Secondo l’ingegnere di Anthropic Thariq Shihipar, la qualità delle uscite generate dal modello Claude Fable 5 dipende fortemente dall’abilità degli utenti nel riconoscere i propri punti ciechi e lacune conoscitive prima di formulare un prompt. Shihipar presenta una serie di tecniche mirate per rivelare questi "conosciuti sconosciuti", tra cui brainstorming mirati, interviste strutturate con l’AI, e la registrazione di appunti dettagliati durante le sessioni di coding.
Riconoscere i propri punti ciechi
Un grosso problema nel prompting, osserva Shihipar, è trovare la giusta specificità: indicazioni troppo dettagliate bloccano l’AI in approcci sbagliati, mentre istruzioni troppo generiche portano a risposte generiche e poco utili. L’utente esperto sa gestire con abilità questo equilibrio, riducendo al minimo i punti ciechi pur mantendo un livello di flessibilità.
Gli sviluppatori con agenti AI conoscono bene questo problema. Si pensa di aver formulato chiaramente il prompt e di disporre di un piano ben strutturato, ma in molti casi i risultati non sono soddisfacenti. Secondo Shihipar, questa situazione è meno legata alle capacità del modello stesso, e si concentra maggiormente su cosa manca all’utente, in particolare su ciò che non gli è evidente.
Classificazione delle conoscenze
Differentemente da modelli precedenti, con Fable 5 la qualità dell’output è limitata dal grado in cui l’utente riesce a chiarire le sue 'conoscenze sconosciute'. Shihipar introduce una classificazione chiara:
- “Conoscenze note note”: Cio che è esplicitamente scritto nel prompt.
- “Conoscenze note sconosciute”: Questioni che sai non aver risolto, ma di cui sei consapevole.
- “Conoscenze sconosciute note”: Conoscenze così ovvie che non le scrivresti mai, ma le riconosceresti appena le vedessi.
- “Conoscenze sconosciute sconosciute”: Cose che nemmeno ti sei mai chiesto.
Secondo Shihipar, il punto chiave da affrontare è il concetto di “conoscenza sconosciuta sconosciuta”, poiché rappresenta aspetti che non abbiamo considerato affatto.
Il compromesso tra dettaglio e ambiguità
Nel lavoro con Claude, Shihipar sottolinea che essere troppo specifici o troppo ambigui porta a problemi diversi. Specificità eccessive rischiano di bloccare l’AI in approcci errati, anche quando sarebbero necessari cambiamenti di rotta; ambiguità estreme possono produrre risultati standard, poco rilevanti per l’obiettivo specifico.
Claude però, ha dimostrato di poter aiutare gli utenti a individuare rapidamente i loro punti ciechi. Ha la capacità di interrogare grandi set di dati, navigare a grande velocità l’Internet e possedere una conoscenza più ampia rispetto a quella medio dell’utente. La chiave, ribadisce Shihipar, è fornire a Claude contesto riguardo al punto di partenza: dove ti trovi nel tuo ragionamento e quale esperienza hai con il problema.
Individuare i punti ciechi prima dell’implementazione
Shihipar presenta diversi strumenti da utilizzare in una fase precedente l’implementazione concreta. Con un “Passo cieco”, ad esempio, gli utenti chiedono a Claude di rivelare loro ciò che non sapevano di non conoscere. Questo è particolarmente utile quando si è in una parte poco familiare del codice.
Un esempio di prompt proposto da Shihipar è il seguente: “Sto lavorando all’aggiunta di un nuovo provider di autenticazione, ma non conosco i moduli di autenticazione presenti in questa struttura. Puoi guidarmi a individuare i miei punti ciechi e aiutarmi a formulare un prompt migliore?”.
Prototipazione e brainstorming in contesti complessi
Per settori complessi dove sono presenti molte “conoscenze sconosciute note”, come la progettazione visiva, Shihipar raccomanda il brainstorming e la prototipazione. Invece di iniziare direttamente con l'implementazione, egli chiede a Claude di generare diverse direzioni di design, come HTML, per poterne valutare in modo concreto le opzioni.
Shihipar inizializza quasi ogni sessione di coding con una fase di esplorazione o brainstorming per definire chiaramente l'ambito del progetto. La chiave è agire consapevolmente, anche quando le opzioni sembrano chiare.
Interviste strutturate e riferimenti di supporto
Un’altra tecnica utilizzata da Shihipar consiste nelle interviste strutturate, dove Claude chiede al utente domanda per domanda riguardo agli ambiguità. Le domande sono selezionate in base alla capacity a modificare l'architettura. I riferimenti sono importanti per la correttezza, e Shihipar raccomanda di utilizzare il codice sorgente, anche quando scritto in un linguaggio diverso. Ad esempio, il Claude Design non guarda solo i screenshot, ma analizza il codice sottostante.
Pianificazione mirata prima del codice
In fase di pianificazione, Shihipar chiede a Claude di creare un piano di implementazione che concentri l’attenzione sulle aree più inclini a cambiamenti, come i modelli dei dati, le interfacce del tipo e qualsiasi elemento interfaccia con l'utente. L’adattamento meccanico viene affrontato solo in un secondo momento.
Documentazione durante e al termine dell’implementazione
Anche durante l’implementazione reale, Shihipar mette in guardia dagli errori causati da assunzioni non espresse. Chiede a Claude Code di tenere traccia delle decisioni con un file temporaneo chiamato "implementation-notes.md", in modo da poter imparare nel più breve tempo possibile.
Quando emergono casi estremi inaspettati, Claude deve scegliere l’opzione conservativa più sicura, registrare l’eventuale deviazione e continuare il lavoro.
Rapporti post-conclusione e verifiche
Dopo l'implementazione, Shihipar propone due tecniche principali. La prima è la composizione di "pitches" e "espositori", documento aggregativo per le parti interessate, in cui vengono presentati proto-prototipo, specifiche e annotazioni. La seconda, i "quiz", dove Claude genera un rapporto HTML sulle modifiche apportate, con contesto e osservazioni, seguito da una serie di domande.
Shihipar dichiara di non procedere alla fusione finché non passi il quiz senza errori.
Esempio pratico: video di lancio modificato interamente con Claude Code
Shihipar presenta un esempio pratico riguardo alla modifica di un video