每個人都必須使用的 AI Agent 技術堆疊：GPT-5.6 + Fable 5（開發者指南）

1claude CLI (Claude Code) 並具備 Fable 5 存取權限
2codex CLI 並具備 GPT-5.6 存取權限        # 或是在 Claude Code 內部使用官方插件
3python3, jq, git, gh, make, cron
4一個目前測試指令能正常運作的儲存庫
5
6# 可選，用於混合車隊（BUILD 7）：
7openai/codex-plugin-cc               # 官方：在 Claude Code 內部執行 Codex
8claude-model-switch                  # 本地代理：在 Claude Code 背後使用任何提供商
9CLIProxyAPI                          # 將 CLI 訂閱封裝為 API 端點

1your-repo/
2  CLAUDE.md                          # BUILD 1：Claude 端的憲法
3  AGENTS.md                          # BUILD 1：Codex 端的憲法
4  .claude/
5    skills/model-bench/SKILL.md      # BUILD 0：價格、API ID、降級選項。唯一包含數字的檔案
6    skills/model-router/SKILL.md     # BUILD 4
7    skills/stuck-protocol/SKILL.md   # BUILD 5
8    skills/ship-gate/SKILL.md        # BUILD 2
9    agents/fable-expert.md           # BUILD 5
10    agents/fresh-eyes-reviewer.md    # BUILD 6
11    agents/sol-reviewer.md           # BUILD 6
12    agents/scout.md                  # BUILD 7
13  loop/
14    ralph.sh                         # BUILD 3：心跳
15    two_lane.sh                      # BUILD 6：跨供應商審查迴圈
16    PROMPT.md  TASKS.md              # BUILD 3：工作協議
17  gate/
18    verify.sh                        # BUILD 2：確定性的最終決策
19    eval_gate.py  eval/cases.jsonl   # BUILD 2：路由變更的大門
20  router/
21    router.py                        # BUILD 4
22    advisor_loop.py                  # BUILD 5
23  ~/.codex/
24    config.toml                      # BUILD 0：luna/terra/sol 設定檔
25    prompts/effort.md                # /effort      評估任務，指定座位
26    prompts/plan-stop.md             # /plan-stop   規劃，定價，然後停止
27    prompts/fable-advice.md          # /fable-advice 跨供應商專家諮詢
28    prompts/review-hostile.md        # /review-hostile 乾淨背景下的判決
29    prompts/compost.md               # /compost     失敗變成法則，每週一次
30  factory/
31    factory_gate.py                  # BUILD 8：黑板 + 完成閘道
32    factory.sh                       # BUILD 8：簡報 -> 實作 -> 審查 -> 閘道
33    factory.db                       # BUILD 8：做出決策的資料行
34  swarm/
35    swarm.sh                         # BUILD 9：規劃 -> 派遣 -> 評分 -> 重新規劃
36    goals.jsonl                      # BUILD 9：每行一個目標，每個目標都有其檢查條件
37  system/
38    verify_goals.py                  # BUILD 10：每日重新驗證，持續進行
39    goals/                           # BUILD 10：每個完成的項目一個檔案
40  ROUTING.md                         # BUILD 12：完整的路由策略，包含兩個控制框架
41  progress.log                       # 每個建構步驟都會附加到這裡
42  # 可選 (BUILD 7)：在 localhost:4000 上的 claude-model-switch 代理，
43  # 用於將 CLI 訂閱封裝為 API 端點的 CLIProxyAPI

1---
2name: model-bench
3description: 目前這個系統可以聘請的所有模型的最新價格表、API 模型 ID 和降級鏈。在任何路由決策、成本估算、預算問題、模型比較或用戶詢問某項費用之前載入。
4---
5
6# 模型配置清單
7
8價格和 API 識別碼的單一事實來源。此儲存庫中沒有其他東西寫死價格，因此當實驗室調整費率時，你只需要編輯這個檔案，無需修改其他任何東西。驗證日期：2026-07-13。價格會變動。在預算規劃前請重新驗證。
9
10## Anthropic (Messages API, /v1/messages)
11
12投入程度：output_config {"effort": "low|medium|high|xhigh|max"}。Fable 5 的自適應思考（adaptive thinking）始終開啟，且無法關閉。max_tokens 會限制思考**加上**回應文字，因此在高投入程度及以上時，請將其設定得較大（從 64k 附近開始），否則模型會在思考過程中耗盡空間。
13
14| 模型 | 每百萬 tokens 輸入/輸出價格 | 緩存讀取價格 | 角色 |
15|---|---|---|---|
16| claude-fable-5 | $10/$50 | $1.00 | 指揮者、規劃者、顧問、裁判。自動降級到 opus-4-8 |
17| claude-opus-4-8 | $5/$25 | $0.50 | 根據保留規則的指揮者 |
18| claude-sonnet-5 | $2/$10 (到 8 月 31 日，之後 $3/$15) | n/a | 預設編碼執行者 |
19| claude-haiku-4-5 | $1/$5 | $0.10 | 偵察兵、子 Agent、機械性工作 |
20
21Fable、Opus 4.8、Sonnet 5 擁有 1M 背景，在長背景時段**定價固定**，這就是為什麼長篇閱讀會路由到這裡。最大輸出 128K。
22
23## OpenAI (Responses API, /v1/responses)
24
25| 模型 | 每百萬 tokens 輸入/輸出價格 | 快取價格 | 角色 |
26|---|---|---|---|
27| gpt-5.6-sol | $5/$30 | $0.50 | 跨供應商審查者、終端機工作 |
28| gpt-5.6-terra | $2.50/$15 | $0.25 | Codex 日常驅動程式（先與 Luna 進行測試） |
29| gpt-5.6-luna | $1/$6 | $0.10 | 機械性工作、安靜的滴答聲 |
30
31超過閾值的長背景，其輸入價格大約**會加倍**，這與 Anthropic 固定的 1M 定價層不同。第一個具有明確快取中斷點的模型系列；寫入成本為 1.25 倍。
32
33## 開放權重模型（大量工作者）
34
35| 模型 | 每百萬 tokens 輸入/輸出價格 | 快取命中價格 |
36|---|---|---|
37| deepseek-v4-flash | $0.14/$0.28 | $0.0028 (約 98% 折扣) |
38| deepseek-v4-pro | $0.435/$0.87 | n/a |
39| kimi-k2.7-code | $0.95/$4.00 | $0.19 |
40
41## 可疊加的折扣
42  - 在兩個實驗室，快取讀取的成本約為新鮮輸入的十分之一（約 90% 折扣）
43  - 快取寫入在一次讀取（5 分鐘）或兩次（1 小時）後即可回本
44  - 批次 API 在兩個方向都有 50% 折扣
45  - 在重複前綴上使用批次 + 快取讀取，可以接近 95% 的折扣
46  - Anthropic 最新的 tokenizer 為相同的文字產生大約多 30% 的 tokens，因此實際成本會高於標示價格。預算應基於**實際成本**。
47
48## 如何回答成本問題
49  1. 分別估算輸入和輸出。Agent 每寫 1 個 token，大約會讀取 100 個 token，因此輸入佔主導地位，而快取命中率決定了帳單金額。
50  2. 對重複的前綴應用快取讀取率，而不是基礎費率。
51  3. 將 Anthropic 的數字乘以約 1.3 以考慮 tokenizer 的影響。
52  4. 給出一個範圍，說明假設條件，並指出你使用了此檔案的哪一行。
53  5. 如果數字超過了儲存庫的每日上限，請在**運行任何操作之前**說明。
54
55永遠不要提供一個你沒有從這個檔案中讀取到的價格。未在此列出的模型不在配置清單中，添加一個模型屬於路由變更，需要通過大門。

