# 策展 · X (Twitter) 🔥🔥🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Thariq (@trq212) · 平台：X (Twitter) · 日期：2026-07-07

> 原始來源：https://x.com/trq212/status/2074163788853760175

## 中文摘要

Anthropic 技術人員 Thariq Shihipar（負責 Claude Code）在 AI Engineer World Fair 做了一場名為「A Field Guide to Fable」的主題演講，把「該怎麼跟 Fable 這種新型模型協作」拆成四個面向講完，影片已上 YouTube。

演講一開場，他先講對 Fable 的感受：這是 Anthropic 少數會讓你記住的模型，跟 Sonnet 3.5 New、Opus 4、Opus 4.5 同一個層級。他用一個比喻形容它——「地圖正在展開」：就像玩 RPG 剛結束新手教學、終於走到開放世界的起點，可做的事情多到令人興奮，但也有點畏懼和困惑。所以他把平常寫成一系列部落格文章的心得，趁 Fable 發表這天在台上一次講完（他自己形容是「快速通關」），整理成四個部分：解放 Claude、找出你的未知數、處理失落感、保持不講理。

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1783395450466-vqhoj5io.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/a2d35d7dcc14c594.jpg" controls playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> Field Guide to Fable — Thariq Shihipar, Anthropic

**一、解放 Claude（unhobbling）：限制模型的其實是我們**

Thariq Shihipar 的核心前提是：模型是「長出來」的，不是「設計出來」的。團隊不會一覺醒來就決定要在 SWE-bench 上拿 99 分，而是餵資料、回饋、算力，小心翼翼把它培育出來，過程有點有機、邊用邊摸索。這也意味著，真正框住模型的是我們——我們給它的 harness、我們下 prompt 的方式，其實是「我們對 Claude 理解程度」的函數。所謂解放（unhobble），就是問：我們能不能更了解 Claude、進而釋放它的潛力？而 Fable 還很早期，還有很多潛力等著被解鎖。

他用一個反直覺的例子說明「能力懸崖」（capability overhang）：幾週前一則瘋傳的推文問「為什麼大型語言模型說不出哪些寶可夢的名字結尾是 AW？」——一千多隻寶可夢裡，只有 Croconaw 和 Dreadnought 兩隻。你問一般聊天模型，它答不出來，儘管它明明知道每一隻的名字；但你問 Claude Code，它就答得出來，因為它會去抓每一隻寶可夢的資料、寫一段程式碼篩選出結尾為 AW 的名字。這就是能力懸崖：Claude 變聰明的方式是「尖峰式」的，給它程式碼執行工具，它就能跨過原本跨不過的坎。

他再舉聊天模型的演進為例：早期大家天真地以為，解決程式問題就是把上下文視窗撐得夠大，好把整個程式庫貼進去（那會是上億 token 的視窗）；結果證明相反——只要給模型「手臂」，例如 bash 工具和跟環境互動的能力，它就能自己建立、搜尋自己的上下文。這正是催生 Claude Code 的洞見。

接著他談近期幾個「模型變了、需求也跟著變」的訊號：

- **系統 prompt 大幅瘦身**：他們最近把 Claude Code 約 80% 的系統 prompt 拿掉。Sonnet 3.5 New 時代的最佳實踐是「短系統 prompt＋少量工具＋大量範例」；隨模型變聰明，一度變成塞滿範例和工具的長 prompt；但這類新模型反而想要更少、更精簡——因為範例會限制它，它其實比你給的範例更有想像力。所以現在是給它「上下文」而非「限制」，盡量避免「不要做這個」這類、以前非寫不可的禁令。
- **主動且多人協作的新一代 Agent**：相對於 Claude Code 得由你下 prompt 才動工，新模型能主動醒來、以多人協作的方式自己去做事——他認為這是解鎖下一代 Agent 的關鍵。
- **「詢問使用者問題」工具（Ask User Question）**：這是他剛進 Claude Code 時參與的功能。Opus 4 幾乎叫不動這個工具，要很費力調校；到 Opus 4.5 他試著要它針對規格問自己 40 個問題，結果它真的開始「訪談」他；到 Opus 4.8 和 Fable，它已經能做出一份完整 HTML 報告、把問題嵌在裡面，成為跟 Claude 互動的全新方式。
- **從 Markdown 到 HTML 報告**：Markdown 一開始是很好的輸出格式，在 plan mode 下讓你看懂 Claude 打算做什麼；現在 Claude 能為你產出深入的 HTML 報告。

他強調，這一切「更接近生物學而非物理學」——很經驗性、很有機，規則我們還沒摸透，但背後確實有科學，關鍵是建立直覺。他推薦 Anthropic 一篇他最愛的研究〈大型語言模型的生物學〉，鼓勵大家去讀。

**二、找出你的未知數：地圖不等於疆域**

Thariq Shihipar 說，跟 Fable 合作時你也得「解放自己」。他常想的一句話是「地圖不等於疆域」：你腦中的計畫、prompt、規格是地圖，真實的程式庫、現實世界和 Claude 得繞過的限制才是疆域。每當 Claude 在疆域裡撞到地圖上沒有的東西，他稱之為「未知數」——一個你還沒指定的決策點。Fable 是頭幾個讓他覺得「非把未知數釐清不可」的模型，因為它會跑過太大的區域，撞到的未知數也特別多。

他用「已知的已知／已知的未知／未知的已知／未知的未知」這個矩陣來思考，並示範怎麼用 Fable 反過來幫自己找出未知數：

- **盲點檢查**：例如「我要接一個全新的 auth provider，但完全不懂，你在這個程式庫裡幫我做盲點檢查、找出未知的未知、幫我寫更好的 prompt。」Claude 會去翻驗證模組，指出哪裡是常見的棘手死胡同，還能去搜 git diff 或 Slack。這招用途很廣，也能拿來學新領域——他最近做影片剪輯的調色就用它。
- **腦力激盪與原型**：用來挖出「未知的已知」，尤其是設計這種「看到才知道喜不喜歡」的東西。他會直說「我沒有視覺品味，幫我做一個 HTML 頁面、擺四種截然不同的設計」，好讓自己有東西可以反應。
- **訪談**：有了初步想法後，請 Claude 反過來訪談他，並多給它一些關於自己、工作和目前進度的背景，還會提醒它「優先問那些會改變架構的問題」。
- **參考資料**：給 Claude 地圖最好的方式，就是再給它一張地圖。與其寫規格，不如丟一段「代表我想做的東西」的程式碼（哪怕是別的系統或語言），讓它讀懂、據此起步。做 React 元件時，他就會拿一份 HTML 模型當作參考地圖傳進去。
- **實作筆記與測驗**：遇到未知狀況就請 Fable 記下來，方便你回頭看偏差發生在哪、為什麼；最後再讓它針對「剛剛發生了什麼」測驗你，確保你真的跟得上、在開 PR 或合併時說得清楚這份工作。他說「保持同步」是跟 Fable 協作最重要的一環。

