Communitygithub.com

joey114132/fable-workflow-skill

Fable Workflow — Claude Code / Cursor 에이전트 스킬. Opus, Sonnet, Haiku, Fable 등 모든 모델이 빌드 전에 미지의 것을 먼저 찾도록 만듭니다.

fable-workflow-skill란 무엇인가요?

Fable Workflow는 AI 코딩 에이전트(Claude Code, Cursor, Codex 등)를 위한 작업 방법론 스킬입니다. 고성능 모델(Opus, Sonnet, Haiku, Fable)이 스스로 거대한 솔루션 공간을 탐색할 때 발생하는 병목 현상을 해결합니다. 기존에는 모델의 추론 능력이 충분하더라도, 개발자의 '지도(계획/명세)'와 실제 '영역(코드베이스/제약)' 사이의 불일치로 인해 잘못된 결과가 나오는 경우가 많았습니다. 이 스킬은 개발자가 모델에게 '미지의 것(unknowns)'을 먼저 표면화하고 명시적으로 결정한 후에야 실제 구현을 시작하도록 강제하는 구조를 제공합니다. '첫 번째 해석'으로 무작정 구현하는 대신, 알려진-알려짐/알려진-미지/미지-알려짐/미지-미지로 문제를 분류하고, 블라인드 스팟 검사, 인터뷰, 변형 제안 등의 기법을 활용하여 모든 결정 지점을 사전에 찾아냅니다. 결과 검증 단계에서 모델이 단순히 '옳다고 추론'하는 것에 만족하지 않고 실제로 코드를 실행하거나, 분석 결과를 출처와 대조하며 확인합니다. Claude Code 플러그인으로 설치 시 'Stop' 검증 게이트(opt-in)를 통해 근거 없는 '완료'를 차단하며, 멀티스텝 작업의 경우 `scripts/goals.py`를 통해 목표를 분해하고 검증합니다.

지원 대상✓Claude Code~Codex CLI✓Cursor✓Antigravity
npx skills add joey114132/fable-workflow-skill

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

Fable Workflow

고성능("Mithril급") 모델을 위한 작업 방법론. 모델이 스스로 방대한 솔루션 공간을 탐색할 만큼 강력하다면, 병목 지점은 더 이상 모델의 능력이 아니라, 모델이 움직이기 전에 인간의 지도(map)가 실제 영역(territory)과 일치하는지 여부입니다. 이 스킬은 그 차이를 메웁니다.

프롬프트 템플릿은 prompts.md에 있습니다. 정확한 문구가 필요할 때 읽으세요. Claude Code 플러그인으로 설치 시, 선택적 후크(enforce)가 이를 강제합니다. 근거 없는 "완료"를 차단하는 Stop 검증 게이트입니다(opt-in: FABLE_STRICT=1). hooks/를 참조하세요. 멀티스텝 작업 → 완료 게이트(scripts/goals.py, completion-gate.md 참조)가 목표를 분해하고 근거 없는 "완료"를 거부합니다.

핵심 아이디어

지도는 영역이 아니다. 당신 머릿속의 계획/명세/프롬프트는 지도입니다. 실제 코드베이스와 제약 조건은 영역입니다. 모델이 지도가 다루지 않은 영역을 만날 때마다 미지의 것(unknown) — 명시되지 않은 결정 지점이 발생합니다. 고성능 모델은 널리 탐색하기 때문에 이런 미지의 것을 많이 만납니다. 방치하면 조용히 추측하고, 각각의 조용한 추측은 결과가 사용자의 의도에서 벗어날 수 있는 지점입니다. 따라서: 미지의 것을 먼저 표면화하고, 명시적으로 결정한 후에 빌드하세요. 이는 모든 분야에 적용됩니다. 모호한 연구 질문, 애매한 디자인 브리프, 부족하게 명세된 분석 모두 동일한 불명확한 결정 지점을 숨기고 있습니다.

루프

1. 제약 풀기 — 기억이 아닌 도구에 의존하라

고성능 모델은 뾰족하게 더 똑똑해집니다. 기억으로 실패하는 질문을 스크립트 작성으로 해결합니다(예: "'aw'로 끝나는 포켓몬 이름은?" → 목록을 가져와서 필터링). 따라서 열거/계산/조회/정확한 문자열 작업에는 기억으로 답하는 대신 도구 (Bash, 스크립트, 검색)를 사용하세요. 긴 "하지 마" 제약 목록보다, 작은 명령어 집합에 맥락을 더하는 것을 선호하세요. 제약은 당신이 예시로 들 수 있는 것보다 더 창의적인 모델을 제한합니다.

2. 미지의 것을 찾아라 — 실제 작업을 작성하기 전에

문제를 다음으로 분류하세요: 알려진-알려짐 (프롬프트에 작성할 것), 알려진-미지 (아직 결정하지 않았다는 것을 아는 것), 미지-알려짐 (너무 자명해서 말하지 않았지만 보면 알게 될 것), 미지-미지 (전혀 고려하지 않은 것). 다음 방법을 사용하여 아래쪽 행을 빛으로 끌어내세요 (prompts.md에 복사-붙여넣기 버전이 있습니다):

  • 블라인드 스팟 검사 — "이 모듈/도메인에 대해 블라인드 스팟 검사를 해줘. 나의 미지-미지와 위험 요소를 나열해줘." 맥락을 위해 git diff, Slack, 문서를 가리키세요. 새 코드베이스와 새 분야 모두에 유용합니다.
  • 인터뷰하기 — 모델이 당신을 인터뷰하게 하되, 아키텍처를 바꿀 질문을 우선시하세요. 당신과 현재 단계에 대한 맥락을 제공하세요.
  • 취향 결정을 위한 변형 — "보면 알겠다" 싶은 모든 것(디자인, 출력 형식, API 형태)에 대해 하나가 아니라 의도적으로 다른 N개의 옵션을 요청하여 반응하세요.
  • 지도로서의 참조 — 전체 명세를 작성하는 대신, 목표를 나타내는 예제 코드나 목업을 건네주세요("이것을 읽고, 그 정신으로 빌드하세요"). 두 번째 지도가 산문보다 낫습니다.