1# ~/.codex/config.toml
2model = "gpt-5.6-terra"                 # 日常驅動程式
3model_reasoning_effort = "medium"
4# service_tier = "fast"                 # 請保持註解狀態。快速模式會以 2.5 倍積分計費
5                                        # 請運行 /fast status 確認你尚未處於該模式
6
7[profiles.fast]                         # 機械性工作。這**不是**「快速模式」：這個
8model = "gpt-5.6-luna"                  # 設定檔使用的是較便宜的模型，而不是 2.5 倍
9model_reasoning_effort = "low"          # 的計量表。兩個不同的東西，用同一個詞。
10
11[profiles.deep]                          # 規劃、棘手的錯誤、審查
12model = "gpt-5.6-sol"
13model_reasoning_effort = "high"

1# CLAUDE.md
2
3## 永不（例外情況需要先詢問）
4- 永遠不要在會話中途切換模型。路由僅在會話和子 Agent 的邊界發生。任務中途切換會燒掉緩存。
5- 永遠不要審查你自己的 diff。審查必須來自一個全新的背景，或者來自不同的模型血統。Devin 的審查者之所以能每個 Agent PR 捕捉到 2 個錯誤，正是因為它與撰寫者沒有任何共享內容。
6- 永遠不要為了讓測試通過而編輯、削弱或刪除測試。這會自動判定為失敗。
7- 永遠不要根據自我評估報告完成。完成 = gate/verify.sh 通過。
8- 永遠不要進行第四次顧問諮詢。三次未通過 = 封鎖，輪到人類處理。
9- 永遠不要合併一個 eval_gate.py 判定為**封鎖**的路由或提示變更。
10- 永遠不要在沒有設定兩個上限的情況下運行任何迴圈：MAX_ITERS 和 BUDGET_USD。
11- 永遠不要假設一個前沿模型是可用的。降級選項：fable-5 -> opus，sol -> terra。每次降級都記錄到 progress.log。
12- 永遠不要孵化一個你沒有被要求建立的子 Agent。子代會繼承父代的模型**和**投入程度，因此一個急切的車隊會繼承昂貴的座位。
13
14## 派遣（第一個匹配項獲勝）
15| 編號 | 任務 | 座位 |
16|---|---|---|
17| 1 | 規劃 / 架構 / 遷移 | fable-5 規劃，sonnet 執行 |
18| 2 | 提取 / 格式化 / 測試 / 文件 | haiku 或 luna |
19| 3 | 背景超過 60k tokens | Anthropic 1M 固定價格層 |
20| 4 | 審查由 Agent 撰寫的程式碼 | sol 透過 codex，原生 harness |
21| 5 | 不明確 | 難度分數：0-1 使用便宜的，2 使用 sonnet，3+ 使用前沿模型 |
22| 6 | 仍然不確定 | 先用便宜的跑一次，進行驗證，如果失敗則升級一次 |
23
24## 完成
25- 每個任務在開始工作前都帶有一個機器可檢查的 done_when 條件。
26- 一個全新背景的審查者只會判斷規格與 diff 之間的差異，不考慮其他任何東西。
27- gate/verify.sh 擁有最終決定權。同一個項目上，製作者/檢查者出現兩次分歧 -> 停止，排入人類處理佇列。

1# AGENTS.md
2
3## 指令
4| 目的 | 指令 |
5|---|---|
6| 測試 | make test   （此指令是「完成」的定義） |
7| Lint 檢查 | make lint |
8
9## 會話協議
101. 首先閱讀 progress.log 和 TASKS.md。2. 選擇**一個**未勾選的任務。
113. 實作，運行**完整的**測試套件，僅在全部通過時提交，提交訊息需有描述性。
124. 勾選該任務，在 progress.log 中附加一行，然後停止。
13測試定義了完成。永遠不要削弱、跳過或刪除一個測試。錯誤的測試 = 將任務標記為「封鎖」並說明原因。
14
15## 模型政策
16預設：terra，中等投入程度。機械性工作：使用設定檔 fast (luna, low)。
17規劃和棘手的錯誤：使用設定檔 deep (sol, high)。
18先決定投入程度，再決定模型。設定檔在會話開始時選定，絕不在任務中途切換。
19快速模式關閉（2.5 倍積分）。Ultra 關閉。兩者都不是投入程度等級。
20只有當我要求時，才孵化子 Agent。子代會繼承本次會話的模型**和**推理等級，因此在 high 投入程度下一個急切的孵化，就等於整個車隊都在 high 投入程度。
21
22## 卡住
23信號：相同的錯誤出現兩次；連續兩個步驟沒有進展；一個測試在兩個不同的修復嘗試後仍然存在。然後執行 /fable-advice。最多諮詢 3 次，之後標記為「封鎖」。
24
25## 審查
26在任何合併之前，在一個**全新的**會話中執行 /review-hostile，或者使用來自 Claude 端的跨供應商通道。永遠不要合併你自己未經審查的工作。

