欢让 Claude 和我一起讨论方案、制作原型。

在原型阶段尽早识别并说清这些隐含知识,非常有价值。因为等到正式实现时才发现这些要求,修改成本往往更高。功能或规格上的微小变化,都可能导致代码实现截然不同,而智能体要撤回之前的修改也可能更加困难。

例如,你可能只是想看看在一个界面框架里加上按钮是什么效果,并不需要为此接入后端路由,或在前端维护额外状态。

视觉设计对我来说很难用语言表达,但看到具体设计时,我就知道自己想要什么。这种情况下,我会要求为同一个页面或原型提供几种设计方案。

我几乎每次编程会话也都会从探索或头脑风暴开始。这样,我就能在动手之前主动确定项目范围。Claude 经常能找到我可能忽略的高价值方案,但有时也会只见树木、不见森林。头脑风暴可以避免把范围定得过窄或过宽。

提示词示例:

  • “我想为这些数据做一个仪表盘,但我不擅长视觉设计,也不知道可以做成什么样。给我做一个 HTML 页面,展示四种截然不同的设计方向,让我看看并给出反馈。”
  • “在接入任何功能之前,先用虚假数据制作一个独立的 HTML 文件,模拟新的编辑器工具栏。在你改动真正的应用之前,我想先对布局给出反馈。”
  • “我的问题大致是:用户完成引导流程后就流失了。搜索代码库,头脑风暴出十个可以介入的地方,按从成本最低到目标最远大的顺序排列。我会告诉你哪些方向值得继续。”

访谈

即使充分讨论过方案,我也很可能还有没想清楚的地方。

这时,我会让 Claude 围绕尚不明确的地方向我提问。先给它充分的背景,有助于它问到点子上。

提示词示例:

  • “围绕所有不明确的地方向我提问,一次只问一个问题。优先问那些我的回答会改变架构的问题。”

参考资料

有时,你很难详细描述自己的需求:可能是不知道该怎么表达,也可能是事情太复杂,要完整说明得花很长时间。

这种情况下,最好的办法是提供参考。你可以给出图表、文档或图片,但最好的参考其实是源代码。

如果某个库用你希望的方式实现了功能,或者有一个你特别喜欢的设计组件,只要把对应文件夹指给 Fable,告诉它该看什么就可以,即使用的是另一种编程语言也没关系。

Claude Design 也是这样工作的。你不一定要给它一个文件,当然也可以这样做。你可以指向一个自己喜欢的网站模块,它会读取底层代码,而不仅仅是截图。这能提供关于标记、结构,以及组件实际构建方式的丰富细节。

提示词示例:

  • “vendor/rate-limiter 中的这个 Rust crate,恰好实现了我想要的退避行为。阅读它,并在我们的 TypeScript API 客户端中实现相同的语义。”

实现计划

当我觉得已经准备好开始实现时,通常会让 Claude 拟定一份实现计划供我审阅,重点放在最有可能调整的部分,例如数据模型、类型接口或用户体验流程。这样,Claude 就能把那些我可能确实需要改动的内容呈现出来。

提示词示例:

  • “用 HTML 写一份实现计划,把我最可能调整的决策放在开头:数据模型的变化、新的类型接口,以及所有用户可见的内容。机械性的重构放到最后,那部分我相信你。”

实现过程中

实现笔记

对计划满意之后,我会新建一个会话,并把相关成果文件作为输入交给它。例如,提供一份规格文件和一个原型,让智能体实现它。

但无论事先规划得多充分,总有一些你还没意识到的问题。智能体可能在工作过程中遇到代码中的边界情况,发现需要换一种做法。

我会让 Claude Code 维护一个临时的 implementation-notes.md(或 .html)文件,记录它作出的决策,供下一次尝试时参考。

提示词示例:

  • “维护一个 implementation-notes.md 文件。如果遇到迫使你偏离计划的边界情况,就选择较保守的方案,把它记录在‘Deviations(偏离计划)’部分,然后继续。”

实现之后

提案与说明材料

用于沟通方案、解释决策并获得支持的说明材料

交付一项成果时,最重要的事情之一就是获得认同和批准。在最终文档中加入提案与说明材料,有助于:

  • 如果评审者也不了解那些你起初不懂的事情,说明材料能帮助他们更快理解。
  • 让专家能更快确认:他们预料到的不确定因素和常见问题,你都已考虑在内,从而加快审批。

提示词示例:

  • “把原型、规格和实现笔记整理成一份文档,让我能直接发到 Slack 里争取支持。把演示 GIF 放在开头。”

测验

经过一段长时间的工作后,Claude 完成的内容可能远比我意识到的更多。阅读代码差异,只能让我对发生的变化有粗浅了解,因为很多行为取决于已有的代码路径。

先让 Claude 提供充分的背景,再让它围绕改动考考我,有助于理解实际发生了什么。只有完全通过测验后,我才会合并代码。

提示词示例:

  • “我想确保自己理解这次改动中的一切。请给我一份 HTML 报告,包含背景、直观解释、做了哪些事情等,供我阅读理解,并在底部附上一份关于这些改动、我必须通过的测验。”

把这些方法串起来:Fable 的发布

Fable 的发布视频完全由 Claude Code 剪辑完成。这对我来说是个新领域,我远远算不上专家。

所以,我先从已知的事情开始。我知道 Claude 能用代码剪辑视频并转录,但不确定准确度是否足够。于是,我让 Claude 解释 Whisper 这类转录工具如何工作,以及能否使用 ffmpeg 精确剪掉“嗯”之类的语气词或较长的停顿。

我希望 Claude 创建一个与我说话的词句同步出现的界面,但不确定它能不能做到。因此,我让它使用 Remotion 和转录文本制作一段原型视频,验证这个想法是否可行。

最后,视频本身看起来有些灰淡。我知道这与调色有关,却并不真正了解什么是调色。我最初试着让 Claude 做几个版本供我挑选,但随后意识到,在调色这件事上,我根本不知道怎样才算“好”。于是,我改为让 Claude 教我调色,补齐自己的认知盲点。

你可以在这里观看更深入的讲解。

让“地图”更贴近现实

模型越强,使用正确的方法就越能有所作为。如果一项耗时较长的任务最终交付了不符合预期的结果,你可能需要多花些时间,把自己没弄清的事情说清楚;也可能需要调整实现计划,让 Claude 遇到意外情况时有灵活应变的余地。

无论是撰写说明材料、讨论方案、相互提问、制作原型,还是提供参考资料,都是在修改成本升高之前,用较小代价发现盲点的方法。

所以,下次开始项目时,不妨先让 Claude 帮你找出那些尚未弄清的事情。

作者:Thariq
原文标题:A Field Guide to Fable: Finding Your Unknowns
原文链接:https://x.com/trq212/article/2073100352921215386

继续阅读

Claude 5 模型的上下文工程新规则

我之前写过,如何更好地为最新一代 Claude 5 模型编写提示词,以及如何在反复协作中,逐渐弄清自己究竟想做出什么。 但当你给 Claude 发送消息时,提示词只是它收到的上下文中的一小部分。模型接收到的信息,有很大一部分由系统提示词、Skills、CLAUDE.md 文…

0 条评论,167 次阅读