Дом

Skill

Производительность и рабочий процесс

efficient-fable

BuilderIO/skills

Организуйте процессы исследования, программирования и тестирования, требующие интенсивного использования токенов, путем делегирования ограниченных задач более дешевым субагентам, оставляя Claude Fable для разработки архитектуры, синтеза и окончательной проверки.

...Расширить все

Обновлено время 6 сентября 2026 г.

# orchestration # delegation # claude fable # cost efficiency # parallel execution # subagents

Эффективный Fable

Используйте Claude Fable в качестве координатора, архитектора, синтезатора и окончательного судьи. Используйте более дешевых субагентов для исследований, кодирования, тестирования и обобщения, требующих большого количества токенов, но не требующих полного суждения Fable.

Где Fable показывает себя с лучшей стороны

Оставьте Fable для:

разбиения неоднозначных задач на четкие параллельные фрагменты.
Компромиссы в области архитектуры, продукта и безопасности.
Анализ противоречивых отчетов субагентов и определение приоритетов.
Интеграции частичных реализаций в единый целостный план.
Окончательного обзора, оценки рисков и синтеза результатов для пользователей.

Шаблон делегирования

Назовите риск, связанный с затратными ресурсами: обширный поиск в репозитории, длинные логи, объемная документация или повторяющиеся правки.
Разделите независимую работу между субагентами, прежде чем читать всё самостоятельно.
Используйте более экономичные модели для исследовательского сканирования, инвентаризации, сводок по поиску, узконаправленного поиска ошибок, прогонов в браузере/тестирования, сокращения объема тестовых выводов и ограниченных редактирований кода.
Запрашивайте у подагентов краткие доказательства: файлы, ссылки на строки, выполненные команды, различия, неопределённости и условия остановки, с которыми они столкнулись.
Тратьте токены Fable на уровень принятия решений: сравнивайте результаты, устраняйте конфликты, выбирайте путь реализации и проверяйте окончательный патч.

Отдавайте предпочтение параллельным подагентам, когда фрагменты не зависят друг от друга. Оставляйте блокирующие или тесно связанные задачи на локальном уровне.

Пакеты передачи

Пишите делегированные подсказки так, как будто у субагента нет полезного контекста чата. Включайте только тот контекст, который ему нужен:

путь к репозиторию и точную цель;
Файлы, пакеты или поверхности, входящие в область действия, а также всё, что явно находится за её пределами.
Формат возвращаемых доказательств: файлы, ссылки на строки, команды, сравнения, сбои, скриншоты и неопределённости.
Команды проверки или действия в браузере, которые необходимо выполнить, а также описание того, как должен выглядеть успешный результат, если это можно определить.
Условия остановки: если код не соответствует подсказке, команда завершается с ошибкой после разумного количества попыток или для выполнения задачи требуются файлы, выходящие за пределы области действия, следует остановиться и сообщить об этом, а не импровизировать.

Проверка делегированной работы

Рассматривайте отчёты субагентов как зацепки, а не как факты. Прежде чем использовать обнаружение с серьёзными последствиями, открывать PR или сообщать пользователю, что работа завершена, Fable должен повторно открыть важные упомянутые файлы, подтвердить соответствующие ссылки на строки или сбои и проверить окончательный дифф в сравнении с задачей. Пусть более простые агенты собирают сигналы; оставляйте оценку достоверности за Fable.

Типичные сценарии

Рассматривайте их как гибкие рекомендации, а не жесткие правила:

Исследование: поручайте «легким» агентам сканировать документацию, известные решения, API и репозитории; Fable решает, какие доказательства изменяют план.
Программирование: поручайте более простым агентам выполнение ограниченных правок или подготовку вариантов патчей; Fable отвечает за координацию работы с общими файлами, интеграцию и окончательную проверку.
Тестирование: пусть Fable предлагает направление валидации и важные скрипты или проверки в браузере. Пусть более «легкие» агенты запускают целевые тесты, потоки в браузере, делают скриншоты и сокращают журналы, а затем сообщают точные команды, сбои, вероятные причины и указывают, выглядят ли сбои случайными, связанными с окружением или реальными.
Отладка: используйте менее ресурсоемкие агенты для группировки логов, воспроизведения проблем и тестирования небольших исправлений; Fable решает, какой диагноз является наиболее достоверным.