1#!/usr/bin/env bash
2set -e
3npm run typecheck --if-present
4npm test --if-present
5npm run lint --if-present

1for case in cases:   # {prompt, must_include, must_not_include, max_words}
2    hits += passes(case, run_config(case.prompt))
3verdict = "SHIP" if new_score >= old_score - 0.02 else "BLOCKED"

1---
2name: ship-gate
3description: 在進行任何路由、模型或提示詞變更前，執行評估門控。當使用者要求更改路由規則、切換模型層級、編輯系統提示詞、調整努力程度，或合併任何涉及路由器、提示詞或模型設定的內容時使用。
4---
5
6# 發布門控
7
8任何對路由或提示詞的變更，都是一場品質賭注，直到門控說可以為止。這個技能的存在，就是為了確保這個賭注不會在無聲無息中發布。
9
10  1. 找到 eval/cases.jsonl 檔案。如果不存在，請停止並告訴使用者需要先從真實流量中建立 50 到 500 個具有代表性的案例。請勿自行編造案例。
11  2. 執行：python3 eval_gate.py eval/cases.jsonl，比較目前設定與提議設定。
12  3. 封鎖：回報兩個分數，列出哪些案例退步了，不要套用變更，並建議能通過門控的最小回退方案。
13  4. 發布：套用變更，並在 progress.log 中附加一行，記錄兩個分數。
14
15硬性規則：
16  - 即使被客氣地要求，也絕不能推翻「封鎖」的判定。將失敗案例一併提交給真人處理。
17  - 絕不能在與路由變更相同的對話中編輯案例檔案。門控與變更不能由同一位作者進行。
18  - 成本數字不能作為品質下降的藉口。門控的判定為最終決定。

1閱讀 progress.log 和 TASKS.md。僅挑選一個尚未完成的任務。
2實作它。執行測試。如果測試通過：用描述性的訊息提交，
3將該任務標記為完成，在 progress.log 中附加一行，並停止。
4如果同一個任務失敗兩次，則將其標記為「封鎖」並附上錯誤訊息，然後停止。
5僅在所有任務都標記為完成且整套測試套件通過時，才建立名為 DONE 的檔案。
6絕不能為了讓測試通過而編輯它。

1#!/usr/bin/env bash
2set -u
3MAX_ITERS="${MAX_ITERS:-25}"      # 上限一：迭代次數
4BUDGET_USD="${BUDGET_USD:-10}"    # 上限二：美元金額
5MAX_FAILS=3; fails=0; spent=0; i=0
6
7while [ ! -f DONE ] && [ "$i" -lt "$MAX_ITERS" ]; do
8  i=$((i + 1))
9  # 每次迭代都是全新對話：除了儲存庫本身，沒有其他記憶
10  claude -p "$(cat PROMPT.md)" --max-turns 30 \
11    --output-format json > out.json 2> err.log \
12    && fails=0 || fails=$((fails + 1))
13  [ "$fails" -ge "$MAX_FAILS" ] && exit 2        # 斷路器
14  cost=$(jq -r '.total_cost_usd // 0' out.json)
15  spent=$(awk -v a="$spent" -v b="$cost" 'BEGIN{printf "%.4f", a+b}')
16  awk -v s="$spent" -v c="$BUDGET_USD" 'BEGIN{exit !(s>c)}' && exit 3  # 上限
17  sleep 2
18done
19[ -f DONE ] && echo "在 $i 次迭代中完成，花費 \$$spent" || echo "達到上限，花費 \$$spent"

1TIERS = {                                   # 座位，不是數字
2  "cheap":    "gpt-5.6-luna",               # 或 claude-haiku-4-5
3  "mid":      "claude-sonnet-5",
4  "frontier": "claude-fable-5",             # 或 gpt-5.6-sol
5}
6PRICES = load_bench(".claude/skills/model-bench/SKILL.md")   # 單一事實來源
7
8RULES = [
9  (kind in {"extract", "format", "summarize"},  "cheap"),
10  (kind in {"plan", "architect", "migrate"},    "frontier"),
11  (context_length > 60_000,                     "mid"),
12]
13tier = layer1_rules(task) or layer2_classifier(task)
14if tier: return call(TIERS[tier], task)
15return cascade(task)   # 先嘗試廉價，驗證，失敗時僅升級一次

1---
2name: model-router
3description: 在開始工作之前，將每個任務路由到正確的座位和努力程度。
4  在對話開始時、在產生子 Agent 之前、當使用者詢問要使用哪個模型時，
5  或當任務混合了規劃與執行時使用。
6---
7
8# 模型路由器
9
10閱讀 ROUTING.md 並套用其規則。請勿自行擬定策略，也請勿在此處重述：
11這個檔案會腐化，而策略檔案才是受評估門控管轄的那個。
12
13除了該檔案之外，這個技能還強制執行三件事：
14
15  1. 僅在邊界處進行路由。對話開始時和子 Agent 產生時。在任務中途切換
16     會使快取失效，並以快取費率的十倍重新計費整個上下文。
17  2. 在對話結束時，將廉價層級的佔比附加到 progress.log。只有當大部分
18     流量都使用廉價層級時，節省的效果才會開始累積，所以這個數字是值得關注的。
19  3. 對 ROUTING.md 的任何變更都必須通過發布門控技能。沒有例外。

1name: scout
2model: haiku
3effort: low     # 子 Agent 繼承父 Agent。一個最高努力程度的隊伍
4                # 會在一次訊息中耗盡一個視窗。固定它們。

1grep '^route' progress.log | awk -F'\t' \
2  '{r++; if($3!="frontier")c++} END{printf "cheap share: %.0f%%\n", c/r*100}'

