本文结合 Fable 5 的爆火玩法，提出模型越强越需要人类暴露自身“未知”，并给出了事前 Demo、逆向面试、事中记录、事后出卷等具体方法。
📝 详细摘要
文章从 Fable 5 的几个热门使用案例（魔法手帐、移植游戏、自画像）切入，指出同样使用先进模型，结果差异巨大。核心观点来自 Claude Code 工程师的分享：阻碍项目推进的瓶颈不再是模型能力，而是人类发现并澄清自身“未知”的能力。作者引入“地图非疆域”概念，将 AI 协作中的认知分为已知已知、已知未知、未知已知、未知未知四个象限。随后给出暴露未知的实用技巧：事前用低成本 HTML Demo 倒逼隐性偏好、用“反向面试”提问厘清需求、事中让 AI 记录 implementation-notes.md 标记偏差、事后让 AI 生成业务报告和考题以帮助人类重新掌控过程。文章最终强调，模型越强，人越需要主动探索未知，差距来源于方法的差异而非工具本身。
💡 主要观点
- 阻碍项目推进的终极瓶颈，不是模型代码能力，而是人类发现并澄清自身“未知”的能力。 随着模型变得更聪明，它能够解读模糊指令并自主决策，但也可能掩盖人类没想清楚的需求，导致结果偏离预期。
💬 文章金句
- 阻碍项目推进的终极瓶颈，不再是 AI 的代码编译能力，而是人类发现并澄清自身「未知」的能力。
- 能用 Fable 5 和不能用是一道门槛，但是会用 Fable 5 和不会用同样是一个明显的差距。
- AI 越聪明，做得越多的时候，人越容易失去过程感。
📊 文章信息
AI 初评：87
来源：爱范儿
作者：张子豪
分类：人工智能
语言：中文
阅读时间：17 分钟
字数：4126
标签： 提示工程, AI工作流, Vibe Coding, LLM, AI实践