**三、處理失落感：唯一的出路是穿過去**

Thariq Shihipar 坦言，第一次用 Fable 時，他同時感到巨大的獲得感與失落感。LLM 出現前的寫程式，回想起來像身處異國：他以前經營過一家約 30 人的 YC 新創，總被迫做取捨——App 跑快一點，還是花一兩個月做新功能原型，只能二選一，非常難。幾週前他回頭看那個舊程式庫，發現當年想做卻做不到的事，現在幾個小時就能搞定；他說「你怎麼能不笑出來，但老實說，又怎麼能不哭呢？」

矛盾在於，他是真的熱愛親手寫程式、享受在腦中把整個程式庫轉一遍的感覺；但他也記得為除錯熬夜、為跑不動的功能苦戰幾週、沉浸在失敗裡的日子——他參與過的大多數專案都失敗、多數新創都倒了。寫程式本來就很難，即使他享受那些高峰，也已經回不去了。他的反思是：唯一的出路就是穿過去。Agentic 程式開發還有很多要學，Fable 也是；但只要夠努力、保持在迴圈裡、持續解放模型，就能走到、而且收穫更多。

**四、保持不講理：讓取捨不再是預設**

Thariq Shihipar 說，他最愛 Anthropic 的一點，是相信「取捨並非絕對必要」。在上一家公司他很習慣「講理」：列一份優先清單，然後在兩件事之間做取捨、當成這一季的重點，聽起來很合理。但如果你把它全做了呢？如果你逼現實把取捨的結果攤給你看呢？他對未來的決心就是「變得沒那麼講理」——因為 Claude 和 Fable 的算術，真的改變了你對取捨的看法。過去在腦中隱性做的取捨，例如「好、快、便宜」三選一，現在可以三個都要。

他認為想做更有野心的工作，最好的方式就是重新構思、把自己變得更有野心；而證明 Agent 真的有用的唯一方法，就是比以往任何時候都更快地完成人生中最好的作品。他舉例：這份簡報是他前一晚用 Fable 花大約四小時做出來的，做得很快、過程也很享受。全世界都在看著 AI 工程師，等著證明 AI 不是一時流行，而是真能讓人更有效率、省下時間——他今年的決心是更有效率，但工時更短，把更多時間留給真正在乎的人。

最後他點出一個容易被忽略的重點：開發變容易了，但創造價值依然很難。AI 工程師常常太在意開發的過程和自己的設定，可是重點是創造價值，而那需要一次又一次的嘗試才找得到真正有價值的東西——但那確實是目標。他以三句話收尾：去探索、讓它成真，還有——變得沒那麼講理。

