Claude Fable 5 実践ガイド：8つの「未知を見つける」プロンプトパターン、盲点スキャンから読了後の小テストまで
- Anthropic の Claude Code チームメンバー Thariq Shihipar が AI Engineer World's Fair で講演「A Field Guide to Fable」を行い、同日に公式ブログも公開した。報道によれば3日間で閲覧数は約200万に達した。
- 核心の方法論：「自分が何を知っているか」を四象限に分ける —— 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、あらかじめ計画することが、新世代モデルを使いこなす核心スキルだ。
- 講演では、そのまま真似できる8つのプロンプトパターンが示され、着手前・着手中・着手後で整理されており、それぞれに日本語・英語の実例 prompt が付いている。
- 直感に反する一次情報の開示：Claude Code のシステムプロンプトは最近80%削られた。新モデルにとって、例はかえって足かせになる。方向性は「制約を与える」から「文脈を与える」へと変わった。
- Thariq はこの方法で、Fable のローンチ動画をゼロから編集し上げた。動画編集は彼にとってまったく未知の領域だった。
この講演は結局何を語っているのか
Anthropic の Claude Code チームメンバー Thariq Shihipar が、AI Engineer World's Fair で基調講演を行い、同名の公式ブログ「A field guide to Claude Fable 5: Finding your unknowns」を同時に公開した。
講演に繰り返し出てくる言葉がある：モデルの解放（unhobbling）。本当にモデルを縛っているのは、多くの場合あなた自身がかぶせた枠組みや、プロンプトを書く際の古い習慣であり、これらの枠組みは本質的に「あなたのモデル理解度」の写像だ。それを改めれば、モデルが元々持っている能力を解き放てる。
もともと走れる馬から、不要な手綱や目隠しを外してやるようなものだ。
モデルは「尖った形」で賢くなる、だからプロンプトはむしろ引き算すべき
この世代のモデルが「例は少なく、文脈は多く」である理由を理解するために、まず2つの背景を見よう。この節は前置きで、要点は後にある。
1つ目の背景は能力の張り出し（capability overhang）：モデルは横並びで強くなるのではなく、特定のタスクで突然一段飛び抜ける。ネットで話題になった投稿に「なぜ大規模モデルは名前が AW で終わるポケモンを言えないのか」というものがあった。普通のチャットモデルは答えられない、全ポケモンの名前を明らかに知っているにもかかわらず。だが Claude Code は答えられる。各ポケモンを取ってきて、AW で終わるものを絞り込むスクリプトを書くからだ。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天と地ほど違う。
地下に深さの異なる鉱脈が埋まっているようなもので、ツールはどの鉱脈まで掘れるかを決めるつるはしだ。新モデルを使いこなす労力の半分は、いま一体どんな新しい可能性があるのかを見極めることにある。
2つ目の背景はさらに直感に反する：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、傾向が見て取れる。
ツールもモデルの能力とともに進化している。ask-user-question ツール（計画段階でモデルが逆に選択式の質問をあなたに投げかける）を例に取ると：Opus 4 の頃はかろうじて呼び出せる程度、Opus 4.5 では「要件について40個質問して」と頼め、あなたをインタビューし始めた。Opus 4.8 と Fable になると、質問を埋め込んだ HTML レポート一式を直接生成できる。モデルを理解することは、むしろ生物学に近い。経験的で有機的で、あなたが直感を築いていく必要がある。