1# ROUTING.md
2
3路由是四個決策，而順序是關鍵：
4  1. 在哪裡：哪個框架執行工作
5  2. 何時：在什麼邊界做出決策
6  3. 誰：哪個模型佔據座位
7  4. 多努力：該模型以何種努力程度運行
8大多數團隊只爭論第 3 點。關鍵在於第 2 點和第 4 點。
9
10## 1. 在哪裡：先框架，後模型
11在一個框架內進行後訓練的模型，在任何其他地方都會出現分布外問題。
12測量到的差異：原生環境 20.2% 對比外來環境 7.7%，相同權重。
13
14| 工作 | 框架 | 原因 |
15|---|---|---|
16| 撰寫程式碼 | 模型的原生框架 | 編寫能力在分布外會下降 |
17| 審查程式碼 | 審查者的原生框架 | 弱的審查比沒有審查更糟 |
18| 閱讀、偵察 | 任何地方 | 閱讀成本低且可驗證 |
19| 機械性轉換 | 任何地方 | 如果檢查是確定性的，框架幾乎無關緊要 |
20
21法則：自由重新映射閱讀者和審查者通道。編寫者通道必須保持在框架原生環境，直到你自己的評估集另有明示。該覆蓋必須基於測量，而非偏好。
22
23## 2. 何時：在邊界處路由，絕不在邊界內部
24在對話中途切換會丟棄提示詞快取。快取輸入的成本是全新輸入的十分之一，因此不必要的切換會以十倍價格重新計費整個上下文，且毫無益處。
25
26合法的邊界，唯一可以進行路由決策的地方：
27  - 對話開始時
28  - 子 Agent 產生時
29  - 群體中的新目標
30  - 將審查交接給另一個系列
31  - 由故障或安全機制觸發的後備方案
32其他所有地方都是非法的。沒有每次輪次的路由。沒有任務中途的自適應切換。
33串聯僅獲得一次升級，並且它會開啟一個新的邊界。
34
35法則：在邊界開啟時選擇座位，然後在下一個邊界到來之前保持不變。
36
37## 3. 誰：決策程序（先匹配者勝出，記錄結果）
38
39第 1 層，規則。免費。總是先檢查。
40
41| 訊號 | 座位 |
42|---|---|
43| 提取 / 格式化 / 摘要 / 分類 / 測試 | Haiku 或 Luna，努力程度低 |
44| 規劃 / 架構設計 / 遷移 / 根因分析 | Fable 規劃，Sonnet 執行 |
45| 上下文超過 60k tokens | Anthropic 1M 層級（固定價格） |
46| 審查 Agent 撰寫的程式碼 | 另一個系列，原生框架 |
47| 目標可拆分為獨立部分 | 群體：Fable 撰寫和評分 |
48
49第 2 層，分數。每個一分：
50  - 包含「為什麼 / 除錯 / 競爭條件 / 死結 / 重構 / 安全性 / 最佳化」
51  - 觸及多個子系統
52  - 先前嘗試已失敗
53  - 變更是不可逆的或面向使用者的
54  0-1 -> 廉價層級，低努力程度。2 -> Sonnet，中等努力程度。3+ -> 前沿層級，高努力程度。
55
56第 3 層，串聯。廉價運行，確定性驗證，僅升級一次。絕不兩次。
57第二次失敗是規格問題，更大的模型無法修復你的規格。
58
59座位和後備方案位於 .claude/skills/model-bench/SKILL.md。此處沒有價格。
60
61## 4. 多努力：努力程度路由
62努力程度是向下一個層級的路由。這個檔案中最便宜的旋鈕：其他任何東西都不變，而且快取保持溫暖。
63
64| 努力程度 | 使用時機 |
65|---|---|
66| 低 | 打字錯誤、重新命名、排序、提取、所有子 Agent 預設 |
67| 中等 | 根據明確規格的常規程式碼、摘要、標準寫作 |
68| 高 | 分解、遷移、棘手的錯誤、所有指揮官工作（預設） |
69| 最高 | 僅用於高努力程度已經無法解決的問題 |
70| ultra | 不屬於此階梯。廣度，非深度：4 個並行 Agent。預設關閉 |
71
72  1. 預設為高。最佳點就在那裡；最高會導致過度思考。
73  2. 更好的模型勝過更高的旋鈕。在提高設定之前，先升級座位。
74  3. 子 Agent 繼承父 Agent 的模型和努力程度。一個由最高努力程度指揮官產生
75     的隊伍會以最高努力程度運行，並在一次訊息中耗盡一個視窗。在每個
76     子 Agent 自己的 frontmatter 中固定它們：effort: low。如果產生器
77     忽略這個固定，那麼父 Agent 的旋鈕就是整個隊伍的旋鈕。檢查你擁有哪一種。
78  4. 最高是深度。Ultra 是廣度。僅在子問題真正獨立時使用 Ultra，
79     絕不作為預設，且在框架過度產生時根本不使用。
80  5. 這個階梯不能跨版本移植。在新模型上，從你信任的舊模型設定往下調一級開始。
81  6. 快速模式也不是一種努力程度。它用 2.5 倍的信用點數換取你無論如何
82     都會消耗的 token 的延遲。預設關閉。
83
84這個旋鈕存在於四個地方：在 Claude Code 和 Codex TUI 中使用 /effort，codex -e high，
85config 中的 model_reasoning_effort，API 上的 effort 欄位。Claude Code 預設為高，
86Codex 預設為中等，大多數應用程式完全隱藏它，這就是為什麼團隊會不小心為所有事情使用一個設定。
87
88## 5. 後備方案：假設前沿層級已故障
89前沿層級的可用性無法保證，且安全機制可以在運行中將呼叫重新路由到 Opus 4.8，
90在不到 5% 的對話中發生，且不會出錯。
91  - 每個座位都有一個命名的後備方案。沒有例外。
92  - 每個後備方案都會被記錄。無聲的重新路由是一個錯誤，因為你可能正在
93    閱讀來自你未選擇的模型的輸出。
94  - 絕不要在你未選擇的模型的輸出上進行迭代。
95
96## 6. 決定這一切是否有效的數字
97混合成本就是你的流量分配，沒有其他因素。70% 使用廉價層級會使帳單減少約三分之二。
9810% 只能節省零錢。路由器的準確性遠比路由器的聰明程度重要。
99
100使用建構 4 中的一行指令來追蹤它。低於 50%，節省的效果還沒有開始累積。
101在觸及此處任何其他內容之前，先修復分配。
102
103## 7. 針對此檔案的門控
104法則：對此檔案的任何變更，未經 eval_gate.py 在 50 到 500 個保留案例上通過，
105不得發布。封鎖的判定是最終決定，不能在對話中覆蓋。門控與變更不能由同一位作者進行。
106
107## 8. 何時刪除此檔案
108如果一個精心挑選的單一模型在你的評估中擊敗了這整個堆疊，那就刪除路由器，
109並保有簡單性。2026 年最嚴謹的路由基準測試發現，許多路由器（包括商業路由器）
110都無法可靠地勝過直接選擇最佳單一模型。
111先測量。再路由。樂於刪除。

