Anthropic 方法论指出,模型越强(如 Fable 5),写代码瓶颈已从模型能力转移到用户能否开工前挖出未知。未知分四类:已知已知、已知未知、隐性认知(设计品味)、盲区(历史坑、架构约束)。解法覆盖全流程:盲点扫描、多版原型、核心问题逐个提问、实现中记录偏差日志、边缘场景留痕不擅自做主、最后用变更出测验满分才能合并。有人将此做成开源技能,任务达标率从 65% 提至 100%。协作从“指挥工具”变成“探索未知”,核心是元认知能力。
说个颠覆认知的,Fable 5越强,你用它写代码反而越容易翻车,这是来自Anthropic内部的使用Fable 5的最佳实践和方法论,真正拉开人与人差距的关键是,有没有驾驭强模型的元认知能力。
先说结论,这其实不是模型能力退化,也不是什么prompt技巧不对,相反是你顺着这个问题往下挖,会发现强模型时代的游戏规则其实已经悄悄变了。
我之前也一直觉得,模型越厉害干活就越省心,直到翻到Claude团队内部的这套使用框架,才反应过来问题根本不在模型身上。
核心逻辑一句话就能讲清,你写的需求和上下文是地图,真实的代码库、历史约束、边缘场景是领地,中间的差距全是各式各样的未知。
模型弱的时候,瓶颈在模型能不能把代码写对,等模型强到Fable 5这个级别,瓶颈就彻底转移了,变成了你能不能在开工前把所有未知都挖出来。不然模型只会照着残缺的地图,把活干得又快又偏,等你发现不对的时候,返工成本已经很高了。
他们把未知分成了四类,你明确写进需求的是已知的已知,你知道自己不懂的是已知的未知,这两类都好处理。
真正坑人的是另外两种,一种是你潜意识里有偏好但没说出来的隐性认知,比如设计品味、代码风格,另一种是你连想都没想到过的盲区,比如藏在旧代码里的历史坑、架构层面的底层约束,这两类才是造成大量返工的元凶。