Anthropic 工程师的 Fable 5 指南《找到你的未知》：8 招拆解

一位 Claude Code 工程师写的长文《找到你的未知》，四天三百多万浏览，讲的是如何让 Fable 发现你自己的未知。这篇文章把它拆开：先看清你的未知藏在哪，再过一遍作者给的 8 招，文末附上根据这篇文章做出来的两个 Skill。方法来自原文作者，我做的是拆解和落地。

提示词是地图，代码库是地盘

这篇长文四天三百多万浏览，作者是 Claude Code 的一个工程师，名称叫做寓言指南《找到你的未知》，内容讲的是如何让 Fable 发现你自己的未知。这篇文章拆解它的内容，同时在结尾附上根据这篇文章做出来的两个 Skill。

在文章的开篇，他先打了一个比方：你发给 AI 的提示词、Skill、背景信息是一张地图，是对你要做的事情的一种描述；你的代码库、你的真实情况是地盘，是 AI 要做的事情真正落地的地方。

地图和地盘之间差的那一块，它起了一个名字，叫做未知。当 AI 一旦撞上未知的时候，它是不会停的，它会按照它猜的方向自己去做决定。当你做的事情越多，撞到的未知也就越多。

模型越强，卡住模型脖子的越可能是你自己

他在文章里面提到，Fable 5 是第一个让他感觉到，因为他自己的上限卡住了这个模型能力的发挥。这个模型的能力的发挥，取决于他能不能把未知讲清楚。

模型越强，卡住模型脖子的就越有可能是他自己。

这是整篇文章的地基。他还特意补了一句：光靠提前规划是不够的。因为未知会在你干到一半的时候冒出来，甚至会告诉你这个问题你从根上就应该换个解法。所以挖未知这个动作不是一锤子的买卖，是干活前、干活中、干活后，一轮一个循环的事情。这句话也是他给出的八个动作的纲领。

你的未知藏在哪：四个格子

他把你不知道的东西分成了四个格子。第一个格子叫做已知的已知，这一格的内容就是你写进提示词里面的那些内容。第二个格叫做已知的未知，你知道自己还没有想清楚的部分，这个也不可怕，你至少知道它是在哪里的。

第三个格叫做未知的已知，你说不出来自己要什么，可东西摆在你面前的时候，你一眼就可以认得出来，最明显的例子就是审美。最后一个是未知的未知，你压根不知道自己不知道，甚至提问都不知道从哪里问起。

格子	说的是什么
已知的已知	你写进提示词里面的那些内容
已知的未知	你知道自己还没有想清楚的部分，至少知道它在哪里
未知的已知	说不出来自己要什么，可东西摆在面前一眼就能认出来，最明显的例子是审美
未知的未知	压根不知道自己不知道，提问都不知道从哪里问起

文章里面还提到，现在使用 AI 最顶级的那一批人，他们的差距其实就在于未知比别人少。看他们提需求的时候，就知道他们对未知的掌握比别人更少，对代码库以及模型的边界都了解得更多。但是作者自己也说了一句更重要的话：高手也默认未知是一定存在的。把未知减少、给未知留后手，这件事本身就是在掌握 AI 模型的边界。而且这个能力是可以练习的，练的方法就是让 AI 陪你练。

指令太细和太松，都是死循环

我们继续往下。他点破了一个死循环：当你的指令写得太细的时候，AI 就会严格按照你的指令去做事情，哪怕中途有一个新的解法明明更合适，它也不会去做。但是如果你写得太松，它就会按照行业平均标准来帮你产出，而平均标准未必对得上你要的产出结果。

破除这个死循环的方法，就是不要光顾着下指令，先让 AI 帮你挖掘出你的未知。它会翻你的代码库、搜索全网，而且速度极快。你只需要随便挑一个话题，它懂得大概率要比你多。

这一步在文章里面是标了重点的：把你的起点交给 AI。你想到哪一步，你对这个仓库、这个项目有多少经验，都要说出来，让 AI 像一个思考搭子一样给你干活。

这是我觉得这篇文章里面最有价值的一句话。

8 招总览

同时在文章里面，他还给出了八个动作，其中干活前五个、干活中一个、干活后两个。

阶段	招数
干活前	盲区扫描 / 先出原型再动手 / 反向采访 / 给参照物 / 排计划
干活中	让 AI 维护一份 log
干活后	打包讲解文档 / 让 AI 出题考你

干活前的五招

第一招：盲区扫描

开工前先不要下指令，尤其当你碰到一块新的地方，新的项目、新的模块、没有做过的事情的时候，这个时候你满身都是未知的未知：不知道该问什么问题，不知道什么是好，不知道前面的人做过什么。这个时候就可以让 AI 帮你找出来你的未知的未知，讲给 AI 听。

他在文章里面说明了，只需要用这个词的字面含义去做就可以，就是「盲区扫描」以及「未知的未知」，就这两个词。同时你也可以交代你是谁、你懂多少，它才知道怎么跟你配合，但是我觉得这并不是必须的。

