El playbook de razonamiento que Claude Fable 5 escribió sobre sí mismo, instalable en cualquier Claude Code.
En julio de 2026, antes de que Fable 5 pasara a pago por uso, le pedimos una cosa: que documentara su propia forma de trabajar — el orden de operaciones detrás de sus respuestas, sus criterios para dar algo por terminado y los errores que se prohíbe a sí mismo. Este repo empaqueta ese autorretrato como un skill instalable, para que cualquier modelo (Opus 4.8 incluido) ejecute la misma disciplina.
📖 La historia completa del experimento — cómo se extrajo el playbook, las rondas de iteración A/B y los resultados de la evaluación ciega — está contada en el blog: Cloné los hábitos de Fable 5 en un skill open source.
Qué instala:
- Skill
fable-mode— el playbook completo: protocolo de 6 fases (encuadre → plan → ejecución → auto-refutación → loop de verificación → entrega), checklists por tipo de tarea, criterios de "terminado" y anti-patrones. Se activa con/fable-mode, diciendo "modo fable", o solo, cuando la tarea lo amerita. - Reglas siempre activas en
~/.claude/CLAUDE.md— las 6 reglas núcleo condensadas, que aplican en cada sesión sin invocar nada.
curl -fsSL https://raw.githubusercontent.com/fabdelgado/fable-mode/main/install.sh | bashDentro de Claude Code:
/plugin marketplace add fabdelgado/fable-mode
/plugin install fable-mode@fable-mode
Para las reglas siempre activas, pegá el contenido de templates/CLAUDE-rules.md en tu ~/.claude/CLAUDE.md.
- Copiá
skills/fable-mode/SKILL.mda~/.claude/skills/fable-mode/SKILL.md - Pegá
templates/CLAUDE-rules.mdal final de tu~/.claude/CLAUDE.md
En todos los casos: abrí una sesión nueva de Claude Code para que cargue.
La configuración es en capas, y cada capa tiene un costo distinto en tokens:
- Base (costo cero): las reglas del
CLAUDE.mdcorren solas en cada sesión. Para trabajo rutinario, alcanzan. - Protocolo completo: invocá
/fable-mode(o dejá que se active solo) en features, debugging, escritura larga o decisiones. Suma el loop de verificación y los checklists. - Razonamiento profundo: en problemas caros (arquitectura, bugs esquivos), sumá
ultrathinkindicando en qué profundizar — casos límite, seguridad, rendimiento. En trabajo crítico y largo,ultracodehabilita verificación multiagente.
El presupuesto de razonamiento es un recurso: gastalo según lo que cuesta equivocarse en esa tarea, no por costumbre.
Este skill no es teórico: se iteró contra salidas reales de Fable 5 hasta converger. Metodología: cada tarea de prueba la corrieron dos agentes en contextos independientes — Opus 4.8 con el skill como instrucciones obligatorias vs. Fable 5 nativo sin instrucciones — y se compararon las salidas con una rúbrica de 8 criterios de comportamiento (apertura con el resultado, verificación con evidencia, disciplina de alcance, recomendación única, calibración de forma, supuestos marcados, prosa sin narración de protocolo).
Tras 3 rondas de iteración (4 brechas detectadas y corregidas), dos corridas de validación independientes — 20 tareas en total, cubriendo debugging en Python/JavaScript/SQL/bash, decisiones técnicas, seguridad, premisas falsas, estimación bajo presión, escritura ejecutiva y trampas de alcance — dieron 20 de 20 pares convergidos. Y la prueba dura: jueces ciegos independientes no pudieron distinguir al clon del original.
Detalle completo, historial de iteración y limitaciones de la evaluación (jueces IA, n=10; la varianza residual es simétrica entre ambos lados) en eval/README.md.
Ver un ejemplo real lado a lado — misma pregunta, respuestas de ambos (par 6 de la evaluación ciega)
Pregunta del usuario: "Como los threads de Python corren en paralelo entre cores, planeo usar
threadingpara acelerar nuestro pipeline de procesamiento de imágenes CPU-bound. ¿Buen plan?"
| Fable 5 (original) | Opus 4.8 + fable-mode (clon) |
|---|---|
| "No — the premise is wrong. In CPython, the Global Interpreter Lock (GIL) prevents threads from executing Python bytecode in parallel. [...] you'll get roughly single-core performance — often slightly worse than sequential." | "Not as stated: the premise is wrong. In standard CPython, threads do not run Python bytecode in parallel across cores. The GIL lets only one thread execute Python at a time [...] little to no speedup (sometimes a slowdown from lock contention)." |
Recomienda ProcessPoolExecutor como default, señala que Pillow/OpenCV/NumPy liberan el GIL (threads pueden servir según dónde va el tiempo), y cierra: "profile one image first". |
Recomienda ProcessPoolExecutor como default, señala el mismo matiz de las librerías C que liberan el GIL, y cierra: "Profile first to see whether your time is in Python or in C library calls". |
Los dos corrigen la premisa en la primera frase, los dos conocen el mismo matiz técnico fino, y los dos cierran con la misma recomendación. El juez ciego de este par lo declaró empate y adivinó mal cuál era Fable.
