Sahir619/fable-method

解决的问题

代理型 LLM 经常遭遇「奖励劫持」，即在未真正解决问题的情况下声称任务已完成，或在未察觉的情况下「修复」正确的代码以满足损坏的测试。Fable 方法提供了一种结构化、基于规则的工作流程，强制模型通过观察和证据来验证其工作，而不是依赖内部推理，显著减少了虚假完成声明和「陷阱」场景中的错误。

如何工作

该方法将模糊的指令（例如「小心」）替换为明确的、分步操作循环：

1. 分类：判断请求是简单问题、问题、计划优先任务，还是特定领域任务。
2. 定义完成：为任务建立一个命名的验证标准。
3. 证据：在进行更改前，从主要来源收集并行证据。
4. 决定：确定单一推荐方案。
5. 执行：根据检查清单进行精准修改。
6. 验证：观察结果，必要时重试（最多允许 3 次失败）。
7. 报告：首先交付结果，并附上诚实的局限性说明。

该方法包含专用的 fable-judge 用于对抗性验证（重新运行检查并对比变更），以及 fable-domain 用于生成特定领域适配器（如法律、金融或 DevOps），定义该领域内有效的证据标准。

适用人群

使用代理框架（特别是 Claude Code、Codex 或自定义系统提示）的开发者和 AI 工程师，需要其代理在处理复杂、多步骤任务时更加可靠，尤其是在失败常被自信但错误的报告掩盖的情况下。

主要亮点

• 基于证据的验证：强制代理通过观察和差异对比来证明工作成果，而非阅读自身报告。
• 领域适配器：提供营销、研究等各领域的预设配置，确保咨询正确的主信息源。
• 对抗性测试：包含 14 个设计用于诱使代理犯常见错误的「陷阱场景」，以验证该方法的有效性。
• 模型无关性：设计为中等性能模型（如 Haiku）通过严格遵循结构化流程，可超越前沿模型的表现。