刷完 Fable 5 爆火玩法，我發(fā)現(xiàn)自己用 AI 第一步就錯了

Fable 5 回歸之后，一些使用案例又開始在網(wǎng)上爆火。每看到一個，心里大概都想過，怎么我沒有發(fā)現(xiàn)這樣的玩法。

最近流行的《哈利·波特》中湯姆·里德爾日記本，開發(fā)者用 Fable 5 把自己的 reMarkable 平板改造成一個魔法手帳。我們在紙上寫下提示詞，會自動淡出消失，然后 AI 的回復(fù)慢慢淡入，就像魔法般從紙上浮現(xiàn)。

目前這條視頻在 X 上已經(jīng)有上百萬次瀏覽。也有網(wǎng)友很快用 iPad 也實現(xiàn)了類似的功能，用 AI 生成單個 HTML 文件，打開就是一個魔法筆記本，在屏幕上寫下提示詞后，得到魔法般的回答。

另一個熱門的玩法是 Google AI Studio 產(chǎn)品和設(shè)計負(fù)責(zé)人 Ammaar Reshi 用 Fable 5 做了一個游戲，他將一款 2003 年發(fā)行的游戲《命令與征服：將軍零點》，順利移植到了 iPhone 和 iPad 上，并且不需要模擬器。

視頻來源：X@ammaar

就連 Claude Code 負(fù)責(zé)人都在下面留言表示驚訝。Ammaar 也給出了完整的實現(xiàn)經(jīng)歷，在 GitHub 的開源倉庫里，詳細(xì)描述了如何在自己的 iOS 設(shè)備運行這款游戲、心路歷程以及項目存在的問題。

更有意思的是這條超過 300 萬次瀏覽的「Fable 5 自畫像」。網(wǎng)友要求 Fable 5 向他展示它最具表現(xiàn)力的形態(tài)。

Fable 5 沒有使用任何已有的視頻生成器，而是在電腦的終端里編寫了自己的渲染引擎，還合成了自己的聲音，從零開始寫了一個生成式的 ASCII 編碼引擎，來描繪 Fable 5 最有表現(xiàn)力的形態(tài)。

視頻來源：X@VoidStateKate

有網(wǎng)友質(zhì)疑 Fable 5 在其中是否發(fā)揮作用，她貼出了簡單的提示詞信息，像是「嗨，F(xiàn)able，請你用 ASCII 字符，通過語音、音頻和動畫，制作一個短視頻來表達(dá)你最真實的內(nèi)心世界。」

上下滑動查看更多內(nèi)容

Fable 5 在拉開 AI 使用的差距這方面，真的做到了淋漓盡致。

即便是一些基礎(chǔ)的玩法，有人用 Fable 5 就能做出一個幾乎能完美上線的游戲。從最初的想法、游戲美術(shù)到 3D 模型和代碼，網(wǎng)友用 Fable 5 在 Rork 里完美克隆了地鐵跑酷，總用時 1 小時。

視頻來源：X@alexcooldev

隨著模型能力的提升，那些知道怎么使用模型的人，寫出更好的提示詞，應(yīng)用更完善的 Skill，選擇合適的框架，他們得到的結(jié)果比大多數(shù)用著同樣一個 Fable 5 的用戶都更好。

能用 Fable 5 和不能用是一道門檻，但是會用 Fable 5 和不會用同樣是一個明顯的差距。

YCombinator 合伙人發(fā) X 說 Fable 太好用了，評論區(qū)表示你用到的只是冰山一角

Claude Code 工程師前幾天在 X 發(fā)文，核心主題就是 如何在使用高階 AI 模型時 ，文中舉例使用的是 Claude Fable 5， 通過「理清未知領(lǐng)域」來突破生產(chǎn)力瓶頸。

在我們看來，其實除了 Fable 5，就是手邊能接觸到的最強模型，我們或許都可以用這套方法去挖掘模型潛力的同時，發(fā)現(xiàn)自己的潛力。

原文鏈接：https://claude.com/blog/a-field-guide-to-claude-fable-finding-your-unknowns

地圖非疆域

這個上世紀(jì)三十年代的哲學(xué)概念，著名的「語義學(xué)命題」，描繪的是我們的認(rèn)知與實際情況之間有著一定的差異。

就像地圖無法完全呈現(xiàn)真實世界的所有細(xì)節(jié)和復(fù)雜性一樣，我們的描述，也只是對事物的簡化和抽象，這種描述通常無法準(zhǔn)確反映外部世界。

APPSO 曾在 AI 模型瘋狂發(fā)布的那段時間分享了我們的思考，里面也提到了類似的觀點。

放在今天的 AI 開發(fā)語境里，我們丟給 AI 的 prompt、skills、上下文，更詳細(xì)一點還有需求說明，這些都只是「地圖」，是我們對任務(wù)的描述。

