AI协作新范式：Claude帮你扫清项目中的未知迷雾

想要高效使用Claude Fable 5？Claude Code团队内部成员的实战经验分享给出了核心思路：想要驾驭这款强大的AI编码工具，精准识别并梳理工作中的未知领域，是决定产出质量的关键能力。

在使用Claude Fable 5的过程中，团队成员Thariq反复印证了一个核心认知：地图并非疆域。这里的「地图」，指的是你提供给Claude的所有信息——包括prompt指令、技能设定、上下文背景，也就是你对任务的主观描述；而「疆域」则是任务真实发生的场景：代码库的实际结构、现实世界的业务限制，以及所有客观存在的约束条件。

地图和疆域之间的落差，就是Thariq所说的未知项。当Claude在工作中碰到未知项时，它只能基于对用户意图的猜测做出判断，任务越复杂，可能遇到的未知项就越多。Thariq认为，Fable是第一款让他清晰感受到：工作质量的瓶颈，在于你能否把自己的未知项讲清楚的AI模型。

需要说明的是，提前做足规划并不总能覆盖所有未知项，有些缺口只有深入到执行阶段才会暴露，甚至这些新发现的未知项会让你意识到需要完全换一种思路解决问题。Thariq将和Fable协作的过程，描述为一个在执行前、执行中、执行后不断发现并梳理未知项的迭代循环。

先理清你的认知缺口

面对具体任务时，Thariq习惯将自身的认知状态划分为四类，帮你精准定位未知项：

已知的已知：你明确传递给AI的需求，也就是写在prompt里的核心目标，你清楚自己想要什么，也能清晰表达。

已知的未知：你意识到自己存在未想清楚的环节，但能明确指出这些模糊的部分，知道自己需要进一步明确需求。

未知的已知：你拥有未成文的标准和要求，只有看到具体成果才能判断是否符合预期，但从未主动将这些标准传递给AI。

未知的未知：完全未被你纳入考虑的盲区，包括你不知道自己缺乏的专业知识，以及你根本不清楚一件事能做到的上限。

Thariq观察到，最擅长AI辅助编码的创作者，往往拥有最少的未知项。比如Boris和Jarred这类高手，对自己的需求了如指掌，能和代码库、AI模型的行为高度同步。但即便如此，他们也会假设未知项的存在——在很大程度上，梳理并减少未知项，正是AI辅助编码的核心技能，而这项技能可以通过和Claude协作得到提升。

借助AI快速定位未知项

指挥Claude是一项精细的工作：指令过于具体，AI会严格照做，哪怕换个方向更适合当前任务；指令过于模糊，AI又会按照通用行业实践猜测，这些猜测未必适配你的具体场景。如果没有提前梳理未知项，你既无法预判任务中的障碍，也无法在合适的时机让AI调整方向。

Claude能帮你更快发现未知项：它可以快速检索代码库和公开信息，对大多数话题的认知广度和迭代速度都远超人类。这个过程中最关键的一步，是向Claude明确你的起点，比如：

• 告诉AI你当前的思考进度
• 说明你对当前问题和代码库的熟悉程度
• 让AI成为你的思考伙伴，和你同步推进工作

Thariq提到，他此前分享过用HTML和Claude协作的经验，在绝大多数场景中，HTML格式的交付物都是可视化呈现协作内容的最佳方式。接下来他详细介绍了一套挖掘未知项的工具组合，你可以根据任务场景灵活选用。

任务启动前：系统性挖掘未知项

盲区扫描

刚开始接触陌生任务时，理清自身的盲区是最有效的第一步。比如你需要在代码库的陌生模块开发新功能，或是让AI帮你完成不熟悉的设计迭代，大概率会存在大量未知的未知。你可能不知道该从何提问、不知道怎样的成果才算合格、不知道前人做过哪些相关尝试、也不知道需要避开哪些坑。

这种情况下，你可以直接让Claude帮你完成盲区扫描，清晰列出未知的未知。Thariq习惯直接使用「盲区扫描」和「未知的未知」这两个关键词，同时告诉AI你的身份和当前的认知水平，这一步非常关键。

比如你可以这样提问：「我正在接入一个新的身份验证服务商，但对当前代码库的验证模块完全不熟悉，能不能帮我做一次盲区扫描，理清楚相关的未知项，让我之后能更精准地提问？」或是「我不太懂视频调色的逻辑，但需要给这段视频做调色优化，能不能帮我解释清楚调色领域我还不知道的内容，让我能更好地提出需求？」

头脑风暴与原型制作

在未知的已知较多的领域——也就是那些你只有看到成果才能判断是否符合要求的场景，Thariq会让Claude和自己一起头脑风暴、制作原型。在原型阶段尽早明确这些隐形标准，能避免在执行阶段才发现问题，毕竟后期对功能或规格的小幅调整，可能会导致代码实现逻辑完全变化，AI也更难回溯修改之前的代码。

比如你可能只是想看看给一个按钮框添加新按钮的视觉效果，并不需要真正接入后端路由，也不需要维护额外的前端状态。视觉设计对Thariq来说很难用语言精准描述，但他看到成品就能判断是否符合预期，这种情况下他会让Claude给出多种不同的设计方向。

Thariq几乎每次写代码前都会先做一轮探索或头脑风暴，这能帮他在项目初期就明确范围。Claude经常能发现他自己会遗漏的高价值方案，但有时也会陷入细节不见整体，头脑风暴能帮助他避免把项目范围定得太窄或太宽。

