夜雨聆风
最近读了 Claude Code 团队工程师 Thariq 的一篇文章，感触很深。
他在讲他们的新模型 Fable 5，但我读完觉得，这不仅仅是关于模型的说明书，更是关于“人类如何在 AI 时代保持掌控力”的教科书。
文章里反复提到一句话：“地图不是疆域”（The map is not the territory）。
这句话乍听平平无奇，但结合现在的 AI 编程现状，简直振聋发聩。
01. 你在打“固定地图”，AI 在打“星际争霸”
我们以前写代码，或者说用老一代 AI 写代码，像是在打《星际争霸》里的“战役模式”。
地图是固定的，敌人出生点在哪，路怎么走，背下来就行。你只要 Prompt 写得细，AI 就像个听话的农民，按图索骥。
但 Thariq 说，现在的 Fable 这种级别的 Agent（智能体），玩法变了。
真实的开发场景，根本不是固定地图，而是动态的“对战模式”。
- 疆域（Territory）
是真实的代码库、复杂的业务逻辑、随时变动的需求。 - 地图（Map）
是你脑子里的理解、你写的 Prompt、你给的上下文。
最大的问题是：地图永远小于疆域，而且开过的图还会过期。
就像打星际，你派农民出去探路，点亮了一片黑幕，你觉得你懂这块地形了。结果两分钟没看，那片区域又被战争迷雾遮住了（因为代码被同事改了，或者需求变了）。
一旦 AI 拿着一张过期的地图，进入一个全新的疆域，它就会开始“瞎猜”。而 Fable 越强，它猜得越自信，翻车翻得越离谱。
所以，瓶颈不再是模型不够聪明，而是你“把未知数讲清楚”的能力。
02. 四类“未知”，决定了你的代码上限
Thariq 把我们在编程中遇到的认知盲区分成了四类，非常精妙：
- 已知的已知
你写在文档里的，明确告诉 AI 的。 - 已知的未知
你知道自己不懂，比如“这个 Auth 模块我没看过”。 - 未知的已知
你心里有数，但懒得写出来的标准（比如“这个 UI 我看一眼就知道丑不丑”）。 - 未知的未知
你连自己不知道都不知道的深坑。
所谓的 Vibe Coding（氛围编程）之所以过时，就是因为只解决了 1，忽略了 2、3、4。
真正的 Agentic Coder（智能体程序员），核心技能不是打字快，而是“侦察”——不断地把 2、3、4 转化成 1。
03. 实战心法：如何低成本“开图”？
既然知道了问题在哪，Thariq 给了一套非常落地的“开图”SOP（标准作业程序）：
第一步：盲区扫描（Blind Spot Pass）
别急着写代码。直接跟 AI 说：“我对这个模块完全不熟，帮我做一次盲区扫描。” 让它帮你把“未知未知”挖出来。
第二步：原型与访谈
遇到“未知已知”（比如视觉设计、交互体验），别用嘴描述，用 HTML 画出来。让 AI 出 3-4 个方案让你挑。
甚至，让 AI 反过来面试你，一次问一个问题，直到把模糊的需求磨清楚。
第三步：给参考，别给空话
如果你说不清，就给代码。直接把 AI 指向下载好的开源库，或者某个网站的源码。让 AI 去读结构，而不是读你的自然语言。
第四步：实施笔记（Implementation Notes）
这是最绝的一招。让 AI 在干活时维护一个implementation-notes.md。遇到边缘情况被迫改方案？记下来。
这不仅是给 AI 看的，更是给你自己看的“反战争迷雾日志”。
第五步：测验（Quiz）
代码写完了，别只看 Diff（差异）。让 AI 给你出一份考卷，考考你改动了哪些逻辑。只有你全答对了，才能 Merge（合并）。
04. 写在最后
Thariq 用 Fable 剪视频的例子特别打动我。
他不懂调色，一开始让 AI 出方案挑，后来发现不行——因为他连“什么是好调色”的标准都没有（这是未知未知）。
于是他退回来，让 AI教他调色知识，先把人的认知补上去，再去指挥 AI 干活。
这才是未来的协作模式：
AI 负责在疆域里狂奔，人类负责在后方不断更新地图。
下一次当你觉得 AI 写出来的代码不对劲时，先别骂模型，问问自己：
是不是我的地图，已经跟不上真实的疆域了？
推荐阅读
[Anthropic内部人员撰写！Fable 5使用硬核指南：搞定未知盲区，AI 编程效率直接起飞]
[Claude Code团队工程师的 Fable 5 的实战指南]
[https://x.com/trq212/status/2073100352921215386]