1---
2name: stuck-protocol
3description: 當進度停滯時，升級到 fable-expert 顧問。當相同錯誤出現兩次時、
4  當連續兩個步驟在錯誤持續存在的情況下未更改任何檔案時、當一個測試在兩次
5  不同的修復嘗試後仍然失敗時，或當使用者說 Agent 在原地打轉時使用。
6---
7
8# 卡住協議（顧問反轉）
9
10你是廉價驅動器，這是一個功能：執行是大量批發，建議是少量精華。
11但小型模型過於自信，因此你不能自己決定是否沒問題。改為檢查確定性訊號。
12
13卡住訊號（任何一個觸發協議）：
14  1. 連續兩個步驟出現相同的錯誤字串。
15  2. 連續兩個步驟在錯誤持續存在的情況下更改了零個檔案。
16  3. 在兩次真正不同的修復嘗試後，同一個測試仍然失敗。
17
18程序：
19  1. 計算本次對話的諮詢次數。達到 3 次時，停止：將任務標記為「封鎖」並附上錯誤，
20     為使用者總結，然後繼續。絕不進行第四次諮詢。
21  2. 建立簡報，其中不能包含任何其他內容：
22       目標：一行
23       嘗試 x2：最近兩次嘗試，各 200 個字元
24       錯誤：確切的錯誤訊息，300 個字元
25  3. 使用簡報產生 fable-expert。它會回傳指導，而非程式碼。
26  4. 在下一步中立即套用指導，在你自己的任何操作之前。
27  5. 在 progress.log 中附加一行：諮詢 #N，它說了什麼，是否有效。
28
29硬性規則：
30  - 絕不要求專家執行工作。如果回覆包含完整的實作，請接受其想法並丟棄程式碼。
31  - 絕不將你的推理歷程填充到簡報中。專家的價值在於乾淨的上下文；冗長的簡報會
32    毒害它。
33  - 如果指導失敗，這將計入你下一次諮詢的兩次嘗試之一。三次失敗的諮詢意味著
34    該任務超出了本次對話的薪酬等級，而這樣說就是正確的輸出。

1---
2name: fable-expert
3description: 用於卡住時刻的前沿顧問。接收來自 stuck-protocol 的簡潔簡報，
4  回傳 600 tokens 以下的指導，自身從不執行工作。
5model: claude-fable-5      # 如果保留規則有問題，請換成 opus
6effort: high
7tools: Read, Grep, Glob    # 可以閱讀，但絕不能編輯
8---
9
10你是專家顧問，不是承包商。一個較便宜的模型正在驅動，並且遇到了瓶頸。
11你的價值在於少量的判斷和乾淨的上下文：你對驅動器如何到達這裡一無所知，
12這正是你的解讀更敏銳的原因。
13
14你收到一份簡報：目標，最近兩次嘗試，以及錯誤。如果簡報中提到了特定檔案，
15你可以閱讀它們。你不能編輯任何東西。
16
17  1. 如果簡報缺少你需要的資訊，請用一行回覆說明缺少什麼。不要猜測缺失的部分。
18  2. 先診斷，再開處方：用一兩句話說明實際問題出在哪裡。
19  3. 然後以以下格式回覆，之後不要有任何內容：
20       指導：
21       1. （最可能的修復方法：嘗試什麼，以及為什麼應該有效）
22       2. （如果 1 失敗的備用方案）
23       3. （僅當存在真正不同的第三條路徑時）
24       信心水準：高 | 中 | 低
25  4. 少於 600 tokens。沒有超過 10 行的程式碼區塊。提供想法，而非實作。
26     如果你的回覆包含完整的解決方案，你就沒有扮演好這個角色。
27  5. 如果任務本身構想有誤，請在第 1 項中說明，並建議告訴使用者什麼。
28
29操作者備註：如果你的組織無法接受 Mythos 級別的保留，請將模型行更改為 opus。
30該角色的工作方式相同；顧問結果最初是使用 Opus 級別顧問證明的。

1claude --model claude-fable-5 -p "你是一位專家顧問。
2  一個較便宜的模型正在驅動，並且卡住了。簡報：<目標，兩次
3  嘗試，錯誤>。回覆指導：最多 3 個編號項目，
4  少於 600 tokens。不要執行工作。"

1---
2name: fresh-eyes-reviewer
3description: 程式碼審查者，每次 Agent 改動後執行。不繼承撰寫者的任何歷史記錄，直接讀取 diff，可以編輯嗎？不可以。
4model: haiku               # 若 diff 重要性高，可換成 opus
5effort: medium
6tools: Read, Grep, Glob, Bash
7---
8
9你對這個改動如何被寫出來毫無記憶，而這正是重點。不要詢問作者的推理過程。不要相信任何摘要。只看證據。
10
11  1. 執行 git diff HEAD~1（或指定的範圍），並讀取每個 hunk。
12  2. 讀取每個受影響檔案的**完整內容**，而不僅僅是 hunks。錯誤常常藏在改動周圍未變動的行中。
13  3. 執行 README 或 CLAUDE.md 中指定的測試套件。
14  4. 尋找三種經典的 Agent 失敗模式：
15       - 懶惰：部分實作、TODO、僅處理單一情況
16       - 自我評分：測試被弱化、assertion 被刪除、測試套件被跳過
17       - 偏離：超出所聲明任務範圍的變更
18  5. 判決，格式必須完全如下：
19       VERDICT: PASS 或 FAIL
20       BUGS: 編號清單，每個包含 file:line 和一句理由
21       RISK: 一句話說明此變更觸及的最危險部分
22
23嚴格規則：你不得編輯檔案，不得重新執行撰寫者的任務，且空的 BUGS 清單搭配 VERDICT: FAIL 是無效的。如果測試無法執行，則自動判定為 FAIL 並附上理由。

