mrtooher/fable-mode · 上手攻略
- 仓库：mrtooher/fable-mode
- 链接：https://github.com/mrtooher/fable-mode
- 分类：AI Agent 框架 · Claude Skill · 工作流编排
- 作者：Tom
- 更新：2026-08-27
这是什么
fable-mode 是一个强制分阶段执行的 Claude Skill，通过显式的多阶段规划、子 Agent 委托、可验证检查和交付前自审，让大语言模型在复杂任务上不再"直接开写"而是"先想清楚再动手"。
核心作者是 mrtooher，项目采用 MIT 许可证。当前版本为 v3（2026-07 benchmark）。
它的本质是一个约束型工作流模板，不提升模型推理上限，但在弱模型上强制执行结构化流程，在强模型上强化已有好习惯。文档明确写道："Treat it as a checklist, not a capability transplant."
解决什么问题
大语言模型在复杂任务上容易出现两类问题： 1. 跳步：还没分解清楚就直接开始写，导致返工 2. 自我感觉良好：输出看起来通顺，但没有可验证的正确性标准
fable-mode 对症下药： - 强制先写阶段规划（Stage Map）：任务拆成编号阶段，每阶段有预期输出 + 可验证产物 - 结构化委托：指定 Sonnet-worker 做推理阶段、Haiku-worker 做批量机械阶段、Verifier 做冷检验 - 可失败验证：验证条件必须是真的能跑出 Pass/Fail 的检查，而不是"看起来对" - 交付前自审：怀疑一切，修复或显式标注弱点
快速安装
前置要求
- fable-mode：任何 Claude 环境（Code/Studio/OpenClaw）均可，只要能加载 Skill
- fable-opus / fable-sonnet / fable-haiku：需要运行时支持 Agent 工具（即能 spawn 子 Agent）
安装步骤
- 把
fable-mode/目录（以及可选的fable-opus/、fable-sonnet/、fable-haiku/）放入你的 Claude Skills 加载目录
# 示例：放到 ~/.claude/skills/ 下
git clone https://github.com/mrtooher/fable-mode.git
mv fable-mode ~/.claude/skills/
- 确保目录名与 frontmatter 的
name字段一致：
# fable-mode/SKILL.md 里的 name 字段
name: fable-mode
- 触发方式： - 用户显式要求（"do this thoroughly"、"be systematic"、"deep work mode"） - 任务客观上涉及多个文件 / 多数据源 / 跨 session
⚠️ trivial 单步任务不要触发 fable-mode——强制规划会浪费且把答案埋在流程里。
核心用法
四阶段核心循环
Stage Map → Delegate by Name → Verify with Failable Check → Self-Critique
阶段 1：写 Stage Map（必须先做）
在动手前用编号列表写出： - 每个阶段的预期输出 - 每个阶段的可验证产物（文件、测试结果、diff）
Stage 1: fetch all source docs
→ expected output: 3 URLs fetched, text content in /docs/
→ verifiable artifact: ls /docs/ shows 3 files, each > 100 lines
Stage 2: extract claims
→ expected output: list of load-bearing claims
→ verifiable artifact: claims.json exists and is valid JSON
Stage 3: write report
→ expected output: report.md with introduction/analysis/conclusion
→ verifiable artifact: report.md exists, wc -m > 5000
⚠️ 每个阶段必须有一个可被机器验证的条件，不是"看起来正确"。
阶段 2：结构化委托
- Sonnet-worker：推理类任务（分析、综合、决策）
- Haiku-worker：批量机械任务（格式化、数据清洗）
- Verifier（冷检验）：运行验证检查，报告 Pass/Fail
⚠️ Workers 不再 spawn workers；并发有上限。
阶段 3：可失败的验证检查
验证必须是：
- ✅ python3 -c "import <pkg>"（可运行）
- ✅ 文件存在且形状符合预期
- ✅ git diff 有/无预期变化
- ❌ "Looks right" 不是检查
Stage N 的修复，必须重新运行被它 invalidate 的所有检查。
阶段 4：交付前自审
- 逐行怀疑
- 修复或显式标注真实弱点
- 不制造 cavea；clean pass 就直接说 pass