常见的提问示例包括：

• 「我想基于这份数据做一个仪表盘，但完全没有审美判断力，也不知道能做成什么样，帮我做一个HTML页面，展示4种风格完全不同的设计方向，我来挑选。」
• 「先不要急着接入后端接口，做一个单独的HTML文件，用假数据模拟出新的编辑器工具栏，我想先看看布局效果，再让你修改真正的应用代码。」
• 「我遇到的问题是用户在完成新手引导后大量流失，帮我在代码库里搜索相关内容，头脑风暴10个可以介入优化的环节，从成本最低到最具野心排序，我来判断哪些方向可行。」

提问式访谈

完成足够的头脑风暴后，你可能仍然会留下一些模糊的未知项。这时你可以让Claude反过来采访你，针对所有模糊或不确定的环节提问。让AI做这类访谈时，最好提前给它一些背景信息，帮它把问题问到点子上。

比如你可以这样提问：「每次只问我一个问题，针对所有有歧义的地方，优先提问那些答案会改变整体架构的问题。」

参考物对齐

有时候你无法清晰描述自己想要的效果，可能是因为缺乏合适的表达方式，也可能是因为任务过于复杂，需要花费大量时间才能讲清楚。这种情况下，最好的方式是提供参考物。图表、文档、图片都可以作为参考，但最佳的参考物是源代码。

如果有某个开源库用你想要的方式实现了功能，或是你有非常喜欢的设计组件，直接让Fable指向对应的文件夹，告诉它你想要复刻的效果即可，哪怕该代码是用其他语言编写的。Claude Design的工作逻辑也是如此：你不需要上传截图，只需要指向你喜欢的网站模块，它会读取底层代码，获取标签结构、组件搭建逻辑等更丰富的信息，而不仅仅是视觉效果。

比如你可以这样提问：「vendor/rate-limiter这个Rust库实现的退避逻辑正是我想要的，请阅读它的代码，然后在我们的TypeScript API客户端中实现相同的语义。」

制定实施计划

当你觉得已经梳理清楚大部分未知项，可以开始执行时，可以让Claude先制定一份实施计划供你审阅，重点关注最可能发生变化的部分，比如数据模型、类型接口、用户体验流程等。这样Claude会把你可能需要调整的内容提前呈现出来。

比如你可以这样提问：「用HTML格式写一份实施计划，把我最可能修改的决策放在最前面，比如数据模型的调整、新的类型接口，以及所有面向用户的功能模块。把机械式的重构工作放在最后，这部分我相信你可以独立完成。」

执行阶段：动态记录与调整

实施笔记

计划确定后，你可以开启一个新的会话，将之前的所有交付物（比如规格文档、原型文件）上传给AI，让它按照计划执行开发。但无论前期规划多么充分，执行阶段总会藏着新的未知的未知：AI可能会在开发中发现某个边界情况，迫使它偏离原定计划。

Thariq会让Claude维护一份临时的implementation-notes.md（或HTML版本）文件，记录所有做出的决策，方便后续复盘。比如你可以这样提问：「请维护一份implementation-notes.md文件，如果遇到必须偏离原计划的边界情况，优先选择保守方案，并在Deviations章节中记录下来，然后继续执行。」

收尾阶段：验证与复盘

整理说明文档与汇报材料

想要顺利上线功能，获得团队或相关方的认可至关重要。在最终文档中加入协作过程中的交付物有两个核心好处：

• 能让评审者从和你相同的起点理解整个项目，加快沟通效率
• 能让专家看到你已经考虑到了他们会预判的未知项和常见风险，加快审批进度

比如你可以这样提问：「将原型、规格文档和实施笔记打包成一份完整的文档，方便我直接分享给团队争取认可，把演示动图放在文档最前面。」

自我测验验证

经过长时间的协作开发后，Claude完成的内容可能比你意识到的要多得多。仅通过代码diff只能得到模糊的认知，因为很多功能行为依赖于现有代码的路径。在足够的背景信息下，让Claude对你进行测验，能帮你真正理解所有改动的细节，只有完全答对测验后，再合并代码。

比如你可以这样提问：「我想确认自己完全理解本次改动的所有内容，请生成一份关于本次改动的HTML报告，包含背景信息、核心判断、具体修改内容，最后附上一份关于本次改动的测验，我需要全部答对才能合并代码。」

实战案例：Fable发布视频的制作过程

Thariq曾用Claude Code完成了Fable的发布视频剪辑，这对他来说是一个完全陌生的领域。他从自己已知的内容入手：他知道Claude可以用代码完成视频剪辑和转录，但不确定精度是否足够，于是让Claude解释Whisper这类转录技术的工作原理，以及能否用ffmpeg精准删除语气词和长停顿。

他希望制作的视频界面能匹配自己的说话节奏，但不确定Claude能否实现，于是让Claude先用Remotion和一段转录文本制作一个原型视频，验证可行性。最后，他发现视频整体色调偏暗沉，知道是调色的问题，但并不了解调色逻辑。他最初让Claude制作多个版本供自己挑选，但很快意识到自己根本不知道合格的调色效果是什么样的，于是改为让Claude教他认识调色领域的未知项。

让地图匹配疆域

AI模型的能力越强，用对方法就能完成越多复杂任务。当长周期任务的结果不符合预期时，往往意味着你需要花更多时间梳理自己的未知项，或是制定一份能让AI在遇到未知项时自行应变的实施计划。

每一次需求说明、头脑风暴、访谈、原型制作和参考物对齐，都是在问题变得代价高昂之前，低成本发现自身知识盲区的有效方式。所以，在下一个项目开始前，不妨先让Claude帮你找出所有的未知项。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。