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。

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。

面对一个问题，把「你知道什么」拆成四格。

顶尖的 agentic coder（他点名了 Boris、Jarred）有个共同点：他们的未知很少，看他们写 prompt，能感到对代码库和模型行为都门儿清；同时他们会预设未知一定存在。所以减少并预先规划你的未知，就是 agentic coding 这门手艺的核心技能，而这门技能可以靠「和 Claude 一起练」来提升。

为什么处理未知是关键？因为给 Claude 下指令是个微妙的平衡，太具体和太模糊都会输。

不为未知做准备，你两头都会输：不知道哪段路上有坑（该细的地方没细），也不知道哪段路其实通、可以放手让它自己走（该放的地方没放）。好在 Claude 能帮你更快找未知，它搜代码库和全网都极快，从失败里迭代也比你快。最关键的一步，是把你的「起点」给它：告诉它你在思考哪个阶段、对这个问题和代码库有多少经验，让它当你的思考伙伴。

下面是 8 个可落地的模式，按动手前、动手中、动手后三段组织。每张方法卡右上角有个小四象限图标，高亮那一格，就是这个方法主打对付的未知类型。每个示例 prompt 都给全：中文是译文（给你看懂），英文是原文（给你直接复制照抄）。

开工前两招：盲点扫描 + 头脑风暴与原型

开工前最该先解决两类未知：你压根没想到的（未知的未知），和你说不清、但一看就认得的（未知的已知）。

"I'm working on adding a new auth provider but I know nothing about the auth modules in this codebase. Can you do a blind spot pass to help me figure out my relevant unknown unknowns and help me prompt you better."

"I don't know what color grading is but I need to grade this video. Can you teach me to understand my unknown unknowns about color grading, so that I can prompt better?"

"I want a dashboard for this data but I have no visual taste and don't know what's possible. Make me an HTML page with 4 wildly different design directions so I can react to them."

"Before wiring anything up, make a single HTML file mocking the new editor toolbar with fake data. I want to react to the layout before you touch the real app."

"Here's my rough problem: users churn after onboarding. Search the codebase and brainstorm 10 places we could intervene, from cheapest to most ambitious. I'll tell you which ones resonate."

开工前还有三招：让它采访你、给它参考、要一份实现计划

头脑风暴做够了，多半还剩一些未知。剩下三招，把模糊逼出来、给它一张更好的地图、让计划把「最可能改的决策」排在最前面。

"Interview me one question at a time about anything ambiguous, prioritize questions where my answer would change the architecture."

"This Rust crate in vendor/rate-limiter implements the exact backoff behavior I want. Read it and reimplement the same semantics in our TypeScript API client."

"Write an implementation plan in HTML, but lead with the decisions I'm most likely to tweak with: data model changes, new type interfaces, and anything user-facing. Bury the mechanical refactoring at the bottom, I trust you on that part."

动手中和动手后：实现笔记、推介文档、让它反过来考你

计划满意后，开一个新 session，把 spec、原型这些 artifacts 传进去，给它一个干净的上下文窗口，但带着规划阶段的全部信息。接下来三招，管的是干活途中和交付之后。

"Keep an implementation-notes.md file. If you hit an edge case that forces you to deviate from the plan, pick the conservative option, log it under 'Deviations', and keep going."

"Package the prototype, the spec, and the implementation notes into a single doc I can drop in Slack to get buy-in. Lead with the demo GIF."

"I want to make sure I understand everything that's happened in this change. Give me a HTML report on the changes for me to read and understand with context, intuition, what was done, etc. and a quiz at the bottom on the changes that I must pass."

活教材：他自己怎么把这套方法用了一遍

Fable 的发布视频，是 Thariq 用 Claude Code 从头到尾剪出来的，而视频剪辑对他是个全新领域，他并非专家。他的做法正好把上面的方法串成一条链。

每一个讲解、头脑风暴、采访、原型、参考，都是在「变贵之前」便宜地搞清你原先不知道的东西。Thariq Shihipar，A Field Guide to Fable

落地清单：从下一个项目开始怎么用

把 8 个模式按开工时机汇总成一张清单，照着对号入座就行。

方法一句话：先把「你知道什么」拆成四种情况，再用一套提示（prompt，你发给 AI 的指令）模式，把散落的未知一步步搬进「已知」，模型才干得对。配套还有个反直觉的一手变化，喂给模型的提示词，正在做减法。

那「找未知」到底怎么找？看下面这张图。

贯穿的例子：小互想给自己的代码库加一个登录认证功能，可他对这块的认证模块一无所知。他脑子里的计划是「地图」，真实代码库是「疆域」，每当 AI 在疆域里撞上地图没标的东西，就多一个「未知」。把未知按「你有没有意识到 × 你实际懂不懂」分成四格，方法要做的就是把它们搬进左上角的「已知」。

作者拿自己当活教材：Fable 的发布视频，是他用 Claude Code 从头到尾剪出来的，而视频剪辑对他是完全陌生的领域。他的做法正好把这套方法串成一条链，先问 AI 转录精度够不够（找未知）、用代码做个逐字同步字幕的原型先验证、对不懂的调色（color grading，给画面定色调）先让 Claude 教他再动手。一个外行，靠「先找盲区再干」做完了专业活。

数字是谁给的：以上数字与「几周→几小时」全部来自这场演讲和官方博客本身（Anthropic 讲自家产品，属厂商内容），没有第三方复现。