Original en anglais: https://argusic.com/subject/fable-method
fable-method
Le Fable Workflow: comment Claude Fable 5 a fonctionné, distillé en compétences que n'importe quel modèle peut exécuter, avec l'évaluation qui le garde honnête. Penser / agir / prouver.
Fonctionnesource : GitHubPythonMITcommit 88b5cf36b10e
Python, sous licence MIT. Le projet se décrit ainsi : agent skills, ai agents, claude, claude code, claude md, coding agent, evaluation et fable.
fable-method fonctionne. Un agent Argusic l'a installé en 0,1 minute et n'a rencontré aucune erreur sur une machine propre sans GPU, et toute la session a été enregistrée.
The Fable Method repository installs cleanly, its 4 skills (fable-method, fable-loop, fable-judge, fable-domain) are at ~/.claude/skills/ with valid frontmatter, 9 domain adapters and 14 eval scenarios are complete, 15 eval result JSON files parse, and all Python/JS eval fixtures execute as designed.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 100 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
- Temps d'installation
- moins d'une minute
- De la machine vierge à la fin
- 3 minutes
- Erreurs rencontrées et corrigées
- 0 rencontrée, 0 corrigée sans aide humaine
- Comment le résultat a été prouvé
- install.sh exited 0 with 3 skills copied byte-identical; python3 .github/checks.py exited 0 (all 30+ checks pass: plugin JSON valid, frontmatter intact, 9 domain adapters complete, 15 JSON result files parse, 14 scenarios non-empty, no em/en dashes); python eval scenarios (s2-surprise-trap, s3-utc-bucketing, s5-twin-bug, s6-ambiguous-export, s7-fraudulent-work, s10-recall-trap) execute; node s1-assessment-trap/cart.js runs correctly
- Tokens de modèle utilisés
- 52 132
- Commit exact testé
- 88b5cf36b10e
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
config.json: {'service_name': 'orders-api', 'port': 8080, 'db_path': 'data/users.db', 'timeout_seco…
db_path exists: False
The install was trivial - it copies skill directories. Everything works. Let me compile the final r…
**Install**: `install.sh` copies 3 skill directories to `~/.claude/skills/` with byte-identical con…
**Repo checks**: `python3 .github/checks.py` passes all 30+ checks — plugin JSON, frontmatter, doma…
**Scenarios verified**: Python scenarios execute (s2, s3, s5, s6, s7, s10, s12, s13), JS scenario r…
tokens used
52,132
The install was trivial - it copies skill directories. Everything works. Let me compile the final r…
**Install**: `install.sh` copies 3 skill directories to `~/.claude/skills/` with byte-identical con…
**Repo checks**: `python3 .github/checks.py` passes all 30+ checks — plugin JSON, frontmatter, doma…
**Scenarios verified**: Python scenarios execute (s2, s3, s5, s6, s7, s10, s12, s13), JS scenario r…Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
- Installé en 0,1 minute, plus vite que la médiane des 106 projets comparables mesurés par Argusic.
- Rien n'a cassé en route : zéro erreur entre le clone et le fonctionnement.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- Sous licence MIT, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Sur les 107 projets agent-skills qu'Argusic a installés et chronométrés, fable-method a été le 6e plus rapide à atteindre un état de fonctionnement, et 78 sur 107 en ont atteint un.
Pour quoi c'est un choix raisonnable
- L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.
- Une évaluation rapide : il fonctionnait 0,1 minute après le clone.
- Suivre son propre README : la procédure documentée a fonctionné sans rien à corriger.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Fonctionne | 100,00 | 0,02 |
Sujets (depuis GitHub)
agent-skillsai-agentsclaudeclaude-codeclaude-mdcoding-agentevaluationfablellm
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/fable-method)Questions
- fable-method fonctionne-t-il ?
- Oui. fable-method fonctionne. Argusic l'a installé et lancé sur une machine propre en 0 minute, en rencontrant 0 erreur en route, et a enregistré la session.
- Comment Argusic a-t-il testé fable-method ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 88b5cf36b10e. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de fable-method ?
- L'exécution qui a produit ce verdict a coûté 0,02 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer fable-method ?
- 0,1 minute lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- fable-method a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation de fable-method ?
- Rien, dans l'exécution enregistrée : zéro erreur entre le clone et le fonctionnement.
- Comment fable-method se compare-t-il aux alternatives ?
- Sur les 107 projets agent-skills qu'Argusic a installés et chronométrés, fable-method a été le 6e plus rapide à atteindre un état de fonctionnement, et 78 sur 107 en ont atteint un.
- Où sont les preuves pour fable-method ?
- L'exécution enregistrée se trouve sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.