1---
2name: sol-reviewer
3description: 跨供應商審查者。將最新提交透過 Codex CLI 發送給 GPT-5.6 Sol，使用 Sol 的原生架構，並逐字傳遞判決。
4model: haiku               # 僅是管道。Sol 才是審查者。
5effort: low
6tools: Bash, Read
7---
8
9你是管道，不是審查者。同一個模型家族的模型共享盲點；這個通道之所以存在，是因為 Sol 沒有 Claude 的盲點。
10
11  1. 檢查 CLI：codex --version。如果缺失，輸出 VERDICT: FAIL 並附上理由 "codex CLI 未安裝"，以及設定路徑（或官方外掛：/plugin marketplace add openai/codex-plugin-cc, /plugin install, /codex:review）。
12  2. 以高強度在 Sol 自己的架構中執行審查：
13
14     codex --profile deep exec "Review the latest commit (git show HEAD) as a
15     hostile senior engineer who has never met the author. Read every touched
16     file IN FULL, not just the hunks. Hunt: partial implementations, weakened
17     or deleted tests, changes outside the stated task scope. End with exactly
18     'VERDICT: PASS' or 'VERDICT: FAIL' followed by numbered findings, each with
19     file:line and a one-sentence reason."
20
21  3. 將完整輸出儲存到 .review_sol_<short-hash>.md。
22  4. 向上傳遞：先輸出 VERDICT 行，然後逐字輸出發現。不要摘要發現，不要添加安慰，不要與 Sol 爭論。如果判決是 FAIL，由上層決定修復什麼。你什麼都不決定。
23
24嚴格規則：永遠不要編輯檔案，永遠不要重新執行撰寫者的任務，永遠不要用自己的審查取代。如果 codex 在執行過程中出錯，將其報告為 FAIL 並附上 stderr，而不是悄悄重試超過一次。

1claude -p "Implement: $TASK. Run the tests. Commit when green."
2review=$(codex exec "Review HEAD ... VERDICT: PASS or FAIL plus findings.")
3grep -q "VERDICT: PASS" <<< "$review" && exit 0
4claude -p "A reviewer from another model family found these issues.
5  Fix every one, rerun tests, commit: $review"

1/plugin marketplace add openai/codex-plugin-cc
2/plugin install codex@openai-codex
3/codex:setup

1---
2name: scout
3description: 用於研究扇出的廉價平行讀取器。可同時生成多個，用於程式碼庫調查、依賴審計、日誌考古、文件研究。原則上唯讀；讀取扇出，寫入保持單執行緒。
4model: haiku
5effort: low                # 繼承保護（BUILD 4）：一個繼承最大 effort 的群體會在一條訊息中清空視窗
6tools: Read, Grep, Glob, Bash
7---
8
9你可能是多個平行運行的讀取器之一。調查你的切片，然後回報簡潔而精準。只有你的最後一條訊息會返回給父進程，所以請控制在 400 字以內，並讓每個字都有其價值。
10
11  1. 自己將任務縮小到一個切片（一個目錄、一個子系統、一個問題），並說明你縮小到了什麼。
12  2. 僅讀取：Read, Grep, Glob 和唯讀 shell（ls, git log, git show, rg）。永遠不要編輯、安裝或刪除。如果任務需要寫入，報告它，不要執行它。
13  3. 先廣度，然後在兩三個最熱點上深入。
14
15報告格式，僅此而已：
16  FINDINGS：最多 10 個要點，每個要點包含一個事實及其證據（file:line、commit hash 或 URL）
17  GAPS：你無法確定的內容及原因，以便父進程知道哪些區域仍然未知
18  HOTSPOT：最值得深入查看的單一檔案或函式，以及一句原因
19
20不要發表評論，不要提議實作，不要填充。一個回傳 300 個有用詞彙的偵察兵勝過一個回傳 3,000 個混雜詞彙的，因為你發出的所有內容都會進入父進程的上下文視窗，而父進程正在為此付費。

1claude-model-switch init                 # 將 Claude Code 指向代理
2claude-model-switch add openrouter sk-or-xxx
3claude-model-switch add glm \
4  --haiku glm-4.5-air --sonnet glm-4.7 --opus glm-5
5claude-model-switch use glm              # 每次會話，任務中不可切換
6claude-model-switch orchestrate start --preset trio   # 規劃者/編碼者/審查者

1checks = [
2  (tickets == 0,                 "未記錄任何 ticket。"),
3  (done != tickets,              "並非所有 ticket 都已完成。"),
4  (first_brief is None,          "未記錄任何架構簡報。"),
5  (first_brief > first_code,     "實作證據早於簡報。"),
6  (code_ev == 0,                 "未記錄任何實作者程式碼證據。"),
7  (build_ok == 0,                "未記錄任何通過的建置命令證據。"),
8  (test_ok == 0,                 "未記錄任何通過的測試命令證據。"),
9  (latest("architect") != "green",  "最新的架構師判決不是綠色。"),
10  (latest("reviewer")  != "green",  "最新的審查者判決不是綠色。"),
11]

1G ticket "看板" "欄位渲染，拖曳持久化"    # 規劃者行
2G brief  "$BRIEF"                                          # 在任何程式碼之前
3../loop/ralph.sh && G evidence code pass "迴圈完成"  # BUILD 3 工作
4npm test          && G evidence test pass "npm test 通過"
5G verdict 1 architect green "佈局符合簡報"         # Claude 席位
6G verdict 1 reviewer  green "測試通過，範圍乾淨"      # Sol 席位，透過 codex
7python3 factory_gate.py gate factory.db                    # 資料行決定

