לשלוט ב-Claude Fable 5: איך לבצע Prompting על ידי זיהוי נקודות עיוורות

ככל שמודלי AI מתפתחים מצ'אטבוטים פשוטים למתכנתים סוכנים (agentic coders) מתוחכמים, צוואר הבקבוק של הפרודוקטיביות עובר מיכולת המודל לבהירות המשתמש. המפתח ב-Anthropic, Thariq Shihipar, מציע שעם הגעת Claude Fable 5, הגורם המגביל אינו עוד האינטליגנציה של ה-AI, אלא היכולת של המשתמש לזהות את ה"לא ידועים" שלו.

ארבעת הרביעים של הידע ב-Prompting

כדי לשלוט ב-Fable 5, Shihipar טוען כי על מפתחים לסווג את הידע שלהם כדי להימנע ממלכודות של prompting גרוע. הוא מחלק את הפערים הקוגניטיביים לארבע קטגוריות נפרדות:

  • Known Knowns (ידועים ידועים): ההוראות המפורשות והנתונים שכבר קיימים ב-prompt שלך.
  • Known Unknowns (ידועים לא ידועים): שאלות ספציפיות או פערים שאתה מודע להם במודע וטרם פתרת.
  • Unknown Knowns (לא ידועים ידועים): ידע אינטואיטיבי כל כך ברור עד שלא תחשוב לרשום אותו, אך תזהה אותו מיד כשנראה אותו.
  • Unknown Unknowns (לא ידועים לא ידועים): הקטגוריה המסוכנת ביותר — אלמנטים קריטיים, מקרי קצה (edge cases) או דרישות ארכיטקטוניות שעדיין לא בכלל לקחת בחשבון.

כאשר משתמשים לא מתחשבים באלו, הם נופלים למלכודת: להיות ספציפיים מדי גורם ל-Fable 5 לעקוב אחר ההוראות בצורה נוקשה גם כשקיים נתיב טוב יותר, בעוד שלהיות מעורפל מדי גורם למודל להסתמך על ברירות מחדל של התעשייה שייתכן שלא יתאימו למשימה הספציפית.

טכניקות אסטרטגיות לחשיפת ה"לא ידועים"

במקום לקפוץ ישר למימוש (implementation), Shihipar ממליץ על "blindspot pass" (סקירת נקודות עיוורות). זה כולל שימוש ב-Claude כדי לבקר את המודל המנטלי שלך לפני שנכתבת שורת קוד אחת. לדוגמה, אם אתה עובד בתוך codebase לא מוכר, תוכל לבצע prompt ל-Claude: "אני עובד על הוספת auth provider חדש אבל אני לא יודע כלום על מודולי ה-auth ב-codebase הזה. האם תוכל לבצע blindspot pass כדי לעזור לי לזהות את ה-unknown unknowns הרלוונטיים עבורי?"

טכניקות נוספות בעלות השפעה גבוהה כוללות:

  • ראיונות מובנים: לבקש מ-Claude לראיין אותך שאלה אחר שאלה, תוך מתן עדיפות לאמביגואיטיות (עמימות) שעלולות לשנות מהיסוד את ארכיטקטורת המערכת.
  • פרוטוטיפינג מהיר: שימוש ב-HTML artifacts כדי לגרום ל-Claude לייצר כיווני עיצוב שונים בתכלית, מה שמאפשר לך להגיב ל-"unknown knowns" ויזואליים.
  • תכנון מימוש: להנחות את Claude ליצור תוכנית שמתעדפת רכיבים תנודתיים כמו מודלים של נתונים וממשקי טיפוסים (type interfaces) לפני המעבר ל-refactoring מכני.

סגירת המעגל: תיעוד ואימות

תהליך ה-prompting לא מסתיים ברגע שהקוד נוצר. כדי לנהל את ה"לא ידועים" שצפים במהלך ההרצה, Shihipar מציע להשתמש ב-Claude Code כדי לתחזק קובץ implementation-notes.md. קובץ זה עוקב אחר כל החלטה שמתקבלת, ומבטיח שאם משימה משתבשת, ההיגיון שמאחוריה יישמר.

כדי להבטיח הבנה מלאה לפני מיזוג (merge) של הקוד, Shihipar משתמש בשיטת "quiz" (בוחן). Claude מייצר דוח HTML המפרט את כל השינויים והתובנות, ולאחריו בוחן למפתח. הוא שומר על כלל נוקשה: אל תמזג את הקוד עד שלא תעבור את הבוחן ללא שגיאות. זה מבטיח שהמפתח העביר את ה"לא ידועים" של הפרויקט לתחום ה"ידועים".

נקודות מפתח

  • התמקדות ב-"Unknown Unknowns": המטרה של prompting מתקדם עם Fable 5 היא להשתמש ב-AI כדי לחשוף את מה שאתה אפילו לא חשבת לשאול.
  • הימנעות ממלכודת הספציפיות: איזנו את ה-prompts שלכם כדי שלא תהיו נוקשים מדי עד שה-AI לא יוכל לאלתר, או מעורפלים מדי עד שהוא יסתמך על פתרונות גנריים.
  • הטמעת תהליך עבודה של אימות: השתמשו בהערות מימוש, ראיונות מובנים ובוחנים לאחר המימוש כדי להפוך קוד שנוצר על ידי AI לידע שנרכש ושולט בו.