Deweloper Anthropic dzieli się wskazówkami do promptowania Fable 5: najpierw znajdź własne ślepe plamki

Deweloper Anthropic dzieli się wskazówkami dotyczącymi promptowania w modelu Fable 5, koncentrując się na identyfikacji własnych ślepych plamek przed pisaniem poleceń. Thariq Shihipar twierdzi, że jakość odpowiedzi z najnowszego modelu Claude zależy głównie od umiejętności użytkownika w rozpoznawaniu luk w własnej wiedzy. Jego szczegółowe techniki opisuje serwis The Decoder.

Według Shihipara, Fable 5 to pierwszy model, w którym ograniczeniem jakości wyników nie są możliwości techniczne, ale zdolność użytkownika do wyjaśnienia swoich „niewiadomych”. Problem ten szczególnie dotyka programistów pracujących z agentami AI.

Kluczowe wnioski

• Fable 5 wymaga od użytkowników świadomości własnych luk w wiedzy — model jest na tyle zaawansowany, że głównym ograniczeniem są już nie jego możliwości, ale umiejętność człowieka w formułowaniu pytań.
• Shihipar wyróżnia cztery kategorie wiedzy: „Known Knowns” (to co już wiemy), „Known Unknowns” (pytania, których jeszcze nie rozwiązaliśmy), „Unknown Knowns” (oczywista wiedza, której nie zapisujemy) oraz krytyczne „Unknown Unknowns” (rzeczy, których w ogóle nie rozważyliśmy).
• Zbyt szczegółowe instrukcje mogą zablokować AI w wadliwym podejściu, podczas gdy zbyt ogólne polecenia prowadzą do generycznych, nieprzydatnych odpowiedzi.
• Deweloper poleca technikę „blindspot pass” — proszenie Claude o identyfikację nieznanych niewiadomych przed rozpoczęciem implementacji.
• Podczas pracy z kodem Claude powinien prowadzić plik „implementation-notes.md”, dokumentując podejmowane decyzje dla przyszłych iteracji.

Systematyczne odkrywanie ślepych plamek

Shihipar opisuje kilka technik przygotowawczych przed właściwą implementacją. Kluczową metodą jest „blindspot pass” — proszenie Claude o identyfikację nieznanych niewiadomych. Technika ta sprawdza się szczególnie dobrze podczas pracy z nieznaną częścią kodu.

Przykładowy prompt, który sugeruje: „Pracuję nad dodaniem nowego dostawcy uwierzytelniania, ale nic nie wiem o modułach auth w tej bazie kodu. Czy możesz przeprowadzić blindspot pass, aby pomóc mi zidentyfikować moje nieznane niewiadome i lepiej cię promptować.”

Dla obszarów z wieloma „unknown knowns”, jak projektowanie wizualne, Shihipar rekomenduje burze mózgów i prototypowanie. Zamiast od razu przystępować do implementacji, zleca Claude generowanie kilku radykalnie różnych kierunków projektowych jako artefakty HTML, na które może zareagować.

Dokumentacja podczas i po implementacji

Niewiadome mogą pojawić się także podczas implementacji. Shihipar prosi Claude Code o prowadzenie tymczasowego pliku „implementation-notes.md”, w którym śledzi podejmowane decyzje, aby można było się z nich uczyć przy kolejnych próbach. Gdy pojawiają się nieoczekiwane przypadki brzegowe, Claude powinien wybierać konserwatywną opcję, logować odstępstwo i kontynuować pracę.

Po zakończeniu implementacji deweloper rekomenduje dwie techniki. Pierwszą są „pitches and explainers” — dokumenty podsumowujące dla interesariuszy, które łączą prototyp, specyfikacje i notatki implementacyjne. Drugą są „quizzy” — Claude generuje raport HTML szczegółowo opisujący wprowadzone zmiany wraz z kontekstem i spostrzeżeniami, a następnie tworzy quiz. Shihipar nie merguje kodu, dopóki nie przejdzie quizu bez błędów.

Deweloper ilustruje swoje techniki przykładem filmu promocyjnego dla Fable, który zmontował w całości używając Claude Code, mimo że montaż wideo był dla niego nową dziedziną.