Claude Fable 实战指南：发现你的未知
mindmap
root((找到你的未知))
【是什么】
Anthropic 官方 agentic coding 指南
核心观点：减少并管理未知 = 核心技能
高手特征：未知少、懂代码库也懂模型
【给谁用】
用 Claude Code 的开发者
面对陌生代码库/新领域的人
想让 AI 协作更可控的人
【核心框架：未知四象限】
已知已知
写进提示词的需求
已知未知
知道自己还没搞懂
未知已知
太显然没写 看到才认出
未知未知
完全没想到的坑 最危险
【关键机制】
告知起点上下文
经验水平 思路进度 熟悉程度
指令粒度要平衡
太细→错过更优路径
太粗→模型乱假设
趁便宜先暴露未知
原型期改成本远低于实施后
【核心方法：按阶段】
实施前
盲点扫描：让 Claude 列出你的未知未知
头脑风暴+原型：快速看到多种方向
访谈：让 Claude 逐题问你澄清歧义
参考引用：给源码当参照 比截图好
实施计划：把易改决策放前面评审
实施中
实施笔记：记录偏离计划的决策
实施后
宣讲文档：加速评审者理解与批准
测验：通过测验才算真懂 才合并
【一句话精髓】
让 Claude 帮你找未知
在代价变大之前
原文：A field guide to Claude Fable 5: Finding your unknowns 作者：Thariq Shihipar（Anthropic 技术团队成员）
在使用 Claude Code 时，我常常想起地图与领土之间的区别。
地图，即待完成工作的表征，是我的提示词、技能和上下文——是我提供给 Claude 的东西。领土，则是工作需要实际发生的地方：代码库、现实世界、真实的约束条件。
地图与领土之间的差距，就是我所说的未知（unknowns）。当 Claude 遇到一个未知时，它需要根据对我意图的最佳猜测来做出决策。工作量越大，Claude 可能遇到的未知就越多。
Claude Fable 是我遇到的第一个模型，其工作质量的瓶颈在于我澄清未知的能力。
重要的是，仅仅提前规划并不总是足够的。你可能会在深入实现时发现未知，或者你的未知可能指向一个事实：你其实应该用完全不同的方式来解决问题。
我发现，使用 Fable 工作是一个迭代过程——在实现之前、之中和之后，不断发现自己的未知。
认识你的未知
你的未知是什么？当我带着问题来找 Claude 时，我倾向于将其分解为四种类型：
- 已知的已知（Known Knowns）：这本质上就是我的提示词中的内容。我告诉智能体我想要什么？
- 已知的未知（Known Unknowns）：我还有什么没搞清楚的，但我已经意识到我还没搞清楚？
- 未知的已知（Unknown Knowns）：有哪些事情如此显而易见，以至于我永远不会写下来，但看到时却能认出来？
- 未知的未知（Unknown Unknowns）：我完全没有考虑过什么？有哪些知识是我不知道自己不知道的？我知道某件事可以做得多好？