Chuyên gia Anthropic chia sẻ bí quyết dùng Claude Fable 5: Hãy bắt đầu bằng việc tìm 'điểm mù' của chính mình

Nội dung dịch chi tiết

Thariq Shihipar, nhà phát triển tại Anthropic, cho rằng với mô hình Fable 5 mới, rào cản lớn nhất không còn nằm ở khả năng của AI mà ở chính những 'điểm mù' của người dùng. Ông nhấn mạnh rằng chất lượng kết quả phụ thuộc vào việc người dùng có thể làm rõ những điều mình chưa biết trước khi bắt đầu thực hiện.

Shihipar phân loại các lỗ hổng kiến thức thành bốn nhóm: 'Known Knowns' (điều đã biết), 'Known Unknowns' (điều biết là mình chưa biết), 'Unknown Knowns' (kiến thức hiển nhiên nhưng không được ghi lại) và quan trọng nhất là 'Unknown Unknowns' (những điều chưa từng được cân nhắc đến). Việc quá chi tiết trong câu lệnh có thể khiến AI đi vào lối mòn, trong khi quá mơ hồ lại dẫn đến các quyết định thiếu chính xác.

Để khắc phục, Shihipar đề xuất kỹ thuật 'blindspot pass' (rà soát điểm mù), trong đó người dùng yêu cầu Claude xác định các 'Unknown Unknowns' trước khi bắt đầu dự án. Đối với các lĩnh vực như thiết kế, ông khuyên nên dùng phương pháp động não và tạo mẫu thử (prototyping) thay vì triển khai ngay lập tức.

Một chiến lược hiệu quả khác là thực hiện các cuộc phỏng vấn có cấu trúc, nơi Claude đặt câu hỏi để làm rõ các điểm mơ hồ. Shihipar cũng lưu ý tầm quan trọng của việc cung cấp ngữ cảnh về kinh nghiệm cá nhân và sử dụng mã nguồn làm tài liệu tham khảo chính để AI hiểu rõ yêu cầu.

Trong quá trình triển khai, ông yêu cầu Claude duy trì tệp 'implementation-notes.md' để ghi lại các quyết định quan trọng. Sau khi hoàn thành, người dùng nên thực hiện các bài kiểm tra (quizzes) do AI tạo ra để đảm bảo hiểu rõ mọi thay đổi trước khi hợp nhất mã nguồn.

Cuối cùng, Shihipar khẳng định rằng mọi nỗ lực như brainstorm, phỏng vấn hay tạo mẫu thử đều là cách tiết kiệm chi phí để phát hiện những thiếu sót trước khi chúng trở nên khó sửa chữa. Khi một tác vụ kéo dài gặp trục trặc, đó thường là dấu hiệu cho thấy người dùng cần dành thêm thời gian để định nghĩa lại các ẩn số của mình.