從 fable 5 拆解，深度解析 Agent-Native 時代護城河與 Skills 人格建構

Claude Fable5 讓人驚艷，他的思考和聰明，絕對遠超過世上 70% 的人們，可能包含我和你，原本以為這會是 Claude 裡面特有的感受。

最近看到 github https://github.com/Sahir619/fable-method

這個 skill 就是將 fable5 思考流程和資料處理的過程抽取出來成為了 skill。

完美示範了這個轉變。它不僅僅是「抽 workflow 變 skill」，更揭示了如何將一個剛推出的模型Claude Fable 5 的高階思維，提煉成任何模型都能執行的模組化行為。

以下我將這份洞見與這個 repo 的精髓，寫成一篇探討 AI 架構與護城河的結構化文章。

初探

在探討 AI 的商業價值時，我們常把焦點放在「模型參數」或「提示詞（Prompt）」。但 GitHub 上的 fable-method 專案（副標題近乎悼詞："How Claude Fable 5 worked, written down before it was gone"）向我們揭示了一個更殘酷也更真實的現況：文字已經氾濫，信任與品質才是稀缺財。

這個專案將 AI 的執行拆解為 Think / Act / Prove 的循環，並引入了對抗性的 fable-judge 機制。從這個案例出發，我們可以重新定義在 S2M（軟體到製造）或任何高度專業自動化領域中，什麼才是真正的「資本」。

什麼才是真正的「資本財」？

在數位與 AI 時代，Skills 就是新型態的「生產設備」，但我們必須將其分為兩層來看：

• 大宗商品層（文字與基礎邏輯）： skill 的文字本身是非競爭性、複製邊際成本趨近零的財貨。一旦公開，它就會像 npm package 一樣被商品化。模型換代、工具鏈變更，這些文字就需要重寫。
  
• 真正的資本財（失敗數據與驗證場景）： fable-method 真正的精髓不在 SKILL.md，而在 eval/ 目錄。資本是「每條規則背後那個被觀察到的失敗 + 能重跑的 eval」。Domain adapters 綁定的私有知識（例如什麼算證據、fraud table 長什麼樣）以及持續回流的失敗紀錄，才是真正的護城河。
  

在 S2M 的流程中，把視覺品牌轉換為工程 BOM 表的過程寫成標準化 Skill，這套 Skill 就具備了可重複使用的商業價值。但別人偷不走的，是你踩過的坑——例如特定 3D 列印材質的公差極限，或是工廠端特有的 API 呼叫斷點。

Skills 組合而成的「行為憲法」

人們常誤以為 AI 的「人格」只是語氣和口吻，但 fable-method 揭示了真正的專業人格，來自於行為模式與邊界條件的集合。

當我們在系統中設定「老師傅」這樣的 AI 角色時，他之所以專業、像個老經驗的製造業廠長，不是因為他說話帶有特定口音，而是因為他的 Skills 裡寫死了這些執行邏輯：

• 對抗性懷疑（Adversarial Skepticism）： 像 fable-judge 一樣，不會輕易相信初步的設計圖，會自動去檢查公差與材料限制。
  
• 絕對紅線（Red-lines）： 遇到高度客製化、無法與平台長遠擴展對齊的專案（例如特定保險業的特規系統要求），他會基於「平台可擴展性」的守則直接拒絕，而不是盲目迎合接單。
  

這種遇到矛盾先舉手、不驗證不聲稱的「行為憲法」，才是能讓一人公司或精簡團隊真正 Scale 的前提。

核心概念：Think / Act / Prove 工作流

要直觀理解這種從「單次生成」到「自主代理」的轉變，這個概念影片拆解了 AI Agent 如何透過推理與行動的迭代迴路來完成複雜任務：

開放與防護的戰略

如果正在打造全新的 Agent-native 服務平台，到底該開放還是防護？答案是拆開來，各走一邊。

生態現況已經給出解答：Vercel 開放 60 萬個開源 skills 打規模戰，而 Anthropic 則推動跑在客戶自有 sandbox 裡、接私有 MCP 的 Managed Agents。

套用彼得·杜拉克的「有計畫的放棄」（Organized Abandonment），我們應該：

1. 開放層（Generic Method / Let them learn）： 通用的 Workflow、Agent 之間的溝通協議（如 design.md 的標準）、以及類似 fable-loop 的基礎循環，應該大方開放。開源它等於 commoditize 對手的 prompt engineering，同時降低與外部系統對接的摩擦力。
2. 私有層（Bound Adapters + Traps / Your Moat）： 你的版本會是「在地化電商與製造 Adapter」——例如 ECPay redirect 造成的追蹤斷點、Shopline webhook 的坑、或是特定製造材料的 fraud table。這些規則對應著真實的失敗案例。這層是真正的資本財，必須鎖起來，或做成 Managed Service 販售。

結論

Skills 算不算資本財？算，但要分兩層

1. 非競爭性，自己認為，skill 文字是非競爭性、複製邊際成本趨近零的財貨——這種東西一旦公開就會商品化，跟 npm package 一樣。
2. 它會折舊，模型改變、工具鏈變動，skill 就要重寫

目前會建議，別把力氣花在保護「如何讓 AI 思考」的基礎方法論上；
護城河在於「AI 思考後，去呼叫了哪些獨家的業務資料庫，以及如何完成最終的交付」。

這是一個經典的商業護城河問題，我們可以借鏡 Michael Porter 的競爭優勢理論來進行思考。
最後這段留給大家思考。

歡迎大家加入「AI for Developer」一起討論 AI workflow. (非技術人我不確定你可以 100% 吸收)
https://line.me/ti/g2/D2m1DA83Qb0KJCjd2mLyHD7y4yB1CA0WUJsOMA?utm_source=invitation&utm_medium=link_copy&utm_campaign=default