Claude Fable 5公式ガイドの8つの実践プロンプト全解説

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくん（@passion_tanaka）です。

Claude Fable 5のサブスク無料枠が使えるのは、日本時間2026年7月13日15:39まで。私はこの1ヶ月、Fable 5をとことん使い倒してきました。そんなタイミングで、Anthropicの公式ブログに「A field guide to Claude Fable: Finding your unknowns（Claude Fableフィールドガイド：あなたのunknownsを見つける）」という記事が出たんです。読んでみて、膝を打ちました。この1ヶ月、私がFable 5と格闘して体で覚えたことが、そのまま言語化されていたからです。この記事では公式ガイドの核心をわかりやすく解説しつつ、私自身の生の実体験——Claude系の自動タスク約70本が知らぬ間に全部Fableで走っていた事件や、まもなく始まる従量課金への備えまで、全部お話しします。

まず基本情報から整理します。Claude Fable 5は、2026年6月9日にAnthropicが公開した最上位モデルです。ポイントは4つ。

• 性能：ソフトウェアエンジニアリング、ナレッジワーク、画像認識、科学研究など、テストされたほぼ全ベンチマークで最高水準（state-of-the-art）
• 料金：API価格は入力100万トークンあたり10ドル、出力100万トークンあたり50ドル。Claude Opus 4.8（5ドル/25ドル）のちょうど2倍
• 兄弟モデル：「Claude Mythos 5」は同じモデルの安全制限を一部解除した限定提供版（Project Glasswing経由のみ）。Fable 5は一般向けに安全化されたバージョンで、一部のトピックへの質問はOpus 4.8が代わりに応答する設計
• コンテキスト：1Mトークン（100万トークン）の長大な文脈を扱える

ちなみに先日のAI経営術LIVEで、私はFable 5をこう例えました。

ひろくん（7/6 AI経営術LIVEより）

「なんでこんな賢いのに、戦っても強いじゃんこいつみたいな武将いますよね。そういう大将軍みたいな存在がFable5だと思っていただければと思います」

俯瞰した大局観（知力）だけじゃなく、バグ潰しみたいな現場仕事（武力）もめちゃくちゃ強い。それがこの1ヶ月使い倒した私の体感です。

そして重要なのが、公式ガイドの著者でAnthropic技術スタッフのThariq Shihipar（サリク・シヒパー）さんのこの一文です。

Thariq Shihipar（公式ガイドより・意訳）

「Claude Fableは、仕事の品質のボトルネックが『モデルの能力』ではなく『私自身がunknownsを明確にする力』になった、最初のモデルだ」

つまり、もうAIの性能を疑う時代は終わって、問われているのは私たち人間側の「伝える力」なんです。

公式ガイドの一番大事な概念が「地図と領土（map and territory）」です。

• 地図 ＝ あなたがAIに渡すもの。プロンプト、スキル、コンテキスト。「こういう仕事をしてほしい」という表現
• 領土 ＝ 仕事が実際に行われる場所。コードベース、現実世界、実際の制約

そして、地図と領土のあいだのギャップこそが「unknowns（未知）」。Claudeがunknownにぶつかると、「たぶんこの人はこれを望んでるだろう」という推測で判断します。その推測が当たれば快進撃、外れれば「なんか違う……」というアウトプットになる。

Thariq Shihipar（公式ガイドより・意訳）

「unknownsを減らし、unknownsに備えることこそが、エージェンティックコーディングの『スキル』だ」

公式ガイドでは、Claude Code開発者のBoris Cherny（ボリス・チャーニー）さんや、JavaScriptランタイムBunの開発者Jarred Sumner（ジャレッド・サムナー）さんのような熟練者は「unknownsが相対的に少ない状態」で作業している、と紹介されています。そしてこれは才能じゃなく、習得可能なスキルだと。

では、unknownsをどう見つけるのか。公式ガイドは知識を4つに分類します。

分類	意味	例
Known Knowns （知ってると知ってる）	プロンプトに書いた内容そのもの	「ブログ記事を書いて。テーマは○○」
Known Unknowns （知らないと知ってる）	まだ決めてないと自覚してること	「デザインの方向性、まだ決めてないな」
Unknown Knowns （当たり前すぎて言わない）	書き出さないけど、見れば「違う」とわかること	「え、うちのブログでこの呼びかけ方はナシでしょ」
Unknown Unknowns （存在すら知らない）	考えたことすらない領域。「どこまで良くできるか」を知らない	「カラーグレーディングって何？」

