AI工具的普及让Prompt工程成为显学，但Claude工程师的「Fable5」项目揭示了更本质的问题：用户与模型之间存在严重的信息传输损耗。这篇文章深度解析了「焚诀」烧毁的三层沟通幻觉，并给出结构化上下文清单，帮助产品经理用信息组织思维突破AI沟通瓶颈——这套方法论甚至能反哺日常的跨部门协作。
你觉得自己会用AI，但你正在把大量信息浪费在传输路上。
这不是你的错。Prompt工程教了你「怎么说」，但没有教过你一件事：模型能「听到」什么、听不到什么，以及你和模型之间那张隐形的信息过滤网长什么样。
Claude工程师最近交出了一个叫「Fable5」的东西——有人叫它「焚诀」，听起来像某种武林秘籍。实际上它是一个坦诚的技术解剖：为什么你和模型之间永远有信息差，以及怎么真正把它填平。
你以为你说了，模型根本没收到
先做一个测试。你写了一个Prompt：「帮我分析一下这个产品的用户增长趋势。」你觉得自己说清楚了，但模型收到的其实是另一个东西。
你的输入经过了你的语言习惯、省略假设、上下文剪切、注意力筛选——然后模型拿到的是一份打了折扣的信号。它再回给你答案，你又在阅读时过滤掉一部分。
一来一回，信息损耗超过50%。
这就是「信息差」的本质：不是模型不够聪明，是模型和你之间缺少一个共同的信息坐标系。
Claude工程师在Fable5里指出了一个反直觉的事实：大多数用户花80%的精力在「写对Prompt」上，只花了20%在「构建上下文」上。但上下文才是模型的真正输入——Prompt只是上下文里的一行字。
如果你给模型一段对话历史、一份文档、一个角色设定，这些才是它理解你的真正基础。而大多数人的做法是：每次清空对话，从零开始写一段话，指望模型猜到你想要什么。
「焚诀」到底烧掉了什么
Fable5之所以被叫做「焚诀」，是因为它烧掉了三层幻觉：
第一层：Prompt足够长就能说清楚。
错。长的Prompt不等于好上下文。很多人在Prompt里堆砌指令，但模型真正需要的是结构化信息：你是谁、你在做什么场景、你手里有什么材料、你期望的输出格式是什么。把这些写成碎片丢进Prompt，不如用一个清晰的分层上下文结构。
第二层：模型在「理解」你。
错。模型在「匹配」你。它匹配你上下文里的模式，而不是理解你的意图。这就是为什么同样的问题，换一个说法结果完全不同。不是模型不稳定，是你的上下文没有给它足够的约束信号。
第三层：把对话历史留着就够了。
错。对话历史越长，模型的注意力越分散。关键信息被稀释在几千个Token的闲聊里。Fable5的做法是：每次关键提问前，重建上下文——把核心材料、当前目标、输出要求，在提问那一刻重新摆到模型面前。
三层烧完，剩下的才是真实的信号传输通道。
产品经理为什么最该学这个
人人都是产品经理——这句话的意思是所有做产品的人都在处理同一件事：信息不对称。
你在和开发沟通时、和设计对齐时、和老板汇报时，本质上都在做同一件事：把你自己脑中的上下文，完整地传递给对方。这和向AI提问一模一样。
如果你连向模型传递上下文这件事都做不好，你怎么可能做好跨部门沟通？
Fable5的核心方法，放到产品经理日常里，其实就是一个「结构化上下文清单」：
这个需求的背景是什么（前置上下文）
当前在什么阶段（场景定位）
我手里的材料有哪些（事实锚点）
我要什么层级的输出（结果约束）
很多产品经理写PRD写得痛苦，是因为他们跳过了背景信息和场景定位，直接写需求条目。然后开发来问三个问题，答案全在上下文里——你没给，于是来回扯皮。
和AI沟通暴露了你的信息组织能力，因为AI不会主动追问。
真正的高手怎么喂模型
Fable5里举了一个例子，我转述一下。
一个新手和一个老手分别让Claude帮忙写一个数据分析脚本。
新手的做法：
「帮我写个Python脚本分析用户留存数据。」
模型给了个通用模板，改了半天才勉强能用。
老手的做法：
先丢过去三行——数据表的字段结构（Schema）、分析的业务目标（增长团队要看30日留存拐点）、输出要求（直接可运行的Python脚本，带注释）。
然后问：「基于这些，写一个脚本。」
模型给的几乎可以直接跑。
区别在哪？不是老手更会写Prompt，是老手更会组织上下文。
他把「背景→目标→约束→输出格式」这四个要素一次性给全了。新手只给了「输出格式」这一项——还说得不够具体。
结论：信息差从哪来，就从哪补
Claude工程师交出Fable5这件事，真正值得关注的不是技术细节，而是一个行业信号：AI公司已经开始承认，问题不在模型侧，而在用户侧的信息组织方式上。
这其实是好事。意味着你不需要等更强的模型——你现在就能用已有的模型，把事情做得更好。
方法很简单：
每次提问前，先问自己：我给了模型完整的背景、目标、场景、约束吗
不要靠对话历史，要靠即时上下文：关键提问前，重建一次上下文。
把给模型的上下文，当作给同事的Brief：如果你觉得给同事这样的Brief不够，那给AI也一样不够。
信息差从来不是技术问题，是信息组织问题。
而这个问题，产品经理最擅长解决——只是很多人没意识到，AI对话正是练这个能力最好的训练场。
热门跟贴