宝玉@dotey · XAI 摘要
Thariq Shihipar在AI Engineer World's Fair上分享Fable 5模型的使用心得。他提出核心观点：模型能力需通过工具发掘（“能力悬余”），Claude Code已砍掉80%系统提示词，改为提供上下文而非约束。具体方法包括：让Fable做“盲区扫描”提前发现潜在问题；制作四个不同风格原型探索偏好；让模型提问挖出隐性知识；通过/goal指令和工作流设定目标并验证其工作。他建议打破常规大胆尝试模型能力，比如用Fable剪辑视频。
Anthropic Claude Code 工程师 Thariq Shihipar 上周在 AI Engineer World's Fair 上做了一场关于 Fable 5 的演讲。
他提了四个主题，最有信息量的是前两个。
第一个叫"解除 Claude 的束缚"（unhobbling Claude）。
他的核心观点是，模型的能力是在使用过程中逐步摸索出来的，很难一开始就设计出来的，所以模型变强的方式往往出人意料。
举例来说：你问聊天模型哪些宝可梦的名字以 aw 结尾，它答不上来，因为它虽然知道所有宝可梦的名字，但没法在脑子里一个一个过。但如果你给它代码执行工具，它会去拉全部宝可梦列表然后写脚本过滤，两秒钟就能找出答案。
Anthropic 内部把这叫"能力悬余"（capability overhang），模型其实已经能做很多事，只是我们还没找到正确的打开方式。
Claude Code 最近一个关键变化是砍掉了 80% 的系统提示词。早期模型需要详细的指令和大量示例，但 Fable 这个级别的模型反过来了，给太多示例反而会限制它，因为它自己的想象力比你给的示例更丰富。新的做法是给上下文，不给约束；告诉它情况，不告诉它不许做什么。