如何用AI找到未知的未知 | Thariq | Claude | Fable | 提示词 | 未知量

外来客 • 2026-08-18 00:56:44

声明：本文为对公开内容的摘要整理，未经本站独立核实，可能与原内容存在出入，不代表本站立场、观点或建议；观点与版权归原作者及原平台所有。如涉及版权问题，请联系我们，核实后立即删除。 [ 免责声明 ]

作者背景：Thariq（塔利克·西哈帕尔），Anthropic 技术团队成员，YC W20 创业者，被视为对 Claude Code 研究较深的人物之一。
实战案例：Thariq 在无视频剪辑经验的情况下，仅凭 Claude Code 独立完成了 Fable 发布视频的剪辑工作。
数据表现：该工作方法论文章发布 24 小时内获得 190 万浏览。
工具应用：案例中涉及使用 Whisper 进行语音转录、FFmpeg 处理音视频、Remotion 框架制作动态 UI 以及 Rust/TypeScript 代码实现。

盲点探测（Blind Spot Pass）：针对“未知的未知”。明确告知 AI 自己的背景与领域了解程度，让 AI 找出用户不知道的问题。例如：让 AI 解释 Whisper 原理或调色标准，建立判断基准。
原型验证（Prototyping）：针对“未知的已知”（有感觉但无法描述）。让 AI 生成多个截然不同的方向（如 4 种 HTML 设计风格），用户通过反馈“对/不对”来收敛需求，避免后期推翻重来。
反向采访（Interviewing）：针对模糊地带。让 AI 基于背景提问，优先询问那些“答案会改变整体方向”的问题，将找问题的主动权交给拥有全局视角的 AI。
参考物映射（Reference Mapping）：针对难以语言描述的需求。直接提供原代码、文档或截图作为参考。例如：指向一个实现了特定退避逻辑的 Rust 代码，让 AI 在 TypeScript 中按相同语义实现。
决策分层计划：让 AI 生成实施计划，将“需用户拍板的决策”（如数据结构、接口定义）置于最前，将“纯执行层面改动”置于最后，降低审查成本。