## 媒體內容

**Field Guide to Fable — Thariq Shihipar, Anthropic**

**逐字稿**

- `00:11` 請歡迎 Anthropic 的技術人員 Thariq Shihapar 上台。（Please welcome to the stage, member of technical staff at Anthropic, Tharik Shihapar.）
- `00:32` 大家好，我是 Thariq。我在 Anthropic 負責 Claude Code。在開始之前，我們有一個 Claude Code 的傳統，就是在演講前拍張自拍。如果不介意的話，請大家跟我一起擺個姿勢，我要在 AI Engineer 大會上拍張快速自拍。好，太棒了。（Hey, everyone. I'm Tharik. I work at Anthropic on Claude Code. Before we get started, we have）
- `00:38` 好，那麼，就像我們說的，Fable 回來了。我們將在今天稍晚推出。請密切關注確切的時間表。我和 Cat Wu 以及 Simon Wilson 將在 12:30 進行一場爐邊對談。到時候我們可能會有更多更新給各位。但 Fable 是一個讓我感到非常、非常興奮的模型。它是 Anthropic 眾多模型中，你會印象深刻的那種。就像 Sonnet 3.5 New、Opus 4、Opus 4.5 一樣。這是一個讓我充滿感情與期待的模型。對我來說，描述 Fable 最好的方式就是：地圖正在展開。你知道，就像你在玩 RPG 遊戲，剛結束新手教學，現在終於來到開放世界開始的地方，對吧？（a tradition on Claude Code where we take a selfie before a talk. So if you don't mind,）
- `00:43` 你可以做的事情和探索的空間非常多。但同時，這也讓人感到有點畏懼和困惑，對吧？因為能做的事情實在太多了。所以我想在這次演講中為大家提供一份 Fable 的實戰指南。該如何與這類新型模型合作呢？我將其分為四個部分。我一直將這些內容整理成一系列的文章和部落格貼文。但當我們宣布 Fable 即將推出時，我想說，好吧，乾脆在這次演講中一次講完，來個快速通關。（if you strike a pose with me, I'll take a quick selfie at AI Engineer. Okay. Incredible.）
- `00:51` 所以這四個部分分別是：解放 Claude、尋找你的未知領域、處理挫折感，以及保持不講理。首先，解放 Claude。我認為我們經常說的一件事是，模型是「長出來」的，而不是「設計出來」的，對吧？我們不會一覺醒來就說，我們需要在 Sweebench 上達到 99% 的分數，對吧？模型是我們小心翼翼培育出來的。我們提供資料、回饋和運算資源。但歸根結底，這是一個有點有機的過程。我們在使用的過程中與模型一起摸索和學習。這也意味著，限制它們的其實是我們，對吧？我們為它們設置的 harness 以及我們對它們下達 prompt 的方式，基本上就是我們對 Claude 理解程度的函數，對吧？所謂「解放它」，是指我們該如何更了解 Claude，進而釋放它的潛力？我們需要更了解 Fable。所以我的一個觀點是，我們還處於非常早期的階段。我認為 Fable 還有很多潛力等待我們去解鎖。我想舉個簡單的例子來說明模型是如何變得更聰明的，因為這有點反直覺。（Well, yeah, to kick things off, like we said, Fable is back. We're rolling it out later）
- `01:02` 幾週前我看到一則瘋傳的推文，內容大意是：「為什麼大型語言模型無法說出哪些寶可夢的名字結尾是 AW？」世界上有一千多隻寶可夢，對吧？結果發現有兩隻的名字結尾是 AW，分別是 Croconaw 和 Dreadnought，對吧？如果你問一個普通的聊天模型，它回答不出來。這有點令人困惑，因為它明明知道所有寶可夢的名字，對吧？但如果你問 Claude Code，它就能回答，對吧？因為它所做的是抓取每一隻寶可夢的資料，並寫一個程式碼來篩選出結尾為 AW 的名字，對吧？（today. Stay tuned for exact timeline. Me and Cat Wu and Simon Wilson will be doing a fireside）
- `01:09` 這就是我所說的「解放 Claude」。我們稱之為「能力懸崖」（capability overhang），對吧？Claude 變聰明的方式是「尖峰式」的。它並不是記住每一隻寶可夢並透過推理得出答案。但如果你給它程式碼執行工具，它就能找到那兩隻結尾為 AW 的寶可夢，對吧？所以我認為這也是 Fable 面臨的挑戰之一，即找出這種能力懸崖。現在有哪些事情是可行的？我認為這是一個我很期待與大家一同探索的發現。為了讓這點更清楚，我將談談過去模型進步的幾個不同例子。其中一個顯著的例子顯然就是聊天。你知道，聊天模型必須被賦予上下文，對吧？例如，你可能貼上了你的程式庫，或許你天真地以為，我們解決程式開發問題的方式就是讓上下文變得非常大，然後我可以直接貼上整個程式庫。你知道，那將會是一個擁有億級 token 的視窗。但事實證明，相反地，如果你給它「手臂」，例如給它 bash 工具以及與環境互動的方式，它就能建立並搜尋自己的上下文。這就是引領 Claude Code 誕生的洞察，對吧？所以，再一次強調，這是尖峰式的，是一種新的創新。（chat at 1230. We might have some updates for you then. But Fable is a model I'm just so,）
- `01:17` 真的非常興奮。這就像是 Anthropic 的那些模型之一，讓你就是會記住它。像是 Sonnet 3.5 New、Opus 4、Opus 4.5。這是一個讓我充滿喜愛與興奮的模型。對我來說，描述 Claude Fable 最好的方式，就是地圖正在展開。你知道，就像你在玩 RPG 遊戲，你已經完成了教學關卡，現在你來到了開放世界開始的地方，對吧？（so excited about. It's one of those Anthropic models where you're just, like, you're just）
- `01:21` 你可以做的事情和探索的空間非常多。但同時，這也讓人感到有點畏懼和困惑，對吧？因為你可以做的事情實在太多了。所以我想在這場演講中為大家提供一份 Fable 的實戰指南，對吧？你該如何與這類新型模型合作？所以我把它分為四個部分。我一直將其作為一系列文章和部落格貼文來撰寫。但是，你知道，當我們宣布 Fable 即將推出時，我想說，好吧，讓我直接在這次演講中一次講完，就像是快速通關一樣。（going to remember it. Like, Sonnet 3.5 New, Opus 4, Opus 4.5. It's a model that I just have）
- `01:27` 所以總共有四個部分：解放 Claude、找出你的未知數、處理悲傷，以及變得不講理。首先，解放 Claude。我認為我們經常說的一件事是，模型是「生長」出來的，而不是「設計」出來的，對吧？我們不會一覺醒來就說，我們需要在 Sweebench 上達到 99% 的準確率，對吧？模型是我們小心翼翼培育出來的。我們提供資料、回饋和運算資源。但歸根結底，這是有點有機的過程。我們在使用模型的過程中，與它一起摸索並學習。（a lot of, like, affection and excitement for. And the best way to describe Fable to me is,）
- `01:34` 這也意味著，限制它們的是我們，對吧？我們為它們設置的 harness 以及我們提示它們的方式，基本上就是我們對 Claude 理解程度的函數，對吧？所謂的「解放」它，是指我們如何能更了解 Claude 以釋放它的潛力？我們需要更了解 Fable。所以我認為我的觀點之一是，我們還處於非常早期的階段。我認為 Fable 還有很多潛力等待我們去解鎖。我想舉一個簡單的例子來說明模型是如何變得更聰明的，因為這有點反直覺，對吧？（like, the map is opening up. You know, like, you are playing, like, an RPG and you've been）
- `01:40` 像是幾週前我看到這則瘋傳的推文，內容大意是：為什麼大型語言模型無法說出哪些寶可夢的名字是以 AW 結尾的？有一千多隻寶可夢，對吧？結果發現有兩隻的名字是以 AW 結尾的，分別是 Croconaw 和 Dreadnought，對吧？結果發現如果你問一個普通的聊天模型，它是答不出來的。這有點令人困惑，因為它明明知道所有寶可夢的名字，對吧？但如果你問 Claude Code，它就能答出來，對吧？（on the tutorial and now you get to the point where the, like, you know, the open world starts,）
- `01:45` 因為它所做的是抓取每一隻寶可夢，並寫一個程式碼來篩選出以 AW 結尾的名稱，對吧？這就是我所說的「解放 Claude」。我們稱之為「能力懸崖」（capability overhang），對吧？Claude 變聰明的方式是突發性的。所以它並不是記住每一隻寶可夢並進行推理。但如果你給它程式碼執行工具，它就能找到那兩隻以 AW 結尾的寶可夢，對吧？所以我認為這就是 Fable 面臨的挑戰的一部分，即找出這種能力懸崖。現在什麼是可能的？我認為這是一場我很高興能與你們一起進行的探索。（right? And there's so much that you can do and explore. But there's also, it's also a）
- `01:52` 為了讓這一點更清楚，我將談談過去模型如何進步的幾個不同例子。其中一個重要的例子顯然就是聊天功能。你知道，聊天模型必須被賦予上下文，對吧？例如，也許你貼上了你的程式庫，也許你天真地認為，解決程式開發問題的方法就是讓上下文變得非常大，然後我可以直接貼上我整個程式庫。你知道，那將會是一個一億 token 的視窗。（little bit intimidating and confusing, right? Because there's so much you can do. And so）
- `01:57` 但結果證明，相反地，如果你給它手臂，像是給它 bash 工具以及與環境互動的方式，它就能建立並搜尋自己的上下文。這就是引領出 Claude Code 的洞察，對吧？所以再次強調，這是突發性的，就像大型語言模型生物學中的一種創新。嗯，我們所有的研究文件都是為了讓具有不同技術專業知識的人閱讀的，但這是我最喜歡的文件之一。所以，如果你想了解更多，我建議你去看看。（what I wanted to do in this talk is give you guys a field guide to Fable, right? How do）
- `02:03` 所以，是的，我們談到了解放 Claude。但事實證明，當你與 Fable 合作時，你也需要解放你自己，對吧？我經常思考的一件事是，地圖並不等於疆域，對吧？當我處理一個程式開發問題時，我腦中的計畫、提示詞和規格就是地圖。（you work with this new class of models? So I've got four parts to it. I've been working）
