使用 AI 代理進行編碼時，開發者常遇到提示設定明確、計劃看似清晰，但結果卻不如預期的情況。Anthropic 開發者 Thariq Shihipar 指出，在 Claude 最新模型 Fable 5 中，問題往往不在模型本身，而是來自使用者自身的盲點。他將知識分為四個象限：「已知已知」是提示中已說明的內容；「已知未知」是知道自己還未解答的問題；「未知已知」是過於顯而易見而不會寫下、但一看就能認出的知識；而最關鍵的「未知未知」，則是從未考慮過的事項。
重點文章
盲點識別四象限
Shihipar 強調，僅靠事前規劃並不足夠，盲點可能在實作過程中突然浮現，甚至暗示應改用完全不同的方式解決問題。過於具體的提示會讓 Fable 5 僵化地遵循指令，即使改變方向更合理；過於模糊又會讓模型依賴業界預設值，無法貼合特定任務。他的建議是讓 Claude 了解使用者的起點，包括思考進度和對問題的經驗，這樣模型就能更快幫助發掘未知未知。
提示撰寫策略
在正式編碼前，Shihipar 推薦進行「盲點掃描」：要求 Claude 找出自己未曾考慮的問題，尤其當開發者接觸不熟悉的程式碼庫時。例如，可提示：「我正在新增一個驗證提供者，但對這個程式碼庫的驗證模組一無所知，請幫我做盲點掃描，找出相關的未知未知，並協助我更好地提示你。」對於視覺設計等「未知已知」較多的領域，他建議先以 HTML 原型讓 Claude 生成多個截然不同的設計方向，再從中反應調整。此外，結構化面試技巧也很有用：讓 Claude 逐一提問關於模糊不清之處，優先處理會改變架構的問題。參考程式碼（即使使用不同程式語言）是最佳的參考依據，Claude Design 甚至會讀取網站底層程式碼而非僅擷取螢幕畫面。
實作前後技巧
在實作階段，Shihipar 要求 Claude 建立一份暫存文件「implementation-notes.md」，記錄所有決策以便後續學習。當出現非預期的邊界情況時，Claude 應選擇保守方案、記錄偏差並繼續執行。完成後，他使用「簡報與說明文件」為利害關係人整理原型、規格與實作筆記，並透過「測驗」方式生成 HTML 報告，包含變更脈絡與洞察，再由開發者進行測驗，確認完全正確後才合併程式碼。他以自己完全用 Claude Code 編輯的 Fable 發佈影片為例，說明如何從零開始：先確認影片轉錄準確度，再透過原型測試 UI 淡入效果，最後在色彩分級上請 Claude 教導自己相關知識以發掘盲點。Shihipar 總結：「每一個說明、腦力激盪、訪談、原型和參考，都是一種低成本的方式，讓你在問題變得昂貴之前找出自己不知道的事。」
