AI Engineer onepage/ Fable Field Guide
Thariq Shihipar, Anthropic · 19:28
這支影片在講：Fable 讓 agent 能力邊界重新打開
Thariq Shihipar 用 Claude Code 的經驗說明：新模型不是線性變強，而是突然長出新的尖峰能力。Fable 這類模型要靠更好的 harness、工具、提問方式與盲點探索，才能把 capability overhang 真的用出來。
Published: 2026-07-06Video ID: 9fubhllmsBU
01 / 問題
模型變強是尖峰式的
Chat model 記得所有 Pokemon，卻答不出名字以 AW 結尾的兩隻；Claude Code 會寫腳本抓清單過濾，因為工具打開了另一種能力。
02 / 反轉
舊 prompt 可能變成束縛
Fable 更有想像力後，大量例子與禁止事項反而會限制它。Claude Code 因此大幅縮短 system prompt，改給 context 而不是 constraints。
03 / 解法
讓模型幫你找未知
用 blind spot pass、prototype、interview、reference 和 implementation notes，把你沒寫進 prompt 的真實地形挖出來。
Watch for this
影片最值得抓的四個訊號
Prompt diet
-80%
講者提到 Claude Code 為 Fable 減少約八成 system prompt，避免舊範例綁住新能力。
Capability
Overhang
模型其實能做的事，常被工具、prompt 與 harness 沒設計好而卡住。
Ask user
HTML
問使用者工具從勉強可用，進化到能產生內嵌問題的 HTML 問卷與報告。
Deck speed
4h
講者說這份 keynote deck 是前一晚約四小時用 Fable 做出來的。
Core story
這場 talk 的四個核心教訓
教 1
先解除模型身上的束縛
講者稱模型是 grow 出來的，不是精密設計出來的。真正限制它的，常是人類對模型的舊理解：過大的 system prompt、過多範例、過度具體的禁止清單。
教 2
工具不是附加功能，而是能力邊界
Pokemon 例子說明，模型不一定靠記憶回答問題；給它 bash、搜尋、程式執行與環境操作，它就能自己建立 context，這也是 Claude Code 的關鍵洞察。
教 3
找 unknowns 變成新的核心工作
Fable 會走得更遠，也更容易撞上 prompt 沒描述的地形。開發者要主動找 known unknowns、unknown knowns、unknown unknowns，而不是等 agent 自己猜。
教 4
不要太快接受舊取捨
講者最後把重點拉回工程文化：good、fast、cheap 不一定只能選兩個。AI agent 的價值，要靠更有野心的工作證明，而不只是流程更快。
Field guide
講者建議怎麼跟 Fable 工作
Blind spot pass請 Fable 先掃 codebase、diff、Slack 或文件，找出你沒有想到但會改變架構決策的 gotchas。
Brainstorm + prototype用多個 prototype 把「我看到才知道」的 unknown knowns 顯性化，尤其適合設計、dashboard、工作流與互動模式。
Interview mode讓 Claude 問你問題，並要求優先問「答案會改變架構」的問題；這比一次寫完規格更能補齊地圖。
References + notes把相似程式、HTML mock、舊 PR 或範例當另一張地圖；執行中遇到 unknown 時，要求它留下 implementation notes 供 review。
Chapters
章節脈絡
Fable 回來了，這是一份 field guide講者把 Fable 形容成地圖突然打開：能力變多，也更需要新的使用方式。
四個主題：解放、未知、失落、不要合理整場 talk 分成 unhobbling Claude、finding your unknowns、dealing with the grief、being unreasonable。
Capability overhang：工具決定可觸及能力Pokemon AW 例子說明，模型知道資料不代表能直接推理出答案；code execution 讓它能換方法解題。
System prompt 要跟著模型更新過去模型需要更多例子和更明確限制；Fable 更適合小 prompt、少 constraints、更多 context。
Map 不是 territory：用 Fable 找 unknowns你的 prompt 是地圖，真實 codebase 和限制是地形。Fable 走得越遠，越需要先找出地圖沒標的地方。
面對 AI coding 的失落感講者承認手寫程式的樂趣正在改變，但也說回不去了；唯一出路是穿越這段轉變。
Be unreasonable：逼現實證明取捨存在不要預設只能 good、fast、cheap 選兩個；用 agent 做更有野心的工作，才是在證明 AI 真的有價值。
Use this checklist
如果你正在用 coding agent，先檢查這五點
你的 system prompt 是幫助，還是歷史包袱？新模型上線時，重新檢查 examples、禁止事項與硬規則；它們可能正在壓低模型能力。
你有沒有給 agent 自建 context 的工具？只給大 context 不一定是答案。搜尋、bash、測試、程式執行、環境操作常更能打開能力尖峰。
任務開始前有沒有做 blind spot pass？請 agent 先找風險、dead ends、歷史踩雷與會改變架構的問題，再進入實作。
你有沒有留下 implementation notes？Agent 遇到未知時應該記錄它怎麼決策、偏離原計畫在哪裡，讓人類 review 時能掌握脈絡。
你是不是太早接受「只能選兩個」？在 agent 能力提升後，先要求更好的結果、更快的迭代與更低成本，再讓現實告訴你真正瓶頸在哪。
Source video