- `02:10` 關於這部分，我寫了一系列的文章和部落格貼文。但你知道，當我們宣布 Claude Fable 即將推出時，我想說，好吧，乾脆在這次演講中一次講完，你知道，就像快速通關一樣。（on this as a series of articles and blog posts. But, you know, when we announced Fable was）
- `02:16` 所以今天有四個部分：解放 Claude、找出你的未知數、處理挫折感，以及保持不講理。首先，解放 Claude。我想我們經常說的一句話是，模型是「長出來的」，而不是「設計出來的」，對吧？我們不會一覺醒來就說，我們需要在 Sweebench 上達到 99% 的準確率，對吧？模型是我們小心翼翼培育出來的。我們提供資料、回饋和運算資源。但歸根結底，這是有點有機的過程。我們在使用的過程中，與模型一同摸索並學習。這也意味著，限制它們的是我們，對吧？我們為它們設置的 harness 以及我們給它們的 prompt，基本上就是我們對 Claude 理解程度的函數，對吧？而所謂的解放它，是指我們該如何更深入地理解 Claude，進而釋放它的潛能？我們需要更了解 Claude Fable。所以我認為我的一個觀點是，我們還處於非常早期的階段。我認為 Claude Fable 還有更多值得挖掘的理解。我想舉個簡單的例子來說明模型是如何變得更聰明的，因為這有點不直觀，對吧？就像幾週前我看到這則瘋傳的推文，內容大意是：「為什麼大型語言模型無法說出哪些寶可夢的名字是以 AW 結尾的？」寶可夢有一千多隻，對吧？結果發現有兩隻的名字是以 AW 結尾的，分別是 Croconaw 和 Dreadnought，對吧？結果發現如果你問一般的聊天模型，它是答不上來的。這有點令人困惑，因為它明明肯定知道所有寶可夢的名字，對吧？但如果你問 Claude Code，它就能答出來，對吧？因為它做的是抓取每一隻寶可夢，並寫一個程式碼來篩選出以 AW 結尾的名稱，對吧？（coming out, I was like, okay, let me do all of this at once at the talk, you know, speedrun.）
- `02:24` 這就是我所說的「解放 Claude」。我們稱之為「能力懸崖」（capability overhang），對吧？Claude 在某些方面變得更聰明了。所以它不只是記住每一隻寶可夢並進行推理。但如果你給它程式碼執行工具，它就能找出那兩隻以 AW 結尾的寶可夢，對吧？所以我認為這也是 Claude Fable 面臨的挑戰之一，即找出這種「能力懸崖」。現在有哪些是可行的？我認為這是一個我很期待與大家共同探索的發現。為了讓這點更清楚，我將談談過去模型進步的幾個不同例子。其中一個顯著的例子，顯然就是聊天功能。你知道，聊天模型必須被賦予上下文，對吧？例如，也許你貼上了你的程式庫，也許你天真地以為，我們解決程式開發的方式就是讓上下文變得非常大，然後我可以把整個程式庫都貼進去。你知道，那會是一個一億 token 的視窗。但結果發現，相反地，如果你給它手臂，例如給它 Bash 工具以及與環境互動的方式，它就能建立並搜尋自己的上下文。這就是引領 Claude Code 誕生的洞察，對吧？所以，再一次強調，這種尖峰式的創新，有點像是大型語言模型的生物學特性。嗯，我們所有的研究文件都是為了讓具有不同技術專業程度的人閱讀的，但這是我的最愛之一。所以，如果你想多了解一點，我建議你去看看。但總之，我們談到了解放 Claude。但事實證明，當你使用 Claude Fable 時，你也需要解放你自己，對吧？所以，我經常思考的一件事是，地圖並不等於疆域，對吧？當我在處理一個程式開發問題時，我腦中的計畫、prompt 和規格就是地圖。（So there are four parts. Unhobbling Claude, finding your unknowns, dealing with the grief,）
- `02:29` 模型，使用了 Claude Fable，我同時感受到了一種巨大的獲得感。（and being unreasonable. So first, unhobbling Claude. I think something we say really often）
- `02:41` is that the models are grown, not designed, right? We don't wake up and be like, we need
- `02:46` 99% on Sweebench, right? Like, the models are, you know, something we grow carefully. We give
- `02:53` data and feedback and compute. But ultimately, it's, you know, something that we, it's a little
- `03:00` bit organic. And we sort of figure out and learn with the model as we use it. And so what that
- `03:08` also means is that what contains them is us, right? The harness we put them in and the way we prompt
- `03:13` them is basically, like, a function of our understanding of Claude, right? And by unhobbling
- `03:20` it, I mean, how can we understand Claude better to unleash it? And we need to understand Fable
- `03:27` more. So I think one of my points is that, you know, we're still so early. And I think
- `03:33` there's a lot more understanding in Fable to unlock. And I think I'll give you a quick example
- `03:42` about how models get smarter, because it's a little bit unintuitive, right? Like, I saw this
- `03:46` viral tweet a couple weeks ago, being like, you know, why can't LLMs say which Pokemon
- `03:52` end in AW? There are a thousand Pokemon, right? And it turns out there are two whose names end
- `03:59` in AW, Croconaw and Dreadnought, right? And it turns out if you ask, like, a normal chat
- `04:03` model, it can't answer it. Which is kind of confusing, because, like, you know, it definitely
- `04:07` knows all the names of the Pokemon, right? But if you ask Claude code, it can, right? Because
- `04:13` what it does is that it fetches every Pokemon and writes a script to filter for AW, right?
- `04:20` And so this is what I mean by, like, unhobbling Claude. We call this capability overhang, right?
- `04:28` Claude gets smarter in spiky ways. So it doesn't just remember every Pokemon and reason through
- `04:34` it. But if you give it the code execution tool, it can find the two Pokemons that end
- `04:39` with AW, right? And so this is, I think, part of the challenge with Fable is figuring out
- `04:44` this capability overhang. What is now possible? And I think this is, like, a discovery that
- `04:48` I'm excited to go on with you. To make this a little bit clearer, I'm going to talk about
- `04:53` a few different examples of how models have progressed in the past. One of the big examples,
- `04:59` obviously, is, like, chat. You know, the chat models had to be given context, right? Like,
- `05:04` maybe you paste in your code base, and maybe naively you might have thought, like, you know,
- `05:08` the way we solve coding is by the context just gets really large, and I can just paste in
- `05:13` my entire code base. You know, it will be a hundred million context window. But it turns
- `05:17` out that instead, if you give it arms, like you give it the bash tool and ways to work with
- `05:22` the environment, it can build and search its own context. And that's sort of like the insight
- `05:26` that led to Claude Code, right? And so, again, spiky, like, a new, like, innovation, kind
- `05:33` 對，關於我們如何思考以及與模型協作的方式。最近，我們推出了 Claude Tag。而 Claude Tag 解鎖的功能，是它能主動且以多人協作的方式進行工作。（of, right, in how we think about and work with the model. And then, recently, we've rolled）
- `05:38` Claude Code，你知道的，是你必須透過 prompt 提示它去執行工作的工具，對吧？（out Cloud Tag. And what sort of unlocked Cloud Tag is its ability to work proactively and multiplayer.）
