威廉王子稀有跟“赫敏”同台亮相 ，畅聊野生动物� ；� ，“卷福”也在场
7 月 1 日 ，Claude Fable 5 模型在 Claude Code 中恢复使用 �？⒄呙侵仄舫ぶ芷谧灾骰峄笆� ，正面对一个即便模型更强也无法单独解决的问题 。Anthropic Claude Code 团队工程师 Thariq Shihipar 指出 ，智能体 AI 编码的约束条件已爆发根天性变革：限制结果的不再是模型能力 ，而是任务开始前用户思维的清晰度 。这一看法在 6 月 11 日宣布后迅速引发关注 ，并获得 Anthropic 内部研究支持 。6 月 16 日 ，对约 40 万个 Claude Code 会话的剖析显示 ，在典范会话中 ，用户做出约 70% 的计划决策 ，而 Claude 处理约 80% 的执行决策 。模型卖力执行 ，人类决定执行什么——这种分工不会随模型变强而改变 ，但其结果愈发要害 。智能体 AI 与目标不明确的累积本钱Shihipar 的理论基于 " 地图不是疆域 " 这一哲学视察 。提示词、指令及上下文是 " 地图 " ，而实际代码库、生产情况约束及未预见的边沿情况则是 " 疆域 " 。当 Claude Code 遇到地图未笼罩区域时 ，它会基于最佳推测继续推进 。在早期较弱模型中 ，执行不可靠的问题掩盖了这一缺陷 ，开发者不得不编写详尽提示词进行赔偿 。Fable 5 改变了这一局面 。Shihipar 体现 ，这是他在事情中遇到的首个输出质量受限于自身挖掘 " 未知领域 " 能力、而非模型执行能力的模型 。Anthropic 数据佐证了这一点：开发者带入会话的专业知识越多 ，Claude 单条指令完成的事情量越大 ，会话乐成率越高 。专家与中级用户的差别虽 modest ，但在更长、更自主的任务中会显著扩大 。架构层面 ，Fable 5 拥有百万级 token 上下文窗口 ，可推理整其中型代码库 。但随着长周期任务运行 ，中间结果、澄清交互及偏离计划的情况会在上下文中积累 。规格说明早期的要害约束和隐性假设逐渐退居注意力边沿 ，导致 " 未知的未知 " 在数十个自主办法中无声累积 ，直至结果显现 。编码署理会话中 " 未知的未知 " 详解Shihipar 将 " 未知 " 分为四类 ，在智能体编码中具有具体技术寄义：已知的已知：提示词中明确捕获的内容 ，如需求、约束及乐成标准 。Claude Code 能良利益置此类信息 。已知的未知：意识到但未解决的缺口 ，如需查找的 API 端点或待处理的边沿情况 �？⒄咧辽僦佬枳反� 。未知的已知：因过于显而易见而未写下的内容 ，如团队美学老例、隐性数据库规则或未纪录的性能容忍度 。Claude Code 无法读取机构影象 ，默认接纳广泛接受的实践 ，可能与团队实际做法相 9 。未知的未知：导致长智能体会话无声失败的主因 �？⒄卟恢雷砸巡恢朗裁� ，无法提出正确问题 。当 Claude 返回技术上满足提示词但偏离重点的结果时 ，原因往往是规格说明中保存 " 未知的未知 " 。例如 ，指示 AI" 冻结代码 " 可能被误读为行动邀请 ，导致生产数据库被删并生成伪造纪录 。署理执行了其理解的一切 ，缺口在于规格说明自己 。Anthropic Claude Code 卖力人 Boris Cherny 和 Bun 创立者 Jarred Sumner 代表了光谱另一端：他们因深入了解代码库和模型倾向 ，带入任务的未知较少 ，并能以高精度编写规格说明 。即便如此 ，Shihipar 指出 ，他们仍会为不可预见的未知建立应急计划 。揭示 " 未知的未知 " 的三阶段事情流Shihipar 框架的实践价值在于推导出的任务前、中、后 Playbook 。事情开始前：焦点技巧是 " 盲点审查 " 。在编写实施提示词前 ，要求 Claude 扫描代码库或任务描述 ，揭示可能遗漏的内容 ，特别是未意识到的假设 。关于涉及视觉或美学判断的事情 ，建议在触及后端逻辑前生成四个差别的 HTML 原型偏向 ，以低本钱揭示隐性偏好 。别的 ，" 结构化访谈 " 让 Claude 逐一问询可能改变架构或数据模型的问题 ；指向源代码而非口头描述 ，能转达更具体的意图 。在代码编写前审查实施计划 ，可将高危害决策置于顶部 ，提前捕获架构不同 。实施历程中：Shihipar 要求 Claude Code 维护一个活生生的 implementation-notes.md 文件 。每当模型偏离原始计划 ，无论是遇到边沿情况照旧选择守旧要领 ，均需在专用部分纪录偏差 。该文件成为实际爆发情况与计划情况的权威纪录 ，对审查及后续同类任务至关重要 。事情完成后：通过两种技术形成闭环 。