而復(fù)雜的代碼庫、真實世界的業(yè)務(wù)場景、現(xiàn)實約束和運行規(guī)則，才是真正的「疆域」。

在「地圖」和「疆域」之間，有著各種未知的情況。丟給導(dǎo)航一張路線地圖，它能告訴我們從 A 到 B 怎么走，但是路面情況，這些只有在現(xiàn)場才會出現(xiàn)的東西，是我們無法用一句提示詞可以窮盡的。

當(dāng)我們在 Vibe Coding 時，輸入一句提示詞「幫我做一個編輯器工具欄」，Claude 真動手時發(fā)現(xiàn)：現(xiàn)有組件怎么復(fù)用、按鈕放哪里、狀態(tài)怎么存、移動端會不會擠、你喜歡簡潔還是功能鋪滿。

這些未知，即便提示詞描述的再清楚，也只是任務(wù)的壓縮版本，真正的工作仍然需要在 Claude 執(zhí)行過程中，才會暴露更多的細(xì)節(jié)。

這些細(xì)節(jié)被稱為 Unknowns，未知項或者空白地帶 。有些空白我們自己知道，但有些空白是我們心里有標(biāo)準(zhǔn)，卻無法描述清晰，還有一些根本沒有意識到的部分。

具體來說，根據(jù)我們與 AI 協(xié)作時的認(rèn)知，Claude Code 工程師把這些未知分為四個象限。

已知已知（Known Knowns）：我們明確地寫在提示詞里的需求說明。

已知未知（Known Unknowns）：我們意識到自己還沒搞懂、需要去查明或做決定的問題。

未知已知（Unknown Knowns）：那些我們覺得理所當(dāng)然、甚至懶得寫進(jìn)文檔，但一旦看到就能做出判斷的直覺，比如隱藏的審美偏好或肌肉記憶等。

未知未知（Unknown Unknowns）：我們根本沒有意識到、甚至不知道自己不知道的盲區(qū)。

模型越強，這些未知越容易被放大。

過去我們總覺得，AI 工具不好用是因為它「不夠聰明」，寫出來的代碼有 Bug。但到了 Claude Fable 5 這一代，一個新事實浮出水面：

阻礙項目推進(jìn)的終極瓶頸，不再是 AI 的代碼編譯能力，而是人類發(fā)現(xiàn)并澄清自身「未知」的能力。

換句話說，別急著把需求丟給 AI，而要先幫它找到那些你沒說清、你自己也沒想透的地方。

如何暴露未知

以前大家談 AI 使用技巧，最常見的建議是把 prompt 寫清楚、寫具體、寫完整。

到了更聰明的模型這里，問題變細(xì)了。我們要做的未必是把指令越寫越長，從開發(fā)前、到開發(fā)過程中、以及開發(fā)完成后，都應(yīng)該有專門的實用技巧和提示詞模板。

先做 10 個 Demo 給我看看

如果我們要進(jìn)入一個陌生的代碼模塊，或者要用一個從未接觸過的框架，最聰明的做法是直接對 Claude 說：

我準(zhǔn)備接入一個新的鑒權(quán)模塊，但我對這個代碼庫的鑒權(quán)邏輯一無所知。請幫我做一次「盲區(qū)掃描（Blind Spot Pass）」，把那些我還沒意識到的「未知未知」找出來，并教我怎么更好地向你提問。

而面對那些「說不清道不明」的未知已知，不要直接讓 AI 去改生產(chǎn)環(huán)境的代碼，先讓它生成獨立的、帶有假數(shù)據(jù)的 HTML 頁面。

比如做前端設(shè)計，一些工程師是典型的「直男審美」，讓他們描述理想的界面，很難組織成具體的語言。但只要看到成品，他們就能立刻挑出刺來。

這時候，我們可以告訴 AI：

我想做個數(shù)據(jù)看板，但我沒什么審美。請幫我生成一個 HTML 頁面，包含 4 種截然不同的設(shè)計方向，讓我能有個直觀的反應(yīng)。

這并不是在浪費算力，其實整個暴露未知的核心邏輯，就是用極低的成本去試錯，避免在核心代碼中付出昂貴的糾錯代價。

上下滑動查看更多內(nèi)容

在開發(fā)前的 Demo 里，用幾個低成本的 HTML 原型，去對齊彼此的默契，把我們腦子里的隱性判斷倒逼出來。

而當(dāng)任務(wù)會影響架構(gòu)時，最好讓 AI 詢問我們。以反向面試的方式，讓 AI 把我們模糊的想法變明確。

其中，問題要挑那種答案會改變方案的，比如數(shù)據(jù)存在前端還是后端，權(quán)限跟用戶走還是跟團隊走，某個流程要一步完成還是拆成審批。

請像面試官一樣，每次只問我一個問題，幫我厘清需求中的模糊地帶。優(yōu)先提那些會影響架構(gòu)設(shè)計的關(guān)鍵問題。

還是說不清楚的時候，甚至可以直接把現(xiàn)成的優(yōu)秀源碼/案例，哪怕是不同語言，丟給 AI 去像素級模仿。

等差不多能動手了，再讓 AI 寫 implementation plan，并把最需要我們拍板的「數(shù)據(jù)模型、接口定義、UI 流轉(zhuǎn)」等需要修改主意的內(nèi)容，放在最前面審核，機械化的重構(gòu)放在后面。