- `05:45` 而 Claude 這種能自我喚醒並執行工作的能力，我們認為這正是解鎖新一代 Agent 的關鍵。但這裡還有更多內容。（Claude Code, you know, is something that you have to prompt for it to do work, right? And）
- `05:51` 舉例來說，我們最近移除了 Claude Code 中 80% 的系統 prompt，對吧？這就是模型以及它們隨時間所需之物發生變化的方式之一。（this ability for Cloud to wake itself up and do work is something that we think is unlocking）
- `05:56` 所以，最初，可能是在 Sonnet 3.5 New 時期，系統 prompt 的最佳實踐是簡短的系統 prompt、少量的工具，以及大量的範例，對吧？（the new wave of agents. But there's more here. So, for example, we recently removed 80% of）
- `06:04` 然後，隨著模型變得更聰明，你可以給它更多的資訊和更多的指令，它們也開始能遵循這些指令。（the system prompt for Claude Code, right? And this is one of the ways in which models, you）
- `06:09` 因此，這變成了一個包含大量範例和許多工具的較長系統 prompt，對吧？但最近我們發現，這類新型模型想要更少、更精簡的系統 prompt。（know, and what they need changes over time. So, originally, like, you know, maybe back in）
- `06:14` 範例往往會限制它，因為它實際上比我們給它的範例更具想像力。（Sonic 3.5 New, the best practices for a system prompt was a small system prompt, few tools,）
- `06:20` 因此，我們嘗試給它上下文，而不僅僅是限制。我們真的試圖避免像「不要做這個」這樣的指令，這對於之前的模型來說確實是必要的。（and lots of examples, right? And then, as the models get smarter, you can give it more information）
- `06:25` 所以，這就是系統 prompt 正在改變，並且很可能會持續改變的一種方式。（and more instructions, and they start following them. And so, it's a larger system prompt with）
- `06:29` 我非常喜歡的另一個功能是「詢問使用者問題」（Ask User Question）工具。這是我剛接觸 Claude Code 時參與開發的功能。（lots of examples and many tools, right? But most recently, we found this new class of models）
- `06:36` 當 Claude 在規劃或想要問你問題時，它可以向你展示一個多選對話框。（want fewer, want a smaller system prompt. The examples tend to constrain it, because it's）
- `06:42` 對於 Opus 4 來說，它幾乎無法呼叫這個功能。我必須非常費力地調整工具，才能確保它能運作，對吧？（actually more imaginative than the examples we give it. And so, and we tried to give it）
- `06:47` 然後，在 Opus 4.5 的某個時候，我想，如果我要求它針對規格向我詢問 40 個問題會怎樣？它能開始採訪我嗎？（context and not just constraints. We really try and avoid being like, do not do this, which）
- `06:53` 於是，它提問的能力大幅躍升，對吧？（is really necessary for the previous models. And so, this is like a way that the system prompt）
- `06:59` 最近，透過 Opus 4.8 和 Fable，我現在可以建立一份完整的 HTML 報告，並將問題嵌入其中。（is changing and probably will continue to change. Another feature I really like is the Ask User）
- `07:06` 而且，這就像是一種與 Claude 互動的全新方式，對吧？（Question tool. This is something I worked on when I first got to Claude Code. And it's when）
- `07:11` 因此，Claude 從你那裡獲取資訊的方式也發生了變化。（Cloud, you know, is planning or wants to ask you a question, it can show you a multiple choice）
- `07:16` 說到這個，Markdown 和 HTML 也是我談論過很多的話題。（dialogue. For Opus 4, it could barely call it. I had to, like, really tweak the tool to make）
- `07:23` 你知道的，最初 Markdown 對模型來說是一種很好的輸出格式。（sure that it was, that it would work, right? And then, sometime at Opus 4.5, I was like,）
- `07:29` 它能展示一些豐富的資訊。然後，在規劃模式（plan mode）下，它開始為你服務。就像你能理解 Claude 即將要做什麼一樣。（well, what if I asked it to, like, you know, ask me 40 questions about the spec? It could）
- `07:33` 現在，Claude 可以為你建立這些深入的 HTML 報告，對吧？（start interviewing me, right? And so, its ability to ask questions jumped, right? And then, most）
- `07:39` 所以，這再次證明了模型以一種突飛猛進的方式變得更聰明。我真的很想強調，這更接近生物學而非物理學，對吧？它仍然是非常經驗性的、非常有機的。（recently, with Opus 4.8 and Fable, I can now build a whole HTML report with the questions）
- `07:44` 我們並不了解所有的規則，但背後確實存在某種科學，對吧？就像建立直覺一樣。（embedded inside of them. And, uh, it's just like a whole new way of interacting with, uh,）
- `07:51` 所以我真的很鼓勵你這樣對待 Fable。（with Cloud, right? And, and so, this progression of, like, how Cloud can get information from）
- `07:56` 我最喜歡的論文之一，是我們 Anthropic 撰寫的關於大型語言模型生物學的文章。（you has also changed. Um, speaking of which, uh, Markdown and HTML is something I've also）
- `08:01` 我們所有的研究論文都旨在讓不同技術背景的人閱讀，但這是我最喜歡的論文之一。（talked a lot about. Um, you know, it turned, initially, Markdown was a, a good output for）
- `08:06` 所以，如果你想了解更多，我建議你去看看。（the model. Um, you know, it could show a little bit of rich information. And then, you know,）
- `08:12` 總之，我們談到了釋放 Claude 的潛力。但事實證明，當你使用 Fable 工作時，你也需要釋放你自己的潛力，對吧？（with plan mode, it started to be for you. Like, you could understand what Cloud was about）
- `08:16` 我經常思考的一件事是：地圖不等於疆域，對吧？當我處理程式開發問題時，我腦中的計畫、prompt 和規格就是地圖，對吧？（to do. Um, and now, you know, Cloud can build you these in-depth HTML reports, right? And）
- `08:22` 但疆域是實際的程式庫、現實世界，以及 Claude 需要導航的限制條件，對吧？（so, again, a way of this, the models getting smarter in a spiky way. I really like to emphasize）
- `08:29` 每當 Claude 在疆域中遇到地圖上沒有的東西時，我稱之為「未知數」，對吧？Claude 必須設法處理它。（that this is closer to a biology than a physics, right? It's still very empirical, very organic.）
- `08:36` 這是一個我尚未定義的決策點。而 Fable 是我感覺到必須真正釐清未知數的首批模型之一，因為如果不這樣做，它將會遍歷如此廣大的區域，以至於會遇到很多未知數。（Um, we don't know all the rules, but there is some sort of science behind it, right? Like,）
- `08:40` 所以，你該如何釐清你的未知數？（there is an intuition to build as well. And so, I really, you know, encourage you to）
- `08:45` 你該如何釐清你的未知數？（treat Fable like that. Uh, one of my favorite papers, uh, that Adanthropic that we've written）
- `08:50` is on the biology of a large language model. Um, all of our research papers are meant to
- `08:54` be read by, you know, people with various degrees of technical expertise, but this is
