Claude Fable 5 实战方法论 | 八招解锁 Agentic Coding 最高效率
Anthropic 最新模型 Fable 5 被称为「agentic coding 的分水岭」。本文拆解 Thariq（Claude Code 核心开发者）分享的 8 个实战技巧，教你如何用 Fable 5 真正提效，附完整 Prompt 模板。
前言
2026 年，Anthropic 放出了代号Fable 5的新一代模型。这不是一次普通的版本迭代——它被内部开发者称为「agentic coding 的分水岭」。
为什么这么说？因为 Fable 5 是第一个让工作质量的瓶颈从模型转移到了人的模型。换句话说，以前是你把需求写清楚、模型尽力执行；现在是你能不能发现自己「不知道什么」，直接决定了 Fable 5 的产出上限。
这个观点来自 Anthropic 的 Claude Code 开发者 Thariq。他写了一篇长文分享自己使用 Fable 5 的方法论，核心理念只有一个：找到你的未知。
目前 Fable 5 已在国内部分 API 平台上线，比如 星途AI 等聚合服务商，价格比官方渠道低不少，国内网络也能直连，省去了折腾海外支付的麻烦。
一、核心隐喻：地图不是疆域
Thariq 用了一个精准的比喻来解释 Fable 5 的工作方式：
- 地图：你给 Claude 的 prompt、skills、context——对工作的描述
- 疆域：代码库、现实世界、真实约束——工作真正发生的地方
地图和疆域之间的差距，就是「未知」。当 Claude 碰到一个未知时，它只能靠猜测你的意图来做决策。工作量越大，碰到的未知越多，偏航的概率越高。
Fable 5 的突破在于：它足够聪明，只要你帮它发现未知，它就能把工作做到位。但反过来，如果你连自己不知道什么都搞不清楚，Fable 5 再强也使不上劲。
二、四种「未知」：先搞清楚自己不知道什么
Thariq 把未知拆成了四类，这个框架非常实用：
| 类型 | 含义 | 例子 |
|---|---|---|
| 已知的已知 | 你 prompt 里写清楚的东西 | 「用 React 写一个登录表单」 |
| 已知的未知 | 你知道自己没想清楚的部分 | 「认证用 JWT 还是 Session 我还没定」 |
| 未知的已知 | 你觉得太 obvious 没写进 prompt 的东西 | 「前端用 TypeScript 不是 JavaScript」 |
| 未知的未知 | 你压根没考虑过的东西 | 「这个 API 需要速率限制？我根本没想到」 |
最厉害的 agentic coding 高手，不是什么都懂，而是对自己的「未知」有清醒认知。他们会在开始之前就假设未知的存在，然后用方法去发现和缩小它。
三、八个实战技巧：从发现到交付的完整方法论
下面是 Thariq 分享的 8 个技巧，我重新整理后加入了可直接复用的 Prompt 模板。每个技巧都解决一种特定的「未知」问题。
技巧 1：盲区扫描——发现「未知的未知」
适用场景：你要在不熟悉的代码库区域写功能，或者让 Claude 帮你做一件你完全没经验的事。
核心思路：让 Claude 先帮你找到你的盲区，然后你再来写正式的 prompt。
Prompt 模板：
我在给项目加一个新的认证模块，但我对这个代码库里的 auth 部分一无所知。 你能做一次盲区扫描，帮我找到相关的「未知的未知」， 让我能更好地给你写 prompt 吗？ 我的背景：后端开发，熟悉 JWT 但没用过这个项目的认证框架。关键点：一定要给 Claude 你的背景信息——你是谁、你知道什么、你不知道什么。这样它的扫描才有针对性。
技巧 2：先做原型——发现「未知的已知」
适用场景：你想要某个东西，但只有看到了才知道是不是自己想要的。视觉设计、UI 布局、架构选型都属于这一类。
核心思路：在正式实现之前，让 Claude 先做几个不同方向的原型让你选。
Prompt 模板：
我想给这些数据做一个仪表板，但我没什么设计经验，也不知道有哪些可能性。 做一个 HTML 页面，给我 4 个完全不同的设计方向，让我看看哪个感觉对。 先不要接后端，用假数据就行。为什么有效：在原型阶段发现一个「未知的已知」，成本只是一次重新生成；在实现阶段发现，可能要推翻整个架构。
技巧 3：让它面试你——挖掘「已知的未知」
适用场景：你已经做了头脑风暴，但感觉还有模糊地带没想清楚。
核心思路：让 Claude 来当面试官，一个一个问你问题，优先问那些「你的回答会改变架构设计」的问题。
Prompt 模板：
我要实现一个用户通知系统。每次问我一个问题，问那些有歧义的地方， 优先问那些「我的回答会改变架构设计」的问题。 问完一个等我回答，再问下一个。关键点：不要让它一次把所有问题都列出来。逐个问答的方式，让你有时间思考每一个决策点，也让你前面的回答能影响后面的问题。
技巧 4：给它看参考——用源代码替代描述
适用场景：你想要的行为很难用语言描述，但你见过类似的实现。
核心思路：直接把参考代码丢给 Claude，让它从源码中理解你要的语义。甚至可以是不同语言的代码。
Prompt 模板：
vendor/rate-limiter 里的这个 Rust crate 实现了我想要的退避行为。 读一下它，然后在我们的 TypeScript API 客户端中重新实现相同的语义。 不需要逐行翻译，重点是行为一致。为什么有效：源代码是最精确的「需求文档」。Fable 5 的长上下文能力让它能轻松跨语言理解代码意图。
