# Field Guide to Fable — Thariq Shihipar, Anthropic

- Channel: [AI Engineer](https://www.youtube.com/channel/UCLKPca3kwwd-B59HNr-_lvA)
- Published: 2026-07-06
- Source video: [Watch on YouTube](https://youtube.com/watch?v=9fubhllmsBU)
- Read on ReadTube: https://www.read.tube/p/videos/9fubhllmsBU
- Language: Simplified Chinese

## Summary

**费布尔开启新探索**

这场演讲把费布尔描述为一类能力跃迁的新模型，并给出了一份与之协作的实战指南。核心观点是：要同时“解除模型的束缚”和“解除自己的束缚”，通过工具、参考、提问和反馈，把模型能力真正释放出来。

演讲者认为，费布尔代表了模型能力的又一次“跳跃式”增长，就像从教程阶段进入开放世界：它更强、更灵活，也更需要新的使用方式。与其把模型当作固定工具，不如把它看成会在工具、上下文、系统提示和交互形式中不断扩展能力的伙伴；而理解这种“能力溢出”正是发挥费布尔潜力的关键。

他提出两件事必须同时做：一是“解除模型的束缚”，二是“解除自己的束缚”。前者包括用代码执行、搜索、报告生成等方式让模型自己构建上下文、主动发问、生成更丰富的输出；后者则是逼自己找出问题中的未知项，别让模糊的心智地图限制了真实工作的展开。

他总结了几种实用方法：
- 盲点排查：让模型帮你找未知的未知数，尤其适合陌生领域或新模块。
- 头脑风暴与原型：用多个差异化方案帮助自己识别“说不清但能看出来”的偏好。
- 访谈式提问：让模型主动追问会影响架构或实现的关键问题。
- 参考驱动：直接给模型另一份“地图”，如示例代码、界面草图或其他系统中的实现。
- 实施记录与复盘：让模型记录偏离点，并反过来测验自己是否真正理解了结果。

后半段转向情绪与方法论上的反思。演讲者承认，使用这类模型带来巨大增益，也带来对传统编程体验的失落感；但他认为“唯一的路就是穿过去”，继续学习如何与智能体协作。最后他强调要变得“不那么合理”——不要过早接受旧式权衡，而要更大胆地做更有价值的事，用更少时间产出更大的成果，同时把重点放在真正创造价值上，而不只是构建流程本身。