3. 빌드 — 그러나 편차를 기록하라

빌드하는 동안, 발견하는 모든 미지의 것과 내린 선택을 기록하세요 ("가정/구현 노트" 목록). 이것이 지도와 영역이 어떻게 달랐는지에 대한 감사 추적입니다.

4. 검증 — 실제로 확인하고, 단정하지 마라

완료라고 부르기 전에 결과를 실행하세요. 좋은 추론이 좋은 답변을 보장하지는 않습니다. 코드: 실행하거나, 로직이 깨지면 실패하는 가장 작은 검사를 작성하고 출력을 확인하세요. 연구/분석: 주요 주장을 출처와 대조하세요. 디자인/글: 실제 맥락 앞에 두세요. 이것이 건전한 계획을 올바른 결과로 바꾸는 단계입니다. 검증이 실패하면, 한 번에 다시 시도하지 말고 명시적인 중단 조건과 함께 제한된 수정 루프(시도 → 검증 → 진단 → 반복)에 진입하세요. loop-engineering.md를 참조하세요.

5. 루프에 머물러라 — 계속 소유하라

병합/PR 전에, 모델이 변경사항에 대해 당신에게 퀴즈를 내게 하여 당신이 실제로 작업을 대표할 수 있게 하세요. 빌드는 이제 저렴합니다. 가치 창출이 여전히 어려운 부분입니다. 루프에 머무르는 것이 움직임을 배송하는 대신 가치를 향해 계속 조종하는 방법입니다.

규칙

  • 모호한 명세 또는 익숙하지 않은 영역 → 3단계 전에 2단계를 하세요. 첫 번째 해석을 조용히 구현하지 마세요.
  • 열거 / 계산 / 정확한 조회 → 스크립트로 작성하고, 기억하지 마세요.
  • 취향/주관적 결정 → 변형을 제시하고, 하나를 골라 기대지 마세요.
  • 항상 빌드를 기록된 가정 목록과 (대화형으로) 퀴즈백으로 끝내세요.
  • 결과를 검증하고, 단정하지 마세요 — 완료라고 부르기 전에 실행/확인/출력을 점검하세요. 좋은 계획이 정답은 아닙니다(Gotchas 참조).
  • 원샷/자율적(질문 불가)? 그래도 미지의 것을 기록된 목록으로 표면화하고, 합리적인 기본값을 선택하고, 기록하세요 — 표면화가 중요할 뿐 질문이 중요한 것은 아닙니다.

주의사항(Gotchas)

  • 이 스킬의 가치는 전반부에 집중되어 있으며, 건너뛰기 쉽습니다. 보상은 빌드 전 단계(미지의 것, 변형)에 있습니다. 시간 압박을 받으면 모델은 바로 코드로 건너뜁니다. 바로 그때 지도/영역 간극이 문제가 됩니다. 2단계를 건너뛰었다면, 당신은 이 스킬을 사용하지 않은 것입니다.
  • "미지의 것 표면화" ≠ "20개의 질문을 하고 지연시키기." 아키텍처나 답을 바꿀 소수의 미지의 것에 우선순위를 두세요. 사소한 질문은 루프를 낭비합니다.
  • 사소한 작업에 과도하게 적용하지 마세요. 한 줄 변경이나 명백한 수정에는 블라인드 스팟 검사가 필요하지 않습니다. YAGNI는 프로세스에도 적용됩니다. 이는 중요 작업을 위한 것입니다.
  • 변형은 진정으로 달라야 하며, 같은 아이디어의 세 가지 음영이 아니어야 합니다. 거의 동일한 세 옵션은 인간이 반응할 것을 제공하지 않습니다.
  • 가정 기록은 선택적 방어 수단이 아닙니다. 그것은 인간이 잘못된 추측을 배송 전에 잡을 수 있게 하는 산출물입니다. 기록되지 않은 가정은 조용한 베팅입니다.
  • 표면화된 계획은 검증된 답변이 아닙니다. 이 방법의 실제 한계: 추론을 안정적으로 개선하지만, 추론 ≠ 올바른 결과입니다. 특히 코드의 경우. 훌륭한 UNKNOWNS 목록과 자신 있는 산문에 멈추지 마세요. 4단계(검증)는 필수입니다 — 출력을 실행하세요.
  • 수정 루프에는 출구가 필요합니다. 새로운 가설 없이 실패 단계를 재시도하거나, 발견된 미지의 것을 넘어 루프를 도는 것은 진행이 아니라 멈춤(hang)입니다. 반복 횟수를 제한하고, 매 회전마다 진전 신호를 요구하며, 막혔을 때 인간에게 넘기세요(loop-engineering.md).
  • 약한/작은 모델(≤ ~8B)은 라이트 변형이 필요합니다. 전체 "모든 미지의 것을 표면화한 다음 코드 도출" 프롬프트는 작은 모델의 용량을 압도하고 구현을 저하시킵니다. 추론은 더 하지만 코드는 더 나빠집니다. 이런 모델의 경우 미지의 것을 2–3개로 제한하고, 도출보다는 적응할 참조로 고정하세요(prompts.md → 소형/로컬 모델 참조). 고성능/추론 모델에는 이 조정이 필요하지 않습니다.

관련 스킬