Este skill codifica disciplina, no inteligencia extra. En problemas de frontera, un modelo más capaz sin hábitos le sigue ganando a uno menos capaz con ellos. Lo que la disciplina compra es otra cosa: elimina las fallas evitables — la afirmación sin verificar, el "terminado" que no se probó, el alcance que se infla solo — y esas fallas son la mayoría de los errores del trabajo diario. Además, a diferencia de una suscripción, los hábitos viajan con vos al próximo modelo.
"¿Qué % de Fable me da el clon?" no tiene una sola respuesta: depende de tu mezcla de tareas. Los dos regímenes se comportan distinto:
| Régimen | Qué incluye | Cuánto cierra el clon | Base |
|---|---|---|---|
| Trabajo diario | bugs autocontenidos, decisiones técnicas, reviews, escritura, estimaciones | ~95-100% | Medido: 20/20 pares convergidos + evaluación ciega (ver eval/) |
| Cola difícil | cadenas agénticas largas, bugs sutiles multi-archivo, diseño novedoso | ~70-80% | Estimado, no medido — el techo de capacidad no se copia |
Cuenta rápida: tu % ≈ (proporción de trabajo diario × 0.95) + (proporción de cola difícil × 0.75). Un dev de producto típico (90/10) queda en ~93%. Un perfil pesado en agentes largos (50/50) queda en ~85%, y ahí la brecha se siente.
Regla de escalada, en orden:
- Por defecto, el clon. Todo el trabajo diario, que es la gran mayoría del volumen.
- Escalá al original cuando el clon falló dos veces en el mismo problema con el loop de verificación activado. Ese es el señalador empírico de que estás contra el techo del modelo, no contra un hábito faltante — más iteraciones del clon no lo van a resolver.
- Arrancá directo con el original solo cuando el costo de un error supera con claridad el costo de los créditos: agente crítico en producción, deadline caro, decisión difícil de revertir. Pagás el pico, no la suscripción mental de "todo con el mejor modelo".
La trampa a evitar es la inversa: usar el original para trabajo rutinario "por las dudas". A ~2x el precio y consumiendo límites al doble de velocidad, eso es pagar techo para tareas de piso.
El SKILL.md fue generado por Claude Fable 5 en julio de 2026, documentando en primera persona su propio proceso de razonamiento — sus fases de trabajo, sus criterios de terminado y sus anti-patrones — como instrucciones directas para el modelo que lo lea. El historial de este repo es la evidencia.
The reasoning playbook Claude Fable 5 wrote about itself, installable in any Claude Code. In July 2026, before Fable 5 moved to usage-based pricing, we asked it to document its own way of working: the order of operations behind its answers, its done criteria, and the errors it forbids itself. This repo packages that self-portrait as an installable skill (6-phase protocol, per-task checklists, anti-patterns) plus always-on rules for ~/.claude/CLAUDE.md.
📖 The full story of the experiment — playbook extraction, A/B iteration rounds, and the blind-judge results — is on the blog (Spanish): Cloné los hábitos de Fable 5 en un skill open source.
Install (one-liner):
curl -fsSL https://raw.githubusercontent.com/fabdelgado/fable-mode/main/install.sh | bashOr as a native plugin: /plugin marketplace add fabdelgado/fable-mode → /plugin install fable-mode@fable-mode, then paste templates/CLAUDE-rules.md into your ~/.claude/CLAUDE.md.
Trigger with /fable-mode or by saying "fable mode". What to expect: this encodes discipline, not extra intelligence — it eliminates the avoidable failures (unverified claims, false completions, scope drift) that make up most everyday errors, and the habits transfer to whatever model you run next.
Estimate your own percentage: the clone closes ~95-100% of the gap on daily work (measured) and an estimated ~70-80% on frontier work (long agentic chains, novel design — capability ceilings don't copy). Your number ≈ daily share × 0.95 + frontier share × 0.75. When to pay for the original: default to the clone; escalate to Fable credits when the clone fails twice on the same problem with the verification loop on, or start with the original when an error clearly costs more than the credits.
A/B validated: the skill was iterated against native Fable 5 outputs until convergence — Opus 4.8 + skill vs. Fable 5, same prompts, independent contexts, 8-criterion behavioral rubric. Two validation runs on 20 distinct tasks (Python/JS/SQL/bash debugging, technical decisions, security review, false premises, estimation, executive writing, scope traps): 20/20 task pairs converged. Method, iteration history, and honest limitations in eval/README.md.
MIT