このマトリクス、私は読んだ瞬間に「あ、これ毎日やってるやつだ」と思いました。私のAI秘書の凛ちゃんに仕事を頼むとき、一番事故が起きるのは3番目のUnknown Knowns（当たり前すぎて言わない）です。私の中では当たり前のルールなのに、言語化してないから伝わってない。だから私の環境では、指摘したことを全部「メモリ」と「ルールファイル」に書き溜めて、二度と同じことを言わなくて済む仕組みにしています。

そして4番目のUnknown Unknownsは、そもそも「AIに聞く」以外に潰しようがない。ここで効くのが、次に紹介する実践プロンプトです。

公式ガイドには、unknownsを潰すための実践テクニックが8つの型として載っています。エンジニア向けの文脈で書かれていますが、ブログ執筆でも企画づくりでも経営判断でも、そのまま使える型です。代表的なものを意訳つきで紹介します。

実装前（仕込み）

① ブラインドスポット・パス（盲点チェック）

公式ガイドの例文（意訳）

「認証プロバイダーを追加したいけど、このコードベースの認証まわりのことを何も知らない。ブラインドスポット・パスをやって、私の『unknown unknowns』を見つけて、もっと上手くプロンプトできるように助けて」

新しい分野に踏み込むとき、最初にAI自身に「私の盲点はどこ？」と聞く。これがUnknown Unknownsを潰す一番の近道です。

② ブレストとプロトタイプ（試作に反応する）

公式ガイドの例文（意訳）

「このデータのダッシュボードがほしいけど、視覚的センスがないし何が可能かもわからない。まったく方向性の違うデザイン4案をHTMLで作って。それに反応させて」

自分の好みを言語化できないなら、先に複数案を出させて「これ好き」「これ違う」と反応する。Unknown Knowns（言語化できてない基準）はこれで表に出てきます。

③ インタビュー（1問ずつ聞かせる）

公式ガイドの例文（意訳）

「曖昧な点について1問ずつ私にインタビューして。私の答え次第で設計が変わるような質問を優先して」

これ、私の環境では「尋問して」と呼んで完全に定着してるやり方です。AIに設計を任せる前に、AIから質問攻めにしてもらう。

④ リファレンス（お手本を渡す）——公式いわく、スクリーンショットよりソースコードそのものが最良の参考資料。ブログなら「この過去記事と同じトーンで」と実物を渡すのが一番効きます。

⑤ 実装計画（変えそうな所を先頭に）——「私が口を出しそうな部分を計画の先頭に、機械的な作業は最後に。そこは信頼してるから」と頼む。全部を確認するんじゃなく、自分の判断が要る部分だけ先頭に持ってこさせる。味見の効率が段違いになります。

実装中

⑥ 実装ノート（逸脱を記録させる）

公式ガイドの例文（意訳）

「implementation-notes.mdというファイルを維持して。計画から外れざるを得ないケースに当たったら、保守的な選択肢を選んで『Deviations（逸脱）』の項目に記録して、作業は続けて」

途中で止まらせず、でも「どこで推測したか」を後から見えるようにする。次回のプロンプト改善の材料になります。

実装後

⑦ ピッチ資料化 ⑧ クイズ（理解度テスト）

公式ガイドの例文（意訳）

「この変更を全部理解したか確かめたい。変更内容のレポートを作って、最後に私が合格しなきゃいけないクイズをつけて」

AIに任せた仕事を「ブラックボックスのまま」にしない。自分がクイズに合格できないなら、それは自分のunknownが残ってる証拠です。

ここからは私の生情報です。私の環境では、AI秘書チームが110本超の「自動実行タスク」（ブログ記事の自動生成、バックアップ、監視など）を毎日回しています。プロモ無料期間中、私はメインの作業をFable 5[1m]（1Mコンテキスト版）でやっていました。

7月2日、私は「タスクごとに最適なモデルを割り当てて」と指示を出しました。重要な判断はOpus、量産はSonnet、機械的な作業はHaiku、という設計です。AI秘書は設定を書き換え、「切替完了・検証OK」と報告してきました。

ところが翌日、稼働の様子を見て私は言いました。「オートラン、全然モデル指定で動いてないね。実態みて」。

調べた結果は衝撃でした。設定欄に書いたモデル指定は、実行時に完全に無視されていた。実際のモデルを決めていたのは全然別の場所（アプリ本体のUI設定）で、そこがFable 5になっていたから、艦隊の心臓部であるClaude系のタスク約70本が、知らぬ間に全部、最高級モデルのFableで実走していたんです（実走ログを1本ずつ照合して発覚しました）。

プロモ無料期間中だったので課金はゼロ。でも、もしこれが従量課金開始後だったら……入力10ドル/出力50ドル（100万トークンあたり）のモデルが、毎日約70本、私の知らないところで回り続ける。ゾッとしました。