技巧 5：先出方案——在写代码前对齐
适用场景：你差不多准备好开始写了，但想在正式实现前做一次校准。
核心思路：让 Claude 先出一个实现方案，重点放在最可能需要调整的部分。
Prompt 模板：
写一个 HTML 版的实现方案，但把我最可能要调整的决策放在最前面： 数据模型变更、新的类型接口、以及任何用户可见的东西。 那些机械性的重构放到最后，那部分我信你。关键点：把「可能要改的」和「不太会改的」分开。这样你审阅时可以集中精力在关键决策上，节省时间。
技巧 6：边做边记——捕获实现中的意外
适用场景：方案确定了，开始让 Claude 实现了。但不管规划多充分，实现过程中总会遇到意外。
核心思路：让 Claude 维护一个 notes 文件，记录它做的每一个决策，特别是偏离方案的决策。
Prompt 模板：
在实现过程中维护一个 implementation-notes.md 文件。 如果你碰到一个边界情况迫使你偏离方案， 选择保守的方案，把它记在「偏差」部分，然后继续。 不要停下来等我确认，除非是破坏性变更。为什么有效：这样你下次迭代时，可以直接读 notes 文件了解所有决策的来龙去脉，不需要重新复盘整个实现过程。
技巧 7：交付说明——让别人也能理解你的成果
适用场景：工作做完了，需要向团队展示、争取支持或走代码审查。
核心思路：让 Claude 把成果打包成一个自解释的文档。
Prompt 模板：
把原型、spec 和实现笔记打包成一个文档， 让我可以丢到 Slack 里争取支持。 把 demo GIF 放在最前面，后面跟一个 3 句话的 TL;DR， 再附上完整的技术细节供深读。技巧 8：验收考试——确保你真的理解了改了什么
适用场景：一个长时间的工作 session 结束后，Claude 完成的东西可能比你意识到的多得多。
核心思路：让 Claude 给你出一套测验题，你必须答对了才合并代码。
Prompt 模板：
我想确保自己理解了这次改动的所有内容。 给我做一个 HTML 报告，包含： 1. 改动的上下文和直觉 2. 具体做了什么 3. 在底部出一套测验题，覆盖所有关键决策点 我必须通过这个测验才会合并代码。为什么有效：这可能是最被低估的技巧。很多开发者用 AI 写完代码就直接合并了，根本不理解里面发生了什么。验收考试强制你理解每一行改动的意图，这才是「用 AI 提效」而不是「被 AI 替代」的正确姿势。
四、完整工作流：八个技巧的串联
上面八个技巧不是每次都要全用，但它们可以串成一条完整的工作流：
- 盲区扫描→ 了解自己有什么不懂
- 先做原型→ 看看不同的可能性
- 让它面试你→ 填补模糊地带
- 给它看参考→ 精确传达意图
- 先出方案→ 对齐关键决策
- 边做边记→ 捕获实现中的意外
- 交付说明→ 让别人理解成果
- 验收考试→ 确保自己真的懂了
注意：步骤 1-5 是「探路」，成本极低（就是几轮对话）；步骤 6 是「施工」；步骤 7-8 是「收尾」。大多数翻车案例都是跳过了探路直接施工，结果实现到一半才发现方向错了。
五、实战案例：用 Fable 5 剪辑发布视频
Thariq 自己用这套方法论完成了 Fable 5 的发布视频剪辑——他之前完全没有视频制作经验。整个流程：
- 从已知出发：他知道 Claude 能用代码编辑视频，但不确定精度够不够
- 盲区扫描：让 Claude 解释 Whisper 转录原理和 ffmpeg 剪辑能力
- 做原型：用 Remotion + 转录文本做了个原型视频验证效果
- 发现新未知：视频灰蒙蒙的，需要调色，但他不懂调色
- 再次盲区扫描：让 Claude 先教他调色基础知识，再动手
这个案例完美诠释了「发现未知是一个迭代过程」——不是提前规划好一切，而是在做的过程中不断发现新的未知，然后逐一解决。
六、Fable 5 的 API 接入方式
目前国内用户直接调用 Anthropic 官方 API 不太方便，需要处理网络和支付问题。一个可行的替代方案是通过国内的 API 聚合平台接入。
以星途AI（https://xingtu.lk888.ai/）为例，它已上线 Fable 5 模型，兼容 OpenAI 协议，接入方式和常规 API 调用一致：
- 注册后获取 API Key
- 配置 API 地址和 Key 到 Claude Code 或你常用的客户端
- 选择 Fable 5 模型即可开始使用
其他类似的 API 平台也可以，选一个价格和网络体验适合自己的就行。
总结
Fable 5 的发布标志着 agentic coding 进入了一个新阶段：瓶颈不再在模型，而在你发现自己「不知道什么」的能力。
Thariq 的八个技巧本质上都在做同一件事：在问题变得昂贵之前，先低成本地探路。
- 盲区扫描、做原型、面试你——是在开工前探路
- 先出方案、看参考——是在施工中校准
- 边做边记、交付说明、验收考试——是在收工后查漏
而通过国内 API 平台（如星途AI），这套方法论的实践成本可以降得很低——Fable 5 已上线，一轮对话几分钱，你可以放心做各种探索。
下一次开始项目之前，别急着写代码。先让 Fable 5 帮你找到你的未知。