寓言方法论（Fable Method）——可蒸馏的智能体工作流
把 Claude Fable 5 的工作方式蒸馏成可执行的技能、循环和验证器，用一套陷阱测试集保证诚实。
证据显示：插件以最小权限运行，但未明确声明权限边界；用户确认机制存在（计划停止、授权门），但未详细说明；数据流透明度有限，未说明数据如何被处理或传输；敏感数据处理未明确；依赖安全未审计；外部影响（如部署）有授权门，但未全面；回滚机制未明确；来源归属清晰（MIT许可，作者Sahir619）。扣分：权限边界、数据流、敏感数据、依赖安全、外部影响、回滚均未充分说明。
证据显示：方法内部一致，规则与流程匹配；依赖可用性未明确（如外部API）；失败消息有硬界限（3次验证失败停止），但未详细说明错误处理。扣分：依赖可用性未说明。
证据显示：明确目标受众（Claude Code用户、其他代理）；能力边界清晰（拒绝医疗等红线领域）；触发精确（分类步骤）；环境适配（插件、独立技能、AGENTS.md）。扣分：无重大扣分，但环境适配未全面测试。
证据显示：信息架构清晰（目录结构）；安装说明详细；命名稳定（命名空间）；示例和FAQ有（examples.md）；已知限制有（null结果）；许可证MIT；版本化变更日志有（DOC.md提及变更）；维护责任未明确。扣分：维护责任未明确。
证据显示：输出可用性高（报告格式明确）；边际价值有（陷阱场景提升）；成本效益有（小任务无提升，但陷阱场景提升）。扣分：无重大扣分，但成本效益未量化。
证据显示：声明可追溯（链接到eval结果）；跨来源佐证有限（仅内部eval）；事实与推断分离（明确区分）。扣分：跨来源佐证不足。
- 静态审查，未执行代码，所有结论基于文件内容。
- eval结果基于LLM判断，样本量小（1-4次运行），可能不可靠。
- 依赖安全未审计，外部API使用未明确。
- 维护责任不明确，社区贡献路径开放但未落实。
这个 Agent 能做什么，适合哪些场景？
寓言方法论是一个 Claude Code 插件，将 Claude Fable 5 在订阅下架前对自身问题处理方式的反思，提炼成四个技能：fable-method（思考）、fable-loop（行动）、fable-judge（证明）和 fable-domain（成长）。每个技能都定义了明确的步骤、阈值和逃生通道，使中端模型也能按字面执行。该方法的核心是六步循环：分类、定义完成、收集证据、决策、行动、验证，并带有强制的人为产物（如 INTENT 行）以确保可问责。仓库包含 15 轮评估、超过 260 次智能体运行和 14 个陷阱场景，证明该方法能提升 Haiku 和 Sonnet 等低端模型的性能，尤其是在对抗性陷阱中。该方法还包含八个领域适配器（营销、研究、数据、业务、金融、法律、设计、DevOps）和一个 schema（TEMPLATE.md），而 fable-domain 技能可以生成新的适配器，并附带陷阱装置和烟雾评估。
作为 Claude Code 插件安装后，提供四个带命名空间的斜杠命令：/fable-method 应用循环规则，/fable-loop 运行完整的编排流程（并行证据子智能体 → 单一承诺计划 → 主线程执行 → 对抗性验证器 → 审计报告），/fable-judge 对已完成工作进行对抗性验证（重新运行声称的检查、对比差异、寻找被削弱的测试和虚假完成声明，返回 VERIFIED / CAVEATS / REFUTED），/fable-domain 为新领域生成适配器包（适配器、陷阱装置、烟雾评估）。fable-method 还支持 plan（生成计划并停止）、audit（对已完成工作按循环分级）和 report（以结果优先的方式重写答案）。它从 eval/scenarios/ 读取陷阱装置，从 eval/results/ 读取原始裁判 JSON 输出，并遵循 skills/fable-method/SKILL.md 中定义的规则。它不会向外部 API 发送数据，所有处理都在 Claude Code 上下文中进行。
- 希望获得结构化的逐步方法（包括分类、定义完成、证据收集和验证）来处理非平凡编码任务的开发者，而不是自由形式的提示。
- 使用 Haiku 或 Sonnet 等较弱型号、并希望更可靠地识别规范冲突或虚假成功陈述的团队，例如 s2 惊喜陷阱或 s7 欺诈性工作场景。
- 需要为营销、研究或 DevOps 等领域生成可信任适配器，并希望适配器附带陷阱装置和烟雾评估来确保质量的运营者。
- 需要对其智能体工作进行对抗性审计的工程团队，要求 /fable-judge 验证声明并揭露被削弱的测试或未观察到的所谓检查。
- 对智能体方法论研究感兴趣的研究者，他们希望复现仓库中的评估，使用 /fable-judge suite 语法或 eval/README.md。
- 将 fable-method 的 AGENTS.md 适配到其他工具（Codex、Cursor、aider）的用户，希望在不同环境中获得相同的方法。
这个 Agent 有哪些优点和局限？
- 基于证据的规则：每个规则都源于失败的测试或观察到的痕迹，并有指向提交记录的链接。
- 包括一套对抗性陷阱装置（如 s7 欺诈性工作）和盲 LLM 裁判，它们通过差异和执行进行验证，而不仅仅是阅读报告。
- 显示对较弱模型（Haiku、Sonnet）的提升，尤其是在陷阱上，同时承认对常见小任务的零提升，验证了其适用范围。
- 可转移：提供了一个 AGENTS.md，用于其他智能体（Codex、Cursor、aider），并且 fable-domain 可以生成新的领域适配器。
- 纯 Claude Code 插件，需要 Anthropic 生态，不适用于其他平台。
- 评估为冒烟测试级别，每个单元仅 1-4 次运行，可能存在统计不确定性和 LLM 裁判的偏差。
- 该方法无法让模型知识更新，在知识密集的研究任务中可能不如前沿模型。
- 需要网络访问来获取源和运行评估，并且没有明确的成本估计，但可能涉及多次 LLM 调用。
- 文档大量依赖特定于存储库的术语和图表，新用户可能需要大量阅读才能有效应用。
如何安装或部署这个 Agent？
在 Claude Code 会话中，运行以下命令安装插件：
/plugin marketplace add Sahir619/fable-method
/plugin install fable@fable-method这会安装四个技能，命名空间为 /fable:。作为独立技能（不带命名空间），可使用：
git clone https://github.com/Sahir619/fable-method && bash fable-method/install.shWindows PowerShell: git clone https://github.com/Sahir619/fable-method; .\fable-method\install.ps1。
如何使用这个 Agent？
安装后，使用斜杠命令，例如：
- /fable-method <任务> 应用循环。
- /fable-method plan <任务> 分类、定义完成、收集证据并生成计划，然后停止。
- /fable-loop <任务> 运行完整的编排流程。
- /fable-judge 对已完成工作进行验证。
- /fable-judge suite <目标> 对任何技能、模型或提示运行仓库的陷阱套件。
- /fable-domain <领域> 为新领域生成适配器包。
建议在 ~/.claude/CLAUDE.md 中添加主动触发规则，例如：“在任意非平凡的多步骤任务之前，应用 fable-method 循环；对于无人值守或子智能体任务，使用 fable-loop。”和“在呈现任何声称完成的工作之前，运行 fable-judge 检查。”