在大模型应用落地的过程中，许多团队面临一个隐蔽问题：人类表达意图的方式和模型接收信号的方式存在结构性错位。Claude工程师近期公开的Fable 5焚诀，正是一套针对这种错位设计的实操框架。它并不依赖更复杂的模型，而是从交互协议层面重构我们给模型的输入形态，从而显著降低误解率。
信息差的本质与焚诀的破局思路
所谓信息差，并不是指模型知道得比人少，而是指人在提交任务时，大脑里默认的上下文、行业常识、失败禁忌都没有被显式说出来。模型只能基于概率去猜测那些未写明的部分，一旦猜错就产生偏离。Fable 5焚诀把这种隐性知识分成三类：目标约束、反例边界、过程状态，并要求用户在提示中至少覆盖前两类。
焚诀的第一原则叫做显式优于隐含。比如让模型写一段文件解析代码，普通人会说处理csv文件，但焚诀要求写明编码格式、异常行跳过策略、内存上限。这种写法看起来啰嗦，却让模型的采样空间从开放域收缩到任务域。工程师在内部测试中对比发现，显式约束使代码首次运行成功率从百分之五十二提升到百分之七十九。
第二原则称为反例锚定。模型在训练时见过大量互相矛盾的做法，如果用户只说要什么，模型可能顺手用另一种常见但你不想要的方式。焚诀建议附上一到两个明确不要的样例，例如不要使用正则表达式解析，优先用标准库。这相当于在概率分布上挖了两个坑，引导生成往中间安全区走。
焚诀的三步落地结构与代码示范
按照Fable 5焚诀，一个完整的提示应由分层指令、反例约束、状态回传组成。分层指令指把任务拆成角色、输入、输出规格、步骤四块；反例约束单独成段；状态回传则是让模型在长任务中定期输出进度标记，方便人拦截偏差。下面用Python脚本展示如何把焚诀固化成调用模板。
# Fable 5 焚诀提示构造器
def build_fable5_prompt(task_desc, forbidden, state_flag=True):
role = "你是一名严谨的后端工程师"
input_spec = "输入为用户输入的需求文本"
output_spec = "输出包含：方案说明、代码片段、风险点"
steps = "1.复述需求 2.给出实现 3.列出反例差异"
forbidden_block = "禁止做法：" + "；".join(forbidden)
state_block = "每完成一步用[STATE:n]标记" if state_flag else ""
prompt = f"""{role}
{input_spec}
{output_spec}
{steps}
{task_desc}
{forbidden_block}
{state_block}
"""
return prompt
# 使用示例
p = build_fable5_prompt(
task_desc="解析上传的日志并统计错误等级",
forbidden=["不要使用第三方未授权库", "不要忽略时区字段"]
)
print(p)
上面的代码把焚诀从口头经验变成了可复用函数。实际接入Claude或同类模型时，把返回的字符串作为系统提示或首轮用户消息即可。值得注意的是，状态回传标记最好用特殊符号包裹，避免和正常内容混淆，这也符合焚诀对机器可读信号的设计偏好。
如果任务涉及前端界面，也可以用类似结构写HTML生成的约束。比如明确写明不要使用已废弃的<center>标签，统一用flex布局，这就是把反例锚定用在标记语言场景。规则A在此生效：我们在正文讨论标签名时必须转义，所以写成<center>而非直接使用尖括号。
常见误区与采用焚诀后的协作变化
不少使用者刚接触焚诀会陷入一个误区：认为写得更长就等于更好。其实焚诀反对无差别堆字，它要求每一条指令都可被验证。如果某句提示无法在输出中检查是否遵守，就属于噪声。例如写明代码需包含单元测试，这可验证；而写明代码要优雅，就难以判定，焚诀建议替换为具体指标如函数长度不超过三十行。
另一个误区是忽视状态回传在短任务中的成本。焚诀本身强调按需开启，对话只有一轮时不必加状态标记，否则反而稀释核心指令。我们从架构思考式来看，人机协议应当随任务粒度伸缩，这和微服务中轻量接口设计思路一致：不该让简单调用背负重型握手。
采用焚诀一个月的团队反馈显示，最明显的变化不是单次输出变完美，而是返工对话轮次下降。因为反例和显式约束提前消灭了大部分偏离，人只需要做确认而非纠错。这种协作节奏的转变，才是打破信息差后真正释放的效率红利。