«Fable 5 er den første modellen der kvaliteten på det du får ut, begrenses av hvor godt du klarer å avdekke dine egne ukjente» — Thariq Shihipar, utvikler i Anthropic
Poenget til Shihipar er at flaskehalsen har flyttet seg. Når resultatet ikke stemmer, ligger feilen sjeldnere i modellen og oftere i det du ikke tenkte på da du skrev prompten. Han deler feltet i fire: kjente kjente (det som står i prompten), kjente ukjente (spørsmål du vet du ikke har svart på), ukjente kjente (kunnskap så åpenbar at du aldri skriver den ned) og ukjente ukjente, det du ikke har vurdert i det hele tatt. Den siste kategorien er den kritiske.
Balansegangen er detaljnivå. For spesifikke instruksjoner låser Fable 5 til en feil framgangsmåte selv når kursendring ville vært smartere; for vage prompter gir generiske standardvalg som ikke passer oppgaven. Løsningen er å gi modellen kontekst om ditt eget utgangspunkt: hvor du er i tenkingen og hvor mye erfaring du har med problemet.
Shihipar beskriver flere konkrete grep for fasen før du begynner å bygge:
- Blindsone-pass: be Claude finne dine ukjente ukjente, spesielt når du jobber i en ukjent del av kodebasen.
- Strukturert intervju: la Claude stille deg spørsmål ett om gangen, og prioritere de svarene som ville endret arkitekturen.
- Implementeringsnotater: la Claude Code føre en midlertidig «implementation-notes.md» som logger avgjørelser og avvik underveis.
- Quiz: få Claude til å lage en rapport over endringene med en quiz til slutt, og ikke merge før du består uten feil.
Som eksempel redigerte Shihipar hele lanseringsvideoen til Fable med Claude Code, et felt han ikke kunne fra før, ved å la modellen lære ham hva «godt» så ut som i fargegradering i stedet for å vurdere varianter i blinde.