# Anthropic Claude Code工程师分享Fable 5使用秘诀：砍掉80%系统提示词，靠"能力悬余"突破限制

- 来源：宝玉 (@dotey)
- 发布时间：2026-07-07 06:13
- AIHOT 分数：78
- AIHOT 链接：https://aihot.virxact.com/items/cmr9sajyi00j4ihpssecbqo0n
- 原文链接：https://x.com/dotey/status/2074255513353642090

## AI 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。

## 正文

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。

第二个主题叫"找到你的未知"。

你写给模型的提示词就像是"地图"，但真正的代码库和现实世界是"领地"。模型在领地里碰到地图上没标注的东西，就是一个未知数，就得自己做决定。Fable 5 的活动范围太大了，如果你不提前搞清楚这些未知数，它会在你没想到的地方做出你不想要的决策。

他给了几个具体方法：

让 Fable 做一次"盲区扫描"（blind spot pass），在动手之前先通读相关代码，帮你找出你自己都不知道的潜在问题。

让它一口气做四个风格完全不同的原型，这样你可以通过反应来发现自己的偏好，而不是先想清楚再描述。

让它提问你，通过提问把你脑子里那些"知道但没写下来"的细节挖出来。

给它一段别的系统里的代码当参考地图，比直接写规格说明书更高效。

让它在执行过程中记录每个偏离你预期的决策点，事后你能看到它在哪些地方遇到了你没考虑到的问题。

最后让它反过来考你，确保你理解它做了什么，这样你在提 PR 的时候能说清楚发生了什么。

演讲的后半段内容就偏感性了，有点像@onevcat 写的那篇《当编程变得不再有趣》 https://onevcat.com/2026/07/coding-not-funny-anymore/。

他说第一次用 Fable 的时候，既觉得获得了很多，也觉得失去了什么。他以前开过一家三十人的 YC 创业公司，当时团队因为写代码太难，被迫在各种功能之间做取舍。几周前他回去看那个代码库，用 Fable 几小时就做完了当年要花好几周的事。他真的很喜欢手写代码时那种在脑子里旋转整个代码库的感觉，但也记得那些熬夜调 bug、项目一个接一个失败的日子。

他最后的建议是"打破常规"（be unreasonable）。

以前做取舍是本能，好、快、省三选二，现在他觉得这套逻辑该被推翻了：与其先设好优先级排除掉一部分，不如逼一下现实，看它是不是真的会逼你二选一。他演讲前一天花四个小时用 Fable 做完了这场演讲的全部 PPT。

### 引用推文

> 宝玉：来自 Claude Code 团队成员 Thariq 分享的用好 Fable 5模型的秘诀。 以下内容整理自 Thariq 的视频: 过去,我们需要时刻检查 Claude 是否在正确地做事。比如,把任务拆分成小块交给它、反复检查它的输出,并在它过早停下时发现问题。但有了 Claude Fable 5,我反而发现自己越来...