Meesterschap in Claude Fable 5: Hoe je prompts schrijft door je blinde vlekken te vinden

Naarmate AI-modellen evolueren van eenvoudige chatbots naar geavanceerde agentic coders, verschuift de productiviteitsbottleneck van de capaciteit van het model naar de helderheid van de gebruiker. Anthropic-ontwikkelaar Thariq Shihipar suggereert dat met de komst van Claude's Fable 5 de beperkende factor niet langer de intelligentie van de AI is, maar het vermogen van de gebruiker om de eigen "onbekenden" te identificeren.

De vier kwadranten van kennis in prompting

Om Fable 5 onder de knie te krijgen, stelt Shihipar dat ontwikkelaars hun kennis moeten categoriseren om de valkuilen van slechte prompting te vermijden. Hij verdeelt cognitieve hiaten in vier afzonderlijke categorieën:

• Bekende bekenden: De expliciete instructies en gegevens die al in je prompt aanwezig zijn.
• Bekende onbekenden: Specifieke vragen of hiaten waarvan je je bewust bent, maar die je nog niet hebt opgelost.
• Onbekende bekenden: Intuïtieve kennis die zo voor de hand liggend is dat je er niet aan denkt om het op te schrijven, maar dat je direct herkent zodra je het ziet.
• Onbekende onbekenden: De gevaarlijkste categorie — kritieke elementen, edge cases of architecturale vereisten waar je nog niet eens aan hebt gedacht.

Wanneer gebruikers hier geen rekening mee houden, lopen ze in een val: te specifiek zijn zorgt ervoor dat Fable 5 instructies rigide opvolgt, zelfs als er een betere weg bestaat, terwijl te vaag zijn ertoe leidt dat het model vertrouwt op industriestandaarden die mogelijk niet bij de specifieke taak passen.

Strategische technieken om onbekenden te ontdekken

In plaats van direct over te gaan tot implementatie, raadt Shihipar een "blindspot pass" aan. Dit houdt in dat je Claude gebruikt om je mentale model te auditeren voordat er ook maar één regel code is geschreven. Als je bijvoorbeeld werkt in een onbekende codebase, kun je Claude de volgende prompt geven: "Ik werk aan het toevoegen van een nieuwe auth provider, maar ik weet niets van de auth-modules in deze codebase. Kun je een blindspot pass uitvoeren om me te helpen mijn relevante onbekende onbekenden te achterhalen?"

Andere technieken met een hoge impact zijn onder meer:

• Gestructureerde interviews: Claude vragen om je vraag voor vraag te interviewen, waarbij prioriteit wordt gegeven aan ambiguïteiten die de systeemarchitectuur fundamenteel zouden veranderen.
• Rapid prototyping: HTML-artifacts gebruiken om Claude radicaal verschillende ontwerprichtingen te laten genereren, zodat je kunt reageren op visuele "onbekende bekenden".
• Implementatieplanning: Claude de opdracht geven om een plan te maken dat prioriteit geeft aan volatiele componenten zoals datamodellen en type-interfaces, voordat er wordt overgegaan tot mechanische refactoring.

De cirkel sluiten: documentatie en verificatie

Het prompting-proces eindigt niet zodra de code is gegenereerd. Om onbekenden te beheren die tijdens de uitvoering aan het licht komen, suggereert Shihipar om Claude Code te gebruiken om een implementation-notes.md-bestand bij te houden. Hiermee wordt elke gemaakte beslissing bijgehouden, zodat de redenering behouden blijft als een taak misgaat.

Om volledige begrip te garanderen voordat de code wordt samengevoegd, hanteert Shihipar een "quiz"-methode. Claude genereert een HTML-rapport met alle wijzigingen en inzichten, gevolgd door een quiz voor de ontwikkelaar. Hij hanteert een strikte regel: merge de code pas als de quiz zonder fouten is behaald. Dit zorgt ervoor dat de ontwikkelaar de "onbekenden" van het project heeft verplaatst naar het domein van de "bekenden".

Belangrijkste inzichten

• Focus op "onbekende onbekenden": Het doel van geavanceerde prompting met Fable 5 is om de AI te gebruiken om te onthullen waar je nog niet eens aan had gedacht om naar te vragen.
• Vermijd de specificiteitsval: Balanceer je prompts zodat je niet zo rigide bent dat de AI niet kan improviseren, of zo vaag dat hij terugvalt op generieke oplossingen.
• Implementeer een verificatieworkflow: Gebruik implementatienotities, gestructureerde interviews en quizzen na de implementatie om AI-gegenereerde code om te zetten in beheersbare kennis.