- `08:58` one of my favorites. So, uh, if you're looking to learn a little bit more, I suggest you check
- `09:02` it out. But, so, uh, yeah, we talked about unhobbling Claude. But it turns out when you're
- `09:09` working with Fable, you also need to unhobble yourself, right? And so, one of the things
- `09:15` that I think a lot about is that the map is not the territory, right? When I'm working
- `09:20` on a coding problem, the plan and prompt and spec that I have in my mind is the map,
- `09:26` 對吧？但領域本身是實際的程式庫、真實世界，以及 Claude 需要導航的限制條件，對吧？（right? But the territory is the actual code base, the real world, the constraints that Claude）
- `09:32` 每當 Claude 在領域中遇到地圖上沒有的東西時，我稱之為未知數，對吧？（needs to navigate, right? And whenever Claude runs into something in the territory that's not）
- `09:36` Claude 必須設法處理它。這是一個我尚未指定的決策點。而 Claude Fable 是首批讓我覺得（in the map, I call that an unknown, right? Claude has to figure out what to do about it. It's）
- `09:42` 我真的必須釐清我的未知數的模型之一，因為如果不然，它將會（a decision point that I haven't specified. And Fable is one of those first models where）
- `09:47` 遍歷如此廣大的區域，以至於它會遇到很多未知數。所以，你該（I felt that, like, I really have to figure out my unknowns, because if not, it's going）
- `09:52` 如何釐清你的未知數？（to traverse such a large area that, like, it's going to run into a lot of them. So, how）
- `09:58` 你該如何釐清你的未知數？（How do you figure out your unknowns?）
- `09:58` 模型，使用了 Claude Fable，我同時感受到一種巨大的獲得感，（do you figure out your unknowns?）
- `09:59` 你要如何找出你的未知數？（How do you figure out your unknowns?）
- `10:03` Claude Fable 的瓶頸在於我的能力，（Fable is bottlenecked by my ability）
- `10:05` 也就是將地圖與實際領域進行比對，以找出我的未知數。（to match the map and the territory to find my unknowns.）
- `10:09` 所以有幾種思考方式。（So a few ways to think about this.）
- `10:13` 我喜歡用矩陣來思考。（I like to think of it in a matrix.）
- `10:15` 對於任何問題，我都有許多已知的已知（known knowns）。（So for any problem, I have a bunch of known knowns.）
- `10:19` 這通常是我寫在 prompt 裡的東西。（This is usually what I write in my prompt.）
- `10:21` 我想要什麼，對吧？（What do I want, right?）
- `10:23` 接著我有已知的未知（known unknowns），也就是我知道（Then I have known unknowns, things that I know）
- `10:25` 自己還不了解，但只是（I don't really know yet, but I just）
- `10:27` 還沒研究出來的事物。（haven't figured out yet.）
- `10:29` 我可以的，沒錯。（I can, yeah.）
- `10:31` 然後我有未知的已知（unknown knowns），像是那些太過顯而易見，（Then I've got unknown knowns, like what's so obvious）
- `10:33` 以至於我根本不會寫下來的事。（that I just wouldn't write it down.）
- `10:35` 但我看到時就會認出來，對吧？（But I know it when I see it, right?）
- `10:37` 最後則是未知的未知（unknown unknowns）。（And then finally, unknowns, unknowns.）
- `10:40` 有什麼是我完全沒考慮到的？（What haven't I considered at all?）
- `10:42` 有什麼是我不知道的，對吧？（What do I not know, right?）
- `10:43` 就像是有什麼事情，如果我知道了，（Like what is something that, if I knew,）
- `10:45` 就能改變我對 Claude 下 prompt 的方式？（could change how I prompt Claude?）
- `10:48` 幸運的是，你可以使用 Claude。（And luckily, you can use Claude.）
- `10:51` 你可以使用 Claude Fable 來找出你的未知數。（You can use Fable to find your unknowns.）
- `10:53` 所以我將介紹幾個範例，說明我如何（So I'm going to go over a few examples of how）
- `10:55` 用 Claude Fable 來做到這一點。（I do that with Fable.）
- `10:58` 首先，我喜歡進行所謂的「盲點檢查」。（The first is I like to do what I call a blind spot pass.）
- `11:02` 所以我會說類似這樣的話：嘿，我正在處理一個新的（So I like to say something like, hey, I'm working on a new）
- `11:05` 驗證提供者（auth provider），但我對它一無所知。（auth provider that I know nothing about.）
- `11:08` 在這個程式庫中，你能幫我做一次盲點檢查，協助（Like in this code base, can you do a blind spot pass to help）
- `11:10` 我找出相關的未知未知，並幫助我（me figure out my relevant unknown unknowns and help me）
- `11:12` 寫出更好的 prompt 嗎？（prompt better, right?）
- `11:14` 這可能會讓 Claude 瀏覽驗證模組，並（And so this might have Claude go through the auth module and）
- `11:18` 找出像是：喔，你知道嗎，這有點像是（figure out like, oh, you know, this is kind of like a hairy）
- `11:21` 經常出現的棘手死胡同。（little dead end that comes up a lot.）
- `11:23` 也許搜尋一下我的 Git diff 或 Slack。（Maybe search as my Git diff or Slack.）
- `11:25` 我可能會告訴它哪裡有相關資訊，對吧？（I might tell it where there's context, right?）
- `11:28` 這樣我就可以了解所有的潛在陷阱。（So that I can learn about all the gotchas.）
- `11:31` 你可以很廣泛地使用這個方法，對吧？（And you can use this very broadly, right?）
- `11:33` 你可以用它來學習新的領域。（You can use it to teach you about new fields.）
- `11:35` 我最近在進行影片剪輯時，就用它來處理調色。（I recently did this for color grading when doing video editing.）
- `11:39` 但我認為這真的很強大。（But I think it's really powerful.）
- `11:40` 而 Claude Fable 在這方面表現驚人。（And Fable is incredible at it.）
- `11:42` 在許多方面，模型對幾乎所有事物的了解都比我多，（In many ways, the model knows more about almost everything）
- `11:48` 我只是需要把它引導出來。（than I do, I just need to get it out of it.）
- `11:51` 接著我喜歡使用腦力激盪和原型設計。（Then I like to use brainstorms and prototypes.）
- `11:55` 這能幫助我找出我的「未知的已知」，對吧？（This helps me figure out my unknown knowns, right?）
- `11:58` 特別是對於設計，對我來說，就像是（Things like, especially for design, for me, it's like,）
- `12:01` 看到時就會認出來，對吧？（know it when you see it, right?）
- `12:02` 所以我可能會請它建立一個儀表板，並告訴它我（So I might ask it to create a dashboard, and I tell it I）
- `12:07` 沒有視覺品味。（have no visual taste.）
- `12:08` 幫我做一個包含四種截然不同設計的 HTML 頁面。（Make me an HTML page with four wildly different design）
- `12:11` 決策，這樣我才能對它們做出反應，對吧？（decisions so I can react to them, right?）
- `12:13` 然後你可以隨心所欲地調整這些設定。（And then you tweak this as you want.）