1$ factory_gate.py record demo.db ticket "kanban-board" "欄位渲染，拖曳持久化"
2
3$ factory_gate.py gate demo.db
4GATE: REFUSED
5  - 並非所有 ticket 都已完成。
6  - 未記錄任何架構簡報。
7  - 未記錄任何實作者程式碼證據。
8  - 未記錄任何通過的建置命令證據。
9  - 未記錄任何通過的測試命令證據。
10  - 未記錄任何審查週期。
11  exit: 1
12
13... Agent 工作。每一步都寫入一行 ...
14
15$ factory_gate.py record demo.db brief    "技術棧：node+sqlite。/tasks CRUD。"
16$ factory_gate.py record demo.db evidence code  pass "src/board.js 已撰寫"
17$ factory_gate.py record demo.db evidence build pass "npm run build 退出碼 0"
18$ factory_gate.py record demo.db done     "kanban-board"
19$ factory_gate.py record demo.db verdict 1 architect green "佈局符合簡報"
20$ factory_gate.py record demo.db verdict 1 reviewer  green "範圍乾淨"
21
22$ factory_gate.py gate demo.db
23GATE: REFUSED
24  - 未記錄任何通過的測試命令證據。
25  exit: 1
26
27$ factory_gate.py record demo.db evidence test pass "npm test 33/33"
28
29$ factory_gate.py gate demo.db
30GATE: COMPLETE (1/1 tickets, 週期 1 綠色 x2)
31  exit: 0

1FLEET=4                              # 寫入永不衝突：每個工作者一個工作目錄
2WORKER_MODEL=claude-sonnet-5         # 或 haiku / luna / kimi 用於純執行
3WORKER_EFFORT=low                    # 永遠不要繼承指揮者的 effort
4CONDUCTOR=claude-fable-5             # 或 opus-4-8 如果保留規則咬人

1{"id":"strip-legacy-auth","spec":"從 routes/ 中移除 v1 認證路徑","check":"npm test -- tests/auth"}
2{"id":"migrate-sessions","spec":"將 session 儲存遷移到新適配器","check":"npm test -- tests/session"}

1# 分派：每個目標一個 git worktree，最多 FLEET 個平行執行
2claude --model "$WORKER_MODEL" --effort "$WORKER_EFFORT" -p "精確執行此規格。
3  不要擴大範圍。執行測試。僅在通過時提交。"
4
5# 評分：指揮者根據自己的檢查命令對每個目標評分。
6# 工作者的信心不是證據。退出碼才是。
7bash -c "$chk" && echo "$id" >> passed.txt || misses=$((misses+1))
8
9# 重新規劃：下一個週期看到 passed.txt，只重新規劃未達標的項目

1predicate: npm test -- tests/auth 2>&1 | tail -1 | grep -q passing
2born: 2026-07-13
3status: satisfied
4last-pass: 2026-07-13
5on-violation: 叫我。不要自動修復。

1held = subprocess.run(["bash","-c",predicate], timeout=60).returncode == 0
2g["status"] = "satisfied" if held else "VIOLATED"
3# 超時是違規，不是通過：昂貴的謂詞是壞掉的謂詞

1claude --model claude-fable-5 --effort high --allowedTools "Read,Grep,Glob" \
2  -p "閱讀本週的廢棄物：progress.log 中的 BLOCKED 行、GATE REFUSED 條目、
3  VIOLATED 目標、未合併關閉的 PR。提取最多 3 個提案：
4  一條新法則（引用事件）、一個技能修復（相同錯誤重複出現）、或一個我們缺少的
5  持續目標。只提案，不編輯任何內容。乾淨的一週是有效答案，說出來並停止。"

1claude --model claude-fable-5 --effort high --allowedTools "Read,Grep,Glob" \
2  -p "從頭到尾審查此專案。撰寫一個按槓桿作用排序的改進計畫：什麼是脆弱的、
3  什麼是過度設計的、什麼是缺少的、什麼應該被刪除。不要寫程式碼。輸出帶有
4  驗收標準的任務。" \
5  > plans/$(date +%F)-improvement.md

1awk -F'\t' '$2=="fix-lint"{r++; if($3=="pass")p++}
2  END{printf "%d runs, %.0f%%\n", r, (r?p/r*100:0)}' progress.log

1grep '^cost' progress.log | awk -F'\t' \
2  -v d="$(date -d '7 days ago' +%F)" \
3  '$2>=d{s+=$3} END{printf "week: $%.2f\n", s}'

1# 任務循環：每日 tick，設定兩個上限
20 7 * * 1-5   cd /path/to/repo/loop && BUDGET_USD=5 ./ralph.sh >> ../progress.log 2>&1
3
4# 系統循環：已通過的內容不會被忽略
530 7 * * *    cd /path/to/repo && python3 system/verify_goals.py goals/ >> progress.log 2>&1
6
7# 系統循環：失敗轉化為規則，每週一次，僅提案
80 9 * * 1     cd /path/to/repo && codex --profile deep exec \
9              "$(cat ~/.codex/prompts/compost.md)" >> proposals/$(date +\%F).md 2>&1

1# /effort - 在花費之前選擇運算強度
2
3先不要執行任務。先為它路由。
4
5為它評分。每項一分：
6  - 包含原因、除錯、競賽條件、死結、重構、安全問題或最佳化
7  - 觸及多個子系統
8  - 先前的嘗試已失敗
9  - 變更不可逆或會影響使用者
10
11然後對應：
12
13| 分數 | 強度 | 席位 |
14|---|---|---|
15| 0-1 | 低 | codex -e low，或使用快速設定檔 (Luna)。絕對不要使用前沿席位。 |
16| 2 | 中 | 使用 Terra 的中等強度席位。 |
17| 3+ | 高 | 實際工作的預設值，也是最佳平衡點。 |
18
19只有在高強度「已經」嘗試過但失敗時：才建議使用最高強度，並清楚說明額外思考預期能帶來什麼好處。你反對的基本機率是，成本約翻倍，但收益通常無法彌補成本。
20
21在建議升級前，有兩個提醒：
22  1. 較低強度下的較好模型，通常勝過最高強度下的較弱模型。先更換席位，再調整強度。
23  2. 如果這個任務會生成子 Agent，請明確指定它們的強度（除非有證據顯示需要更高，否則使用低強度。子 Agent 會繼承父項目的設定，一群最高強度的 Agent 會在單次訊息中耗盡上下文窗口。
24
25輸出格式：
26  強度：低 | 中 | 高 | 最高
27  席位：<模型>
28  原因：<一行，說明得分點>
29  子 Agent：<指定強度，或無>
30然後停止。人類將以你指定的強度執行任務。