用一句通俗易懂的话：你想要做一个什么东西，你对这一块一无所知，就让它帮你做一个盲区扫描。它能够找出来你的未知的未知，并且教会你怎么去提需求。

第二招：先出原型再动手

这一招是专门解决未知的已知。为什么要趁着原型期就把那些东西说出来？首先可以让 AI 纠正你的方向；其次可以避免当 AI 已经生产了一半之后，你才发现这个问题，你可以省掉很多的 token。因为你的生产需求里面的一个小变化，落到代码里面可能就是天翻地覆的。

他自己在文章里面举了一个例子，就是视觉设计。说不清楚你要的是什么，但是你可以看，你看一眼就知道你不要什么。这个时候你就可以让 AI 一口气帮你出好几个不同方向的版本，你先看，看完了之后再去决定你要哪一个方向。

他还说了一个习惯：几乎在每一轮开工的前面，他都会来一轮探索以及头脑风暴。这一步其实是为了防止把摊子铺得太大，或者把口子开得太小。对于我们普通人来说，只需要打开计划模式就够了。

第三招：反向采访

当你头脑风暴结束之后，还剩下一些问题。这些问题你可以让 AI 采访你，一次就问你一个，专门问那种针对你的回答会改变整个做法的问题。同时原文里面还提醒到，采访前把你的问题背景都先交给 AI，它问出来的问题才会更准。当你问过几个问题之后，你会发现很多事情你之前压根就没有想到过。

第四招：给参照物

有些东西你就是描述不清楚，要么没有那个词汇，要么讲起来太费劲。这个时候不管是截图还是文档，你都可以丢给 AI。同时文章里面刻意地强调，最好的参照物就是代码：一个你喜欢的组件，一个现成的库，把文件夹直接丢给 AI 让 AI 去看，哪怕是别的语言写的都可以。它读底层的架构，比看一张截图拿到的细节要多很多。

第五招：排计划

你觉得你自己想清楚了，先不要动工，让 AI 给你写一个实施计划。要把你最可能反悔的决定排在最前面，也就是数据怎么存、结构怎么做、前端怎么呈现；纯体力的那些东西，放在计划的后面。

这里有一个衔接到干活中的事情：在计划定稿之后，他会先开一个对话，把定稿的文档、原型喂给 AI，然后再开始开工。

干活中：让 AI 维护一份 log

在生产的过程中，也就是干活中，他会让 AI 随时去维护一个临时笔记。这个临时笔记其实就是 log 文件，我在其他的视频中有提到过。如果你不知道的话，你可以直接给 AI 说，让它写一份 log 文件。

干活后的两招

当 AI 产出了内容之后，还有两个招。

第一招：打包讲解文档

当你的 AI 产出了任何东西，你做完了之后还是需要人去审的，所以你就可以直接把需求文档、原型文件、干活的一些笔记，打包成一份讲解材料。

这个材料有两个用处。第一，当看的人和你一样，这份文件就可以让他们快速跟上、了解你的项目。第二，让懂行的人看你的这份材料，可以看出来你有没有踩坑。这里有一个我自己的想法：没有人审你的这份文档，也能够让你自己直观地看到，这个工程做了哪些内容，它做了什么东西，最后产出的结果是什么。

第二招：让 AI 出题考你

一场长任务做下来之后，AI 做的事情往往比你自己认为的要多得多。如果你只看代码层面的改动，你就只能看到一个皮毛，因为真正的行为是藏在 AI 和代码之间的每一次流通里面。所以让它把每一次改动的来龙去脉全部讲给你，最后出一道题考你。作者给自己定的一个规矩是：他自己如果考不到满分，那么这个任务他就不提交。

干完活的这两个动作，其实就是一个复盘。如果你有良好的复盘习惯，那么它对你的帮助将会非常非常大；如果你平时不复盘，那么这两个动作你同样也需要用起来，对你的帮助同样也非常非常大。

结语：跨越脑海中的那一堵墙

作者还给了一个彩蛋：他的官方发布视频从头到尾都是他使用 Claude Code 配合 Remotion 剪出来的，而他本人之前从来没有剪过视频。说一个题外话，这篇文章对应的视频也是 AI 加 Remotion 做出来的。

在文章的结尾，作者留下了这样一句话：当模型越好的时候，你把方法用对，你能够干成的事情就越多。如果一个任务跑歪了，多半不是模型不行，是你该回头把你的未知补上，或者把计划做成能够跟着未知一起变的样子。每一次讲解、头脑风暴、采访、原型、参照物，都要赶在最开始的时候，就把你不知道的东西挖出来，别等到你的任务已经进行到后半段了，才发现你已经踩到坑了。

他整篇文章传递出来的核心观念，就是让 AI 去帮你找到你自己不知道的东西，帮你跨越脑海中的那一堵墙。很多东西你自己如果没有注意到，那么你是永远不会注意到的。AI 就可以帮你去注意到这些你没有注意到的东西。

他还给了一个行动指令：在下一个项目开工的第一句话，让 AI 帮你找到你的未知。

附：两个 Skill

照这篇文章最实用的两招做的两个 Skill（盲区扫描 + 测验验收），免费拿：https://github.com/chenyuxiaojin/CYXJ

安装：

git clone https://github.com/chenyuxiaojin/CYXJ.git
cp -R CYXJ/盲区扫描 CYXJ/测验验收 ~/.claude/skills/