この事件の教訓は2つあります。

1. 「設定した」と「実際にそのモデルで走ってる」は別物。注文票を書き換えても、厨房に伝わってるかは実際に皿を見るまでわからない
2. 公式ガイドの言うunknownsは、人間とAIの間だけじゃなく、システムの中にも潜んでいる。「設定がどの層で効くのか」という私のUnknown Unknownが、この事件の正体でした

解決策は、実行タスク1本1本にモデルを直接固定する方式に切り替え、さらに「実際に走ったモデルをログで毎朝監査する番人」まで置きました。設定を信じるんじゃなく、実態を毎日見る。ここまでやって初めて「制御できてる」と言えます。

Fable 5のサブスク無料枠が使えるのは日本時間2026年7月13日15:39まで。それ以降は従量課金（API課金）に移ります。今のうちに、と私が組んだ体制はこうです。

Fable 5は「申請制」にした

Fable 5に仕事を振ろうとすると、物理的にブロックされる仕組みを入れました。AI秘書が勝手にFableを使うことはできず、「この案件はFable級です。概算◯円かかります」と私に申請が来て、私が承認したときだけ通行証が発行される方式です。Fableに回すのは4種類だけ、と決めました。

• 経営判断（事業の方向を決める思考）
• 新規設計（ゼロから仕組みを設計する仕事）
• 事故指揮（トラブル時の原因究明と指揮）
• 大規模監査の判定（大量の情報を見て最終判断を下す仕事）

実際、つい先日も「人生の共進化OS」という大きな構想の設計だけをFable 5にやらせました。設計図ができたら、実装や検証はOpusとSonnetに降ろす。この分業です。

ハーネス三角形——モデルの適材適所

この体制に行き着いたきっかけは、プロモ期間中の実験でした。先日のLIVEでも話したんですが——

ひろくん（7/6 AI経営術LIVEより）

「僕はそれで今までOpusでやってたら60個ぐらいの作業があるんですけど、全部Sonnet 5にやれって言って、やったら9割ぐらい成功してですね、ほとんどSonnet 5だけで実はできてしまった」

9割成功。つまり私は「安いAIに無理をさせてた」んじゃなくて、「賢いAIに無駄遣いをさせてた」んです。そこから出てきたのが「AIの指揮系統」という発想。

ひろくん（7/6 AI経営術LIVEより）

「Fable5を軍師にして、将軍をOpusにしておいて、将軍の配下に兵隊をSonnetで置いておくっていう。この戦略的な部分と戦術的な部分で分けて考える」

軍師（Fable）・将軍（Opus）・兵隊（Sonnet）。この話は「Fable5の使い方は「軍師」にすること｜AI指揮系統という発想」で丸ごと記事にしてるので、合わせて読んでもらえると立体的にわかると思います。で、これを品質管理の視点で組み直したのが、日常運用の3層構造です。

• 生成（作る）：Sonnet 5——記事の量産、実装、リサーチ収集
• 判定（味見する）：Opus 4.8（考え込みモード高）——品質判定、GO/NO-GO
• 機械検査（数える）：Haiku 4.5（考え込みモード低）——整形、抽出、リンクチェック

そして「机づくり原則」。上位モデルが席に着いてる間は、判断だけさせる。資料集めや下ごしらえは下位モデルに先にやらせて、結論を出すための材料が揃った机に、上位モデルを座らせる。

公式ガイドの「unknownsを明確にする力がボトルネック」という話と、この体制はつながっています。高いモデルに曖昧な仕事を投げるのが一番の無駄遣い。unknownsを潰した状態の、研ぎ澄まされた問いだけをFableに渡す。それが従量課金時代の付き合い方だと私は思っています。

公式ガイド「A field guide to Claude Fable」の核心を、私の1ヶ月の実体験と重ねてお届けしました。

• unknowns＝あなたの注文票（地図）と現場（領土）のギャップ。ここを潰すのが新時代のスキル
• 4分類マトリクスで自分の盲点を仕分ける。特に「当たり前すぎて言わないこと」と「存在すら知らないこと」
• ブラインドスポット・パス、インタビュー、プロトタイプ反応法——「安く早く失敗を見つける」プロンプトの型を持つ
• 設定と実態は別物。自動化するなら「実際に何が走ったか」まで見る仕組みを
• 従量課金時代は「申請制＋適材適所」。最高のモデルには、研ぎ澄まされた問いだけを渡す

Fable 5という超一流シェフの登場で、試されているのは私たちの「注文する力」です。まずは今日、AIへの次の依頼の前に一言添えてみてください。「この仕事について、私が気づいてない盲点があったら先に教えて」——それだけで、返ってくる仕事の質が変わります。