1EFFORT: high
2SEAT: gpt-5.6-sol
3WHY: contains "why", touches auth and sessions, prior attempt failed
4SUBAGENTS: low

1# /plan-stop - 規劃工作，然後停止
2
3這些模型運作時間長。當計畫正確時，這是個優點；但當計畫錯誤時，這會是一個昂貴的錯誤。這個指令能讓你在花費之前獲得檢查點。
4
5規劃任務。不要編輯任何檔案。不要執行建置。不要開始。
6
7產出：
8  目標：<一行>
9  假設：<你的預設前提；如果這些前提錯誤，計畫也會錯誤>
10  步驟：<編號，每個步驟代表一次提交的工作量>
11  完成條件：<能證明每個步驟已完成的確切 shell 指令>
12  影響範圍：<受影響的檔案和系統；明確指出認證、付款、遷移、正式環境設定>
13  成本：<粗略的 token 數或美元數，以及每個步驟使用的席位>
14  未知事項：<如果你只能問人類一個問題，你會問什麼>
15
16然後停止並等待。
17
18規劃時的規則：
19  - 不確定事項放入「未知事項」。不要猜測並繼續執行。一個在執行階段才暴露的猜測，成本是提問的一百倍。
20  - 如果計畫需要一個未記錄在此倉庫中的憑證、端點或慣例，請停止並說明。不要自行發明。
21  - 如果任何「完成條件」不是 shell 指令，請重寫該步驟直到符合條件。如果 shell 無法檢查，審查者也無法檢查。
22  - 如果影響範圍觸及 AGENTS.md 中的禁止清單，請在開頭說明，並建議排隊等待人類處理。
23
24你在此處的價值是提供計畫，而非程式碼差異。一個簡短誠實、帶有真實未知事項的計畫，勝過一個自信但悄悄假設錯誤的計畫。

1# /compost - 將本週的失敗轉化為下週的規則
2
3閱讀本週的所有產出，僅限於此：
4  - progress.log 中的 BLOCKED 行（經過三次顧問諮詢仍未解決的任務）
5  - GATE：REFUSED 條目（無法證明完成的運行）
6  - VIOLATED 常設目標（已完成的項目不再有效）
7  - 斷路器和預算退出（代碼 2 和 3）
8  - 由循環開啟但未合併關閉的 PR（人類默默反對）
9  - 任何通過率低於 90% 的任務類別
10
11最多提取三項提案。三項是硬性上限，而非目標。一週乾淨無事是有效的發現，說出來比製造工作更有用。
12
13每個提案必須是以下三類之一：
14  1. 為 CLAUDE.md 或 AGENTS.md 新增的「規則」。引用它本可預防的事件。只有單一事件支持的規則只是巧合；等待第二次發生。
15  2. 當相同失敗在同一個地方重複發生時的「技能修正」。指出技能名稱、模式，以及能打破此模式的最小編輯。
16  3. 當某件事默默腐壞時，你所缺少的「常設目標」。將斷言條件寫成 shell 指令，否則不要提出。
17
18輸出：
19  週次：<日期>
20  產出：<數量：受阻、拒絕、違規、回退>
21  提案 n：<規則 | 技能修正 | 常設目標>
22    證據：<引用的事件>
23    變更：<要新增的確切文字或斷言條件>
24    不做的成本：<一行>
25  結論：<如果你只能做一件事，你會先做什麼>
26
27硬性規則：
28  - 僅「提案」。不要編輯 CLAUDE.md、AGENTS.md、任何技能或任何目標檔案。需要人類簽署，否則不執行。
29  - 不要提出會放寬閘門、提高預算或放鬆禁止事項的規則。那些是系統在要求允許自己更舒適地失敗。
30  - 無產出：說「乾淨的一週」並停止。不要為了證明運行的價值而去找工作。

1# 每日 tick，在兩個維度設上限
2BUDGET_USD=5 MAX_ITERS=20 ./loop/ralph.sh
3
4# 先規劃，後花費（這裡最高槓桿的習慣）
5codex -e high exec "$(cat ~/.codex/prompts/plan-stop.md)
6
7TASK: migrate the session store off the legacy adapter"
8
9# 跨供應商審查上一次提交，在 Sol 的原生工作平台
10codex --profile deep exec "$(cat ~/.codex/prompts/review-hostile.md)"
11
12# 鏡像通道：Codex 卡住，Claude 提供建議
13claude --model claude-fable-5 --effort high -p "$(cat ~/.codex/prompts/fable-advice.md)"
14
15# 目標循環：Fable 規劃，群組執行，Fable 評分
16CYCLES=3 FLEET=4 WORKER_EFFORT=low ./swarm/swarm.sh "split the auth migration"
17
18# 系統循環：已通過的內容不會被忽略
19python3 system/verify_goals.py goals/          # exit 1 指出腐壞的項目
20python3 gate/eval_gate.py eval/cases.jsonl     # exit 1 阻止路由變更
21
22# 階梯 3，工廠：由資料列決定，而非對話記錄
23./factory/factory.sh "build the kanban and notes app per PRD.md"
24python3 factory/factory_gate.py gate factory.db
25
26# 每週的制度建構運行
27codex --profile deep exec "$(cat ~/.codex/prompts/compost.md)"
28
29# 唯一能說明這一切是否有效的數字
30grep '^route' progress.log | awk -F'\t' \
31  '{n++; if($3!="frontier") c++} END{printf "cheap share: %.0f%%\n", c/n*100}'