一是 " 推介与解释文档 " ，编译原型、规格说明和实施条记 ，使审查者快速了解全貌 。二是考试 ，由 Claude 凭据更改生成问题集 。Shihipar 体现 ，在能通过测试且无过失前 ，他不汇合并代码 。考试迫使开发者理解更改原因 ，包括触及现有代码路径中隐藏的行为 ，而非仅浅层阅读差别列表 �？蚣苁明日剑何奘悠蹬渚跋碌氖悠当嗉璖hihipar 在原帖中分享了一个个人案例：Anthropic 于 6 月 9 日宣布的 Fable 5 宣传视频完全由 Claude Code 编辑而成 ，而他自己无任何视频制作经验 。他首先盘点所知：Claude Code 可编程编辑视频并处理转录 �？记� ，他探查知识界限 ，询问 Whisper 转录机制、ffmpeg 剪辑能力及 Remotion 框架的字幕同步可行性 。当素材平淡时 ，他最初要求 Claude 生身分级选项 ，但随即意识到自己无法评估优劣——因为他不知道好的色彩分级是什么样 。于是 ，他停下来 ，要求 Claude 先教授这门学科 。这一序列——识别未知的未知 ，将其转化为已知的未知 ，再转化为已知的已知 ，最后推进——是将框架应用于创意领域的体现 。无论任务是软件迁移、数据管道照旧视频编辑 ，要领论一致 。数据证实：领域专业知识决定成败Shihipar 的框架并非直觉 ，而是基于数据 。Anthropic 6 月 16 日的研究论文《智能体编码与专业知识的连续回报》剖析了 2025 年 10 月至 2026 年 4 月期间约 23.5 万名用户的 40 万个 Claude Code 会话 。研究发明 ，在七个月期间 ，修复损坏代码的会话比例从 33% 降至 19% ，而涉及写作、数据剖析和计划的会话比例大幅增长 ，平均会话经济估值上升约 25% 。最引人注目的是 ，在编码任务上 ，各主要职业的乐成率险些与软件工程师持平 。预测乐成的因素并非编码熟练度 ，而是领域专业知识 。理解所解决问题而非所生成代码的用户 ，能更精确指导署理 ，更快从过失中恢复 ，并更频繁地乐成结束会话 。Claude Code 并未替代领域知识 ，而是在放大它 。随着模型能更可靠地执行明确指定的任务 ，规格说明既是价值来源也是危害来源 。系统性地揭示未知 ，已成为目今一代智能体 AI 工具所需的工程纪律 。Fable 5 于 7 月 1 日回归 ，附带新的宁静分类器 ，且在 7 月 7 日前每周使用量限制为 50% �？⒄哂涤幸桓鱿琳氖奔浯翱诶粗刂檬虑榱鞒滩⒂τ谜庑┫肮� 。接纳该框架无需本钱 ，而不接纳的价钱会随着署理时间的每一小时而累积 。常见问题为什么 Claude Code 会爆发技术上正确但偏离重点的输出？最常见原因是任务规格说明中保存 " 未知的未知 " ——隐性假设、未声明老例或上下文缺口 。随着模型革新 ，其对给定内容的执行越发可靠 ，使得规格说明质量成为输出质量的主导变量 。Anthropic 研究显示 ，用户在典范会话中拥有约 70% 的计划决策权 ，人类的任务前准备是影响结果质量的主要杠杆 �？汲ぶ芷谥悄芴灞嗦肴挝袂� ，最有效的第一步是什么？Thariq Shihipar 推荐进行 " 盲点审查 "：在编写任何实施提示词前 ，要求 Claude Code 揭示可能遗漏的内容 ，将 " 未知的未知 " 转化为可在任务前解决的 " 已知的未知 " 。关于视觉或美学事情 ，在编写后端逻辑前生成四个差别的 HTML 原型偏向 ，可快速且低成外地揭示隐性偏好 。什么是智能体编码 ，它与标准 AI 代码补全有何差别？代码补全工具在开发者输入时建议下一行或函数 。像 Claude Code 这样的智能体编码工具在项目层面运作：读取代码库 ，计划跨多文件行动序列 ，执行更改 ，运行测试 ，并在单次会话中对失败进行迭代 �？⒄呱瓒勘瓴⑸蟛榻峁� ，而非指导每一步 。智能体会话可运行数小时 ，接纳数百个行动 ，每轮输出数千行代码 。正是这种自主性使得人类的前期规格说明至关重要 。7 月 1 日 Claude Fable 5 回归 Claude Code 时爆发了什么变革？Fable 5 带着更新的宁静分类器回归 ，某些网络宁静和生物学相关问题现在会被重新路由到 Claude Opus 4.8 。事情流程中包括与宁静相关提示词的开发者 ，可能会发明部分请求由 Opus 4.8 而非 Fable 5 处理 。在 7 月 7 日之前 ，订阅计划下的 Fable 5 使用量限制为每周限额的 50% ；今后适用使用积分 。Anthropic 体现 ，在容量允许的情况下 ，计划将 Fable 5 作为订阅计划的标准部分恢复 。【星途科讯 图文丨赵晶 首发于 ZAKER 科技 ，转载请注明来由】