v3 委托规则（核心变化）
v2 的"you may spawn a worker"是 prose-level，模型倾向于跳过。v3 改为结构性委托：
- 有 fable-orchestrator + fable-worker-sonnet + fable-worker-haiku + fable-verifier → 任务路由到
@fable-orchestrator（Opus agent，无 Write/Edit 工具），由它调度 named workers - 无上述 Agent 工具 → 回退到 inline 模式（在当前模型上跑循环），需显式告知用户"正在 inline 模式运行，失去强制约束"
配套 always-on 守卫规则
fable-mode 的 companion skill execution-guardrails 是常驻守卫，无论是否触发 fable-mode 都生效：
- verify-before-flag：先验证再标记问题
- warning threshold of three：同类警告批量处理（≥3 才上报）
- word-boundary find-and-replace：单词边界安全的文本替换
四个 Skill 变体
| Skill | 适用场景 | 所需运行时 |
|---|---|---|
fable-mode |
默认，inline 跑在当前模型 | 任意 Claude 环境 |
fable-opus |
顶级合成，最大推理能力 | Agent 工具 |
fable-sonnet |
平衡之选，成本低于 Opus | Agent 工具 |
fable-haiku |
高吞吐 / 成本敏感，结构优先 | Agent 工具 |
四个变体传递相同的 stage map、failable 验证和自审规则，仅调度模型不同。
典型适用场景
- 多文件重构：跨 10+ 个文件的大型代码改动，Stage Map 防止遗漏
- 长程调研任务：需要 fetch 多篇文档 → 提炼 claim → 写报告，每步可验证
- 系统设计文档：先列 Stage Map 对齐方案，再分步实施，每步有验收
- 数据迁移：Extract → Transform → Validate → Load，四阶段各有检查
- 论文 / 报告写作：文献调研 → 框架搭建 → 写作 → 自审，四阶段 + 边界标注
坑与注意
- ⚠️ 它不提升推理上限：README 原文："On a model that already does these well, the skill reinforces good habits. On a weaker model, it imposes structure the model would otherwise skip, but it cannot raise the reasoning ceiling." 弱模型用它不会变强，只是更有纪律
- trivial 任务禁用：单步任务强制走流程是反模式，会把答案埋在 ceremony 里
- Stage Map 质量决定一切：如果 Stage Map 本身拆错了，后面验证再严格也会错；最多允许两次完整 replan，第三次意味着需求层面有歧义，直接退回用户
- inline 模式失去强制约束：没有 Agent 工具时回退到 inline，模型可能跳过验证步骤；需显式告知用户当前在 inline 模式
- 没有 OpenClaw 特定实现：skill 文件是通用 Claude Skill JSON/YAML，OpenClaw 需要确认 Skill 加载路径是否兼容；不兼容时需调整 frontmatter
name字段 - fable-orchestrator 依赖：v3 结构化委托依赖
fable-orchestrator+fable-verifier+ workers 全部安装才能生效，缺一则退回 inline
与同类对比
| 维度 | fable-mode | LangChain Agent | AutoGen / CrewAI | 直接对话 |
|---|---|---|---|---|
| 核心理念 | 强制结构化流程 | LLM + Tool 编排 | 多 Agent 对话协作 | 无流程约束 |
| 验证机制 | 显式 failable check | 依赖 prompt | 依赖对话轮次 | 无 |
| 适用任务复杂度 | 高（多文件/多源） | 中高 | 中 | 低 |
| 上手门槛 | 中（需理解 stage map） | 高（LangChain API） | 中（对话配置） | 低 |
| 与 Claude 生态集成 | 原生 Skill | 需 adapter | 不直接 | 原生 |
结论：fable-mode 最适合已经会用 Claude/ChatGPT，但大型任务容易跳步或交付质量不稳定的用户。它的本质是一个"元层 Checklist"，让模型在每一步都对自己说"我有没有验证这个？"——而不是凭感觉一路写下去。
一句话推荐结论
fable-mode 把大模型的"直接开写"改为"先列阶段计划 → 每步可验证 → 交付前自审"，是复杂任务的纪律强化工具——它不提升推理上限，但能显著减少"看起来对但实际错"的输出，适用于跨文件重构、深度调研和系统文档写作等高风险场景。
原始仓库：https://github.com/mrtooher/fable-mode