循環(huán)工程和線束工程

在真實世界的疆域里，哪怕最完美的計劃，也會遇到各種偏離原計劃的極端案例。

大多數(shù)長周期的任務(wù)落地過程中，聰明的 Agent 會不斷去發(fā)現(xiàn)任務(wù)中可能存在的問題。例如，它可能會發(fā)現(xiàn)某個第三方庫不兼容，也可能發(fā)現(xiàn)某個接口的響應(yīng)變慢了。這時候，AI 需要自己做主。

如果沒有防御機制，AI 跑了一個小時后，我們再看對比，常常只能看到改了哪些文件，看不出它為什么這么改。AI 的自我修正是把問題解決了，但也可能悄悄埋下了一個我們根本不知道的雷。

因此在執(zhí)行中，Claude Code 工程師建議讓 Claude 維護一個臨時文件，比如 implementation-notes.md。它每次遇到邊界情況、偏離原計劃、做了什么保守取舍，都寫進(jìn)去。

在開發(fā)過程中，一旦你遇到任何逼迫你偏離原定計劃的極端情況，請選擇最保守的退路，并且立刻在執(zhí)行筆記的「路線偏離」一欄里記上一筆。不要瞞著我，繼續(xù)往前走。

Claude，請給我出一張卷子

當(dāng) Claude Code 幫我們改完了幾千行代碼，生成了大量的新文件，看著那些密密麻麻的代碼差異對比，很多時候，我們只是機械地點擊了「接受修改」，心里卻在打鼓。

為了繼續(xù)從自主化的 AI 手里重新掌控全局，Claude Code 工程師給出的做法是：讓 AI 給我們出期末考試題。

在項目的正式交付之前，先把所有的上下文和變更記錄打包喂給 Claude：

我需要確保我完全消化了這次的所有改動。請基于這次的代碼變更，為我生成一份詳細(xì)的 HTML 業(yè)務(wù)報告。并且，在報告最下方，給我出 5 道原理單選題。我必須全部答對，才會允許自己合并這段代碼。

除了這種極端的考試，我們還可以讓 AI 把原型、規(guī)格、實現(xiàn)記錄整理成一份給同事看的說明。它要講清楚做了什么、為什么這么做、還剩哪些風(fēng)險。

AI 越聰明，做得越多的時候，人越容易失去過程感 。我們只看到一個完成的結(jié)果，卻不知道里面有多少取舍。讓模型解釋、讓自己被測一遍，本質(zhì)上也是用極低的成本，把那些被 AI 偷偷帶過的知識點，重新交給我們。

在 Fable 5 的官方發(fā)布視頻里，這種方法論也得到了驗證。那個演示視頻背后的底層腳本剪輯、音頻切除、甚至 Remotion 動畫，全都是由 Claude 親自操刀的。

但視頻的創(chuàng)作者并不是個專業(yè)的剪輯師和調(diào)色師。他之所以能搞定這一切，是因為他從一開始就沒把 Claude 當(dāng)成一個服從人類指令的工具。

他讓 Claude 去解釋 Whisper 的音頻裁切原理，讓 Claude 去惡補色彩學(xué)常識，用最低的成本，把自己從一個不懂視頻制作的人，變成了一個能跟上 AI 節(jié)奏的「入門制片人」。

回頭再看那些刷屏的 Fable 5 案例，湯姆·里德爾的日記本、iPhone 上運行《命令與征服》、會給自己畫 ASCII 自畫像……這些作品背后，除了那句神奇的 Prompt，還有一連串不斷暴露未知、驗證想法、推翻重來的過程。

一個強大的模型，把這些過程的成本壓低了。

以前，一個大膽的想法可能要花幾周才能驗證；現(xiàn)在，一個下午就足夠知道它值不值得繼續(xù)。

模型越來越強以后，真正拉開人與人差距的，也許除了擁有更好的 AI，還有愿意不斷提出新的問題、驗證新的假設(shè)，再把一個看似離譜的念頭，一步步變成現(xiàn)實。

互聯(lián)網(wǎng)下一批真正有意思的產(chǎn)品、玩法，甚至新的創(chuàng)業(yè)方向，大概率都會從這些一次又一次的實驗里長出來。

我們正在招募伙伴

簡歷投遞郵箱 hr@ifanr.com

?? 郵件標(biāo)題 「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關(guān)鏈接）