- `12:15` 但核心概念是為了讓你對那些無法用言語描述的事物（But the idea is to sort of get an idea of what are the things）
- `12:19` 有個大致的概念，對吧？（that you can't describe in words, right?）
- `12:24` 並與模型合作來協助釐清這些問題。（And work with the model to help figure that out.）
- `12:29` 接著是訪談。（Then interviews.）
- `12:30` 所以一旦我對自己想做的事情有了想法，（So once I have an idea of this is what I want to do,）
- `12:34` 這裡面可能還有很多未知數，對吧？（there's probably still a lot of unknowns here, right?）
- `12:39` 有些地方我可能沒考慮到。（Where I might not have considered something.）
- `12:41` 我可能沒有明確定義它。（I might not have specified it.）
- `12:43` 所以我會請 Claude 來訪談我，對吧？（And so I'll ask Claude to interview me, right?）
- `12:45` 我會給它多一點點背景資訊。（And I'll give it a little bit more context.）
- `12:47` 在回答這些問題時，像是給它多一點點（In any of these questions, like giving it a little bit more）
- `12:50` 關於你自己、工作內容以及你目前進度的背景資訊，例如：（context about you and the work and the stage you're at, like,）
- `12:53` 嘿，沒錯，優先考慮那些會改變（hey, yeah, prioritize questions that would change the）
- `12:55` 架構的問題會非常有幫助。（architecture is extremely helpful.）
- `12:59` 接著是參考資料。（Then references.）
- `13:00` 給 Claude 一張地圖最好的方式之一，就是給它（One of the best ways to give Claude a map is to give it）
- `13:04` 另一張地圖，對吧？（another map, right?）
- `13:05` 所以與其讓我寫出規格書，我可以直接說：嘿，（So instead of me writing out the spec, I can just say, hey,）
- `13:09` 這裡有一些程式碼代表了我想要完成的內容，（here is some code that represents what I want to be done,）
- `13:13` 對吧？（right?）
- `13:13` 它可能是在不同的系統或語言中。（It could be in a different system or language.）
- `13:17` 但只要閱讀這段程式碼、理解它，然後利用（But just read this code, understand it, and then use）
- `13:20` 它來開始你的工作，對吧？（that to start your work, right?）
- `13:22` 再說一次，這可以透過許多不同的方式來達成。（And again, this can be in a lot of different ways.）
- `13:25` 如果我正在製作一個 React 元件，我可能會有一個 HTML（If I'm making a React component, I might have an HTML）
- `13:28` 模型作為我的地圖，對吧，我將其作為參考資料傳入。（mockup that is my map, right, that I pass in as a reference.）
- `13:30` 我覺得這真的非常、非常強大，而且 Claude Fable 在這方面（I think this is really, really powerful, and Fable is really）
- `13:33` 表現得非常出色。（incredible at it.）
- `13:36` 還有另一件事我也非常欣賞，那就是實作（Something else I'd, like, really appreciated is implementation）
- `13:38` 筆記。（notes.）
- `13:39` 所以當你在執行 Claude Fable 且遇到未知狀況時，（So if while you're running Fable and it runs into an unknown,）
- `13:45` 請它記錄下來，對吧，這樣你就能看到（ask it to log it, right, so that you can see where the）
- `13:51` 偏差發生在哪裡，然後你也可以找出原因，（deviations happened, and then you can sort of figure out why,）
- `13:53` 同樣地。（as well.）
- `13:54` 你知道，它通常會給你一些關於發生了什麼事的背景資訊。（You know, it will usually give you some context about what）
- `13:56` 然後最後，我喜歡讓 Claude Fable 針對（happened.）
- `13:57` 發生的事情對我進行測驗，只是為了確保我了解自己正在做什麼，（And then finally, I like to get a Fable to quiz me about）
- `14:01` 並且當我在建立 PR 或合併它時，（what happened, just to make sure I understand what I'm doing）
- `14:04` 我能夠說明這項工作。（and I can represent this work, you know, when I'm creating a）
- `14:07` 這是一個非常棒的方法，可以確保你（PR or merging it.）
- `14:09` 真的與 Claude Fable 保持同步。（This is a really great way of, like, making sure that you're,）
- `14:11` 而且我認為這是 Claude Fable 最重要的部分之一，（like, really in the loop with Fable.）
- `14:14` 就是保持同步，並確保你（And I think that's, like, one of the most important parts of）
- `14:17` 得到你想要的結果。（Fable is, like, staying in the loop and making sure that you,）
- `14:21` 所以這些是我使用 Claude Fable 的一些建議。（you get what you want.）
- `14:24` 我還想說，我第一次使用 Claude Fable 時，（So those are some of my tips for working with Fable.）
- `14:28` 我同時感受到了一種巨大的收穫感，（I also want to say that the first time I used a Mythos class）
- `14:32` model, used Fable, I felt both a huge sense of, like, gain,
- `14:38` 但同時也有一種失落感。（but also a sense of loss.）
- `14:40` 我想稍微聊聊這個，你知道的。（And I wanted to talk a little bit about that, you know.）
- `14:45` 當我回想大型語言模型出現之前的程式撰寫，感覺就像是（When I think about coding before LLMs, it feels like a）
- `14:48` 身處異國。（foreign country.）
- `14:49` 你知道，我以前經營過一家 YC 新創公司，大約 30 人，（You know, like, I used to run a YC startup, about 30 people, and）
- `14:53` 我們總是被迫做出取捨，因為（we were just constantly forced into trade-offs because of how）
- `14:56` 寫程式太難了，對吧？（hard code was, right?）
- `14:58` 比如，我們可以讓應用程式跑得快一點，或者嘗試開發一個（Like, we could make the app fast, or we could try prototyping a）
- `15:01` 新功能原型，這可能需要一個月，或者那樣做需要（new feature, and this might take a month, or this would take）
- `15:03` 兩個月，所以我們必須做出選擇。（two months, and so we had to choose.）
- `15:05` 那真的非常、非常困難。（It was just really, really hard.）
- `15:08` 而現在，幾週前我回頭看了那個程式庫，（And now, I went back to that code base a couple weeks ago,）
- `15:10` 我想著一些我曾經想做的事情，（and I thought about some of the things that I wanted to do,）
- `15:15` 結果發現簡單多了。（and it was just way easier.）
- `15:17` 就像是，那些原本需要花我幾週時間的事，（It was, like, the things that would have taken me weeks,）
- `15:20` 我現在幾個小時就能完成，你知道嗎？（I could do in hours, you know?）
- `15:22` 有時候你會覺得，對啊，怎麼能不（And at some point, it's like, yeah, like, how can you not）
- `15:25` 笑出來，但老實說，又怎麼能不哭呢？（laugh, but also, how can you not cry, honestly?）
- `15:28` 這就是那種讓我感到矛盾的事，我真的、真的很（Like, it's, like, one of these things where I really, really）
- `15:31` 熱愛程式撰寫和親手編寫程式碼。（loved programming and writing code by hand.）
- `15:34` 我喜歡那種感覺，就像是在腦海中（I loved the feeling of, like, seeing the code base in my）
