Menguasai Claude Fable 5: Cara Melakukan Prompting dengan Menemukan Titik Buta Anda

Seiring berkembangnya model AI dari chatbot sederhana menjadi coder agen yang canggih, hambatan produktivitas bergeser dari kemampuan model ke kejelasan pengguna. Pengembang Anthropic, Thariq Shihipar, menyarankan bahwa dengan hadirnya Claude Fable 5, faktor pembatasnya bukan lagi kecerdasan AI, melainkan kemampuan pengguna untuk mengidentifikasi "hal-hal yang tidak diketahui" (unknowns) mereka sendiri.

Empat Kuadran Pengetahuan dalam Prompting

Untuk menguasai Fable 5, Shihipar berpendapat bahwa pengembang harus mengategorikan pengetahuan mereka guna menghindari jebakan prompting yang buruk. Ia membagi celah kognitif menjadi empat kategori berbeda:

  • Known Knowns (Hal yang Diketahui): Instruksi eksplisit dan data yang sudah ada dalam prompt Anda.
  • Known Unknowns (Hal yang Diketahui Tidak Diketahui): Pertanyaan atau celah spesifik yang Anda sadari belum Anda pecahkan.
  • Unknown Knowns (Hal yang Tidak Diketahui Diketahui): Pengetahuan intuitif yang sangat jelas sehingga Anda tidak terpikir untuk menuliskannya, tetapi akan langsung mengenalinya saat melihatnya.
  • Unknown Unknowns (Hal yang Tidak Diketahui Tidak Diketahui): Kategori yang paling berbahaya—elemen kritis, kasus tepi (edge cases), atau persyaratan arsitektur yang bahkan belum Anda pertimbangkan.

Ketika pengguna gagal memperhitungkan hal-hal ini, mereka terjebak dalam sebuah jebakan: menjadi terlalu spesifik menyebabkan Fable 5 mengikuti instruksi secara kaku bahkan ketika ada jalur yang lebih baik, sementara menjadi terlalu samar menyebabkan model mengandalkan standar industri yang mungkin tidak sesuai dengan tugas spesifik tersebut.

Teknik Strategis untuk Mengungkap Hal-hal yang Tidak Diketahui

Alih-alih langsung melompat ke implementasi, Shihipar merekomendasikan sebuah "blindspot pass". Ini melibatkan penggunaan Claude untuk mengaudit model mental Anda sebelum satu baris kode pun ditulis. Misalnya, jika bekerja dalam basis kode (codebase) yang tidak dikenal, Anda dapat memberikan prompt kepada Claude: "Saya sedang mengerjakan penambahan penyedia otentikasi baru tetapi saya tidak tahu apa-apa tentang modul otentikasi di codebase ini. Bisakah Anda melakukan blindspot pass untuk membantu saya menemukan unknown unknowns yang relevan?"

Teknik berdaya ungkit tinggi lainnya meliputi:

  • Wawancara Terstruktur: Meminta Claude untuk mewawancarai Anda pertanyaan demi pertanyaan, dengan memprioritaskan ambiguitas yang secara fundamental akan mengubah arsitektur sistem.
  • Prototyping Cepat: Menggunakan artefak HTML agar Claude menghasilkan arah desain yang berbeda secara radikal, memungkinkan Anda bereaksi terhadap "unknown knowns" secara visual.
  • Perencanaan Implementasi: Mengarahkan Claude untuk membuat rencana yang memprioritaskan komponen yang fluktuatif seperti model data dan antarmuka tipe (type interfaces) sebelum beralih ke refaktorisasi mekanis.

Proses prompting tidak berakhir setelah kode dihasilkan. Untuk mengelola hal-hal yang tidak diketahui yang muncul selama eksekusi, Shihipar menyarankan penggunaan Claude Code untuk memelihara file implementation-notes.md. Ini melacak setiap keputusan yang dibuat, memastikan bahwa jika sebuah tugas berjalan melenceng, alasan di baliknya tetap terjaga.

Untuk memastikan pemahaman yang lengkap sebelum menggabungkan (merging) kode, Shihipar menggunakan metode "kuis". Claude menghasilkan laporan HTML yang merinci semua perubahan dan wawasan, diikuti dengan kuis untuk pengembang. Ia memegang aturan ketat: jangan menggabungkan kode sampai kuis tersebut lulus tanpa kesalahan. Hal ini memastikan bahwa pengembang telah memindahkan "hal-hal yang tidak diketahui" dalam proyek ke ranah "hal-hal yang diketahui".

Poin-Poin Penting

  • Fokus pada "Unknown Unknowns": Tujuan dari prompting tingkat lanjut dengan Fable 5 adalah menggunakan AI untuk mengungkap apa yang bahkan belum terpikirkan untuk ditanyakan.
  • Hindari Jebakan Spesifisitas: Seimbangkan prompt Anda agar tidak terlalu kaku sehingga AI tidak dapat berimprovisasi, atau terlalu samar sehingga ia beralih ke solusi generik.
  • Terapkan Alur Kerja Verifikasi: Gunakan catatan implementasi, wawancara terstruktur, dan kuis pasca-implementasi untuk mengubah kode yang dihasilkan AI menjadi pengetahuan yang dikuasai.