Если задача незначительна или сама валидация требует тонкого суждения, оставьте её на Fable.

Схема

Используйте assets/fable-orchestrator.excalidraw , когда помогает наглядное объяснение.

Утверждения

Для работ, связанных с обширной кодовой базой, целесообразно описывать это как повышение экономической эффективности в 3–5 раз и ускорение в 2–4 раза, если отдельные этапы исследования, написания кода или тестирования могут выполняться параллельно. Рассматривайте эти цифры как оценки, зависящие от рабочей нагрузки, а не как гарантии.

Хороший текст для запуска:

Повысьте эффективность Claude Fable, используя более экономичные субагенты для исследований, программирования и тестирования с большим объёмом токенов, а Fable — для принятия решений, разработки архитектуры, синтеза и окончательной проверки.

Посмотреть на GitHub

---
name: efficient-fable
description: Orchestrate token-heavy research, coding, and testing by delegating bounded tasks to cheaper subagents while reserving Claude Fable for architecture, synthesis, and final review.
---

# Efficient Fable

Use Claude Fable as the orchestrator, architect, synthesizer, and final judge.
Use cheaper subagents for token-heavy research, coding, testing, and
summarization that do not require Fable's full judgment.

## Where Fable Shines

Reserve Fable for:

- Decomposing ambiguous work into clean parallel slices.
- Architecture, product, and safety tradeoffs.
- Reading conflicting subagent reports and deciding what matters.
- Integrating partial implementations into one coherent plan.
- Final review, risk assessment, and user-facing synthesis.

## Delegation Pattern

1. Name the expensive-token risk: large repo search, long logs, broad docs, or
   repetitive edits.
2. Split independent work into subagents before reading everything yourself.
3. Use cheaper models for research scans, inventory, search summaries, narrow
   bug hunts, browser/testing passes, test output reduction, and bounded code
   edits.
4. Ask subagents for concise evidence: files, line references, commands run,
   diffs, uncertainties, and stop conditions they hit.
5. Spend Fable tokens on the decision layer: compare results, resolve conflicts,
   choose the implementation path, and review the final patch.

Prefer parallel subagents when the slices do not depend on each other. Keep
blocking or highly coupled work local.

## Handoff Packets

Write delegated prompts as if the subagent has no useful chat context. Include
only the context it needs:

- The repo path and exact objective.
- The files, packages, or surfaces in scope and anything explicitly out of
  scope.
- The evidence format to return: files, line refs, commands, diffs, failures,
  screenshots, and uncertainty.
- The verification commands or browser flows to run, plus what success should
  look like when that is knowable.
- Stop conditions: if the code does not match the prompt, a command fails after
  a reasonable retry, or the task needs out-of-scope files, stop and report
  instead of improvising.

## Vetting Delegated Work

Treat subagent reports as leads, not facts. Before using a high-impact finding,
opening a PR, or telling the user the work is done, Fable should reopen the
important cited files, confirm the relevant line refs or failures, and review
the final diff against the task. Let lighter agents gather signal; keep
truth-judgment with Fable.

## Common Scenarios

Treat these as soft defaults, not rigid rules:

- Research: ask lighter agents to scan docs, prior art, APIs, and repo surfaces;
  Fable decides what evidence changes the plan.
- Coding: give cheaper agents bounded edits or candidate patches; Fable owns
  shared-file coordination, integration, and final review.
- Testing: have Fable suggest the validation direction and the scripts or
  browser checks that matter. Let lighter agents run targeted tests, browser
  flows, screenshots, and log reduction, then report exact commands, failures,
  likely causes, and whether failures look flaky, environmental, or real.
- Debugging: use cheaper agents to cluster logs, reproduce issues, and try
  small fixes; Fable decides which diagnosis is most trustworthy.

If a task is tiny or the validation itself needs delicate judgment, keep it
with Fable.

## Diagram

Use `assets/fable-orchestrator.excalidraw` when a visual explanation helps.

## Claims

For codebase-heavy work, it is reasonable to describe this as up to 3-5x more
cost-efficient and 2-4x faster when independent research, coding, or testing
slices can run in parallel. Treat those as workload-dependent estimates, not
guarantees.

Good launch copy:

> Make Claude Fable more efficient by using cheaper subagents for token-heavy
> research, coding, and testing, saving Fable for judgment, architecture,
> synthesis, and final review.