- `15:37` 看著整個程式庫，並在心中運轉它的樣子。（mind, and, like, rotating it.）
- `15:39` 但我也記得，你知道的，為了（But I also remember just, you know, like, staying up late）
- `15:43` 除錯而熬夜，為了那些無法運作的功能（nights trying to debug, working on things for weeks without）
- `15:46` 苦戰了幾週，對吧？（working, right?）
- `15:47` 我只記得自己沉浸在失敗之中。（I just remember swimming in failure.）
- `15:50` 我只記得，我曾經參與過的（I just remember that, like, most of the projects I've）
- `15:52` 大多數專案都失敗了。（ever worked on have failed.）
- `15:54` 大多數新創公司最後都破產了，你知道吧？（Most startups go bankrupt, you know?）
- `15:56` 我認為整體而言，程式撰寫和編碼是非常（I think just overall programming and coding is extremely）
- `15:59` 困難的，而且，儘管我很享受那些高峰時刻，（hard, and, like, as much as I enjoy those highs,）
- `16:03` 我已經回不去了，對吧？（I cannot go back, right?）
- `16:07` 我對此的反思是，唯一的出路就是堅持下去，（And my reflection here is, like, the only way out is through,）
- `16:11` 對吧？（right?）
- `16:11` 在 Agentic 程式開發方面還有很多要學的。（There's still a lot to learn with agentic coding.）
- `16:14` 在 Claude Fable 方面也有很多要學的。（There's a lot to learn with Fable.）
- `16:16` 但我認為如果我們足夠努力，如果我們能（But I think if we try really hard and if we, like, stay in）
- `16:18` 保持在迴圈中，解除限制，我們就能達成目標，你知道嗎？（the loop, we un-hobble it, we can get there, you know?）
- `16:22` 而且我們最終能收穫更多。（And we can come out on the other side with just so much more.）
- `16:28` 所以最後我想談談關於「收穫更多」的部分，（And so the last bit I wanted to talk about is the so much more）
- `16:32` 對吧？（part, right?）
- `16:33` 我稱之為「不講理」。（I call this being unreasonable.）
- `16:37` 我最喜歡 Anthropic 的一點是，我們相信（One of my favorite parts of Anthropic is that we believe that）
- `16:42` 取捨並非絕對必要。（tradeoffs are not real.）
- `16:45` 我覺得很多時候，在我上一家公司，我（Like, I think that very often, like, in my previous company I was）
- `16:49` 非常習慣於「講理」。（very used to being reasonable.）
- `16:50` 所以我會列出一份優先順序清單，然後心想，（So I'd, like, write down this list of priorities and I'd be like,）
- `16:53` 嗯，我想我們可以在這兩者之間做取捨，對吧？（well, I guess we can prioritize this against this, right?）
- `16:57` 而且，你知道，那樣做很合理。（And, like, you know, that makes sense.）
- `16:59` 所以這將會是我們這季的優先事項。（So this will be our priority this quarter.）
- `17:01` 但如果妳把這一切都做了呢，妳知道嗎？（But what if you just did all of it, you know?）
- `17:04` 如果妳強迫現實向妳展示權衡取捨的結果，會怎樣呢？（What if you forced reality to show you the tradeoffs, right?）
- `17:09` 這是我在 Anthropic 的文化中非常重視的一點。（This is something I've really valued at our culture in Anthropic.）
- `17:11` 而我對未來的反思是，我將會變得（And my reflection going forward is that I'm going to be a lot）
- `17:14` 沒那麼講理。（less reasonable.）
- `17:17` 我認為其中一點，就像 Claude 和 Claude Fable 的數學運算，真的（I think one of this, like, the math of Claude and Fable really）
- `17:21` 改變了妳對權衡取捨的看法。（changes how you think about tradeoffs.）
- `17:23` 而且妳在腦海中隱性地做了很多權衡取捨，對吧？（And there are so many tradeoffs that you make implicitly in your）
- `17:25` 沒錯。（head, right?）
- `17:26` 比如，好、快、便宜。（Like, good, fast, cheap.）
- `17:28` 現在則是三者都要選，對吧？（Now it's pick three, right?）
- `17:31` 我認為，想要完成更具野心的工作，最好的方式（I think that, like, the best way to, like, do more ambitious work）
- `17:35` 就是重新構思，讓我們自己變得更有野心。（is to, like, reframe and make ourselves more ambitious.）
- `17:40` 因為我認為證明 Agent 有效的唯一方法，就是（Because I think the only way to prove that agents work is to do）
- `17:44` 比以往任何時候都更快地完成我們人生中最棒的工作。（the best work of our lives faster than ever before.）
- `17:49` 妳知道，例如，我昨晚用 Claude Fable 大約花了（You know, for example, I made this deck last night in about）
- `17:52` 四個小時就做出了這份簡報。（four hours with Fable.）
- `17:54` 我覺得這份簡報我很喜歡，而且製作過程也很享受。（I feel like it's a deck I really like and I really enjoyed it.）
- `17:58` 但同時，妳知道，我也做得非常快。（But I also, you know, did it really fast.）
- `18:01` 我想如果妳在這裡，在 AI Engineer 大會，（And I think that if you're here, you know, at AI Engineer,）
- `18:05` 全世界都在看著妳，要妳證明 AI 是有效的，對吧？（the world is kind of looking at you to prove that AI works, right?）
- `18:08` 證明它不僅僅是一個一時的流行，而是（That it's not just, like, a fad or something, but that it can）
- `18:11` 能讓我們更有效率，同時也能為我們節省時間。（make us more productive and also save us time.）
- `18:14` 這就是我今年的決心：要更有效率，（And that's my resolution for this year is to be more productive,）
- `18:18` 但工作時間要更少，並花更多時間陪伴我真正在乎的人。（but work less and spend more time with people I really care about.）
- `18:22` 所以我認為還有一點值得一提，那就是開發變得更容易了，（So I think it's also worth calling out that building is easier,）
- `18:27` 但創造價值仍然很困難。（but generating value is still hard.）
- `18:29` 我認為這就是我們有時會遇到的問題，妳知道，（And I think this is something that we run into, you know,）
- `18:32` 作為 AI 工程師，我們過多地思考（as AI engineers sometimes where we think so much about the process）
- `18:35` 開發的過程和我們的設定。（of building and our setups.）
- `18:39` 但重點是要創造價值，對吧？（But the point is to generate value, right?）
- `18:42` 這需要很多次的嘗試。（And it takes a lot of swings.）
- `18:45` 需要很多次的嘗試才能找到有價值的東西。（It takes a lot of tries to find the valuable stuff.）
- `18:49` 但那確實是目標。（But that really is the goal.）
- `18:51` 這就是，妳知道，再次強調，全世界都在看著我們，（And that's, like, you know, again, what the world is looking to us）
- `18:54` 要我們證明 AI 真的能改變世界。（to prove that AI can really transform it.）
- `18:58` 所以最後，我只想說，去探索吧，讓它成真，（So to end, I just wanted to say, like, go explore, make it real,）
- `19:03` 還有，沒錯，變得沒那麼講理吧。（and, yeah, be less reasonable.）
- `19:06` 謝謝大家。（Thank you.）

## 標籤

Skills, Claude, 教學資源, Bash, Anthropic, Claude