עצות של מפתח Anthropic לפרומפטינג ב-Fable 5: קודם כל גלו את הנקודות העיוורות שלכם

עידן חדש של פרומפטינג: למה הבעיה היא בכם, לא במודל

כל מי שכותב קוד עם סוכני AI מכיר את המצב היטב: הפרומפט מוכן, התוכנית נראית ברורה, אבל התוצאה עדיין לא בדיוק מה שרציתם. לדברי מפתח Anthropic תאריק שיהיפר (Thariq Shihipar), עם Fable 5 — המודל החדש ביותר של Claude — הבעיה פחות ופחות נובעת מהמודל עצמו ויותר מהנקודות העיוורות של המשתמש.

לדעת שיהיפר, Fable 5 הוא המודל הראשון שבו איכות הפלט מוגבלת באמת על ידי היכולת של המשתמש להבהיר לעצמו את הלא־נודע שלו. מדובר בשינוי תפיסתי רדיקלי: במקום לשאול „איך אני עובד על המודל כדי לקבל תוצאות טובות יותר”, עלינו לשאול את עצמנו — „מה אני לא יודע שאני לא יודע?”

ארבע קטגוריות של ידע שמשנות את הפרומפטים שלכם

שיהיפר מחלק את הידע לארבע קטגוריות. „ידועים ידועים” (Known Knowns) — מה שכבר כתוב בפרומפט שלכם. „ידועים לא־נודעים” (Known Unknowns) — שאלות שעוד אין לכם עליהן תשובה, אבל אתם יודעים שאין. „לא־נודעים ידועים” (Unknown Knowns) — ידע כל כך מובן מאליו שלעולם לא תכתבו אותו, אך תזהו אותו מיד כשתראו אותו. הקטגוריה הקריטית היא „לא־נודעים לא־נודעים” (Unknown Unknowns) — דברים שלא חשבתם עליהם כלל.

הקטגוריה האחרונה היא המכשול הגדול ביותר לפרומפטינג אפקטיבי. כשאתם לא יודעים שאתם לא יודעים משהו, גם לא תוכלו לבקש מהמודל להתחשב בו.

דילמת הספציפיות: מדויק מדי מול מעורפל מדי?

אחת התצפיות החשובות ביותר של שיהיפר היא שלהיות ספציפי מדי גרוע בדיוק כמו להיות מעורפל מדי. כשאתם מפרטים יתר על המידה, Fable 5 עלול לפעול לפי ההוראות שלכם בעיניים עצומות, גם כששינוי כיוון היה הגיוני יותר.

„כשאתם לא מתחשבים בלא־נודעים שלכם, אתם נכשלים בשני הכיוונים”, כותב שיהיפר.

„בדיקת נקודות עיוורות” — הצעד הראשון לפני כל פרויקט

שיהיפר מציע טכניקה ספציפית שהוא מכנה blindspot pass — בקשו מ-Claude לזהות את הלא־נודעים הלא־נודעים שלכם. זה עובד טוב במיוחד כשאתם עובדים בחלק לא מוכר של בסיס הקוד.

ראיונות מובנים ורפרנסים

טכניקה חזקה נוספת היא ריאיון מובנה, שבו Claude שואל אתכם שאלה אחר שאלה כדי לחשוף אי־בהירויות. הוא נותן עדיפות לשאלות שתשובותיהן עשויות לשנות את כל הארכיטקטורה.

מסקנה: העתיד שייך למי שמגלה את נקודותיו העיוורות

עם הגעתו של Fable 5, פרומפטינג של AI אינו עוד מיומנות טכנית בלבד — הוא הופך לעניין של מודעות עצמית ומטא־קוגניציה. ככל שהמודלים נעשים חזקים יותר, כך נעשית חשובה יותר היכולת של המשתמש להכיר בגבולות הידע שלו.