FINDING #66 · UNIT ID 1291544092
Sahir619/fable-method
The Fable Workflow: how Claude Fable 5 worked, distilled into skills any model can run, with the eval that keeps it honest. Think / act / prove.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
77% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
21.70
ACCEL
+3.72
RETENTION
0.0%
PEAK 2026-07-14 · FORK-RETENTION 0.0% · 651 STARS / WINDOW
Author Audience
AUDIENCE
91
FOLLOWERS
6
OWNER ★
851
Engagement Signals
FORKS
115
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 651 / 651 (DIVERSITY 1.00)
Потенциал заработка
D41/100
СПРОС78
Деньги в теме есть: adjacent markets AI coding assistants и AI agents быстро растут. Но willingness-to-pay за raw prompt/skill file ниже, чем за hosted coding agent или eval platform.
ЗАХВАТ24
Слабое звено: MIT, текстовые инструкции и workflow легко форкнуть, скопировать в CLAUDE.md/Cursor rules или встроить в большие платформы. Ров появляется только вокруг private eval corpus, hosted judge, dashboard и compliance trail.
ДОСТУП72
MIT разрешает коммерческое использование, закрытые деривативы, SaaS и консалтинг. Productize технически просто, но мешают возраст 9 дней, 2 contributors, отсутствие package distribution и независимых benchmarks.
«Заработок топит capture: raw workflow ценен, но слишком легко копируется.»
Рыночный анализ · Обзор
Sahir619/fable-method — набор Claude Code skills и инструкций, который заставляет AI coding agents работать по циклу «подумай, сделай, докажи».
AI agent workflow / Claude Code skills / coding-agent evaluation / prompt-harnessЗРЕЛОСТЬ · ЭКСПЕРИМЕНТ
ЯЗЫК
Python
ЛИЦЕНЗИЯ
MIT
РЕЕСТР
none
РЕЛИЗ
v1.4.0
КОНТРИБЬЮТОРЫ
2
Что делает
Либа превращает общие советы вроде «будь аккуратен» в процедурный workflow: классифицировать задачу, определить done, собрать evidence, выбрать одно решение, сделать минимальное изменение, проверить результат и честно отчитаться. В комплекте есть skills для выполнения, оркестрации, проверки готовой работы и генерации domain adapters. Основной акцент — ловушки, где агенты чинят не то, ослабляют тесты или заявляют done без наблюдаемой проверки.
Какую боль решает
Решает боль недостоверной работы coding agents: ложные completion reports, игнорирование конфликтов спецификации и тестов, чрезмерные rewrites, слабая верификация и отсутствие audit trail.
Сценарии использования
- Claude Code, Cursor или Codex получают сложную задачу и должны не уйти в большой rewrite.
- Агент проверяет чужой «готовый» PR или отчёт через fable-judge.
- Команда делает внутренние domain adapters для legal/compliance, finance, devops, marketing.
- Weak-tier model получает жёсткий playbook, чтобы меньше галлюцинировать в ловушках.
- CI/eval harness гоняет agent skills на trap scenarios.
Целевой пользователь
Power users Claude Code, AI-first разработчики, engineering managers и команды, внедряющие coding agents с guardrails/evals.
Open-source аналоги
Большая библиотека production-tested agents/skills/commands, шире по ролям, но с меньшим акцентом на adversarial proof-loop.
Framework для Claude Code: commands, personas, behavioral modes; больше похож на операционную систему, чем на eval-first methodology.
Massive skill library с большим числом доменов; fable-method уже и сфокусирован на verification workflow с eval log.
Multi-agent orchestration/swarm; fable-method — дисциплина и guardrails для одного или нескольких агентов.
Набор specialized agents для быстрой разработки; меньше фокус на доказуемую верификацию.
Curated directory, а не самостоятельный runtime или workflow.
Позиционирование
Нишевый underdog, не лидер. Сильная дифференциация — verification-first method with eval evidence; слабость — почти всё является текстовыми инструкциями и легко копируется.
Коммерческие аналоги
AI coding assistant с agent mode, code review, CLI и cloud agent.
GitHub заявляет millions of individual users и tens of thousands of business customers; точные актуальные числа в этом разборе не подтверждались двумя независимыми источниками.
Free$0
Pro$10/user/mo
Pro+$39/user/mo
Max$100/user/mo
Business$19/user/mo
Enterprise$39/user/mo
Overage$0.01/AI credit
AI code editor with agents, cloud agents, skills/hooks and Bugbot review.
Public scale не подтверждён на vendor pricing page.
Hobbyfree
Individual$20/mo
Teams$40/user/mo
Enterprisecustom
Terminal coding agent, skills and Claude ecosystem.
Public user/revenue scale на pricing page не указан.
Pro$17/mo annual or $20 monthly
Maxfrom $100/mo
Team Standard$20/seat/mo annual or $25 monthly
Team Premium$100/seat/mo annual or $125 monthly
Enterprise$20/seat + API usage
Coding agent inside ChatGPT/Codex app, team workspaces and pay-as-you-go Codex seats.
OpenAI claims 9M+ paying business users and 2M+ Codex builders weekly; Codex users in Business/Enterprise grew 6x since Jan 2026.
ChatGPT Business annual$20/seat
Codex-only seatstoken-based, no fixed seat fee for eligible workspaces
PAYG seats for Businessnew seats no longer available after Jun 24 2026
Autonomous software engineer / coding agent.
Public scale not on pricing post.
Free$0
Pro$20/mo
Max$200/mo
Teamsusage-based with $80/mo minimum
Enterprisecustom
Browser IDE with app-building agent and hosting/deploy.
Public current active-user scale not confirmed on pricing page.
Starterfree
Core$20/mo annual, shown as $25→$20; includes $25 monthly credits
Pro$95/mo annual, shown as $100→$95; includes $100 credits
Enterprisecustom
AI PR reviews, pre-merge checks, autofix/docstrings and enterprise governance.
Public customer/user scale not confirmed on pricing page.
Pro$24/user/mo billed annually
Pro Plus$48/user/mo billed annually
Enterprisecustom
Agentic code review/code quality platform across IDE, PR and CLI.
Public scale not confirmed.
Pro Team$30
Credits$0.012/credit
Credit packs2,500 / 5,000 / 20,000 credits
Enterprisecustom
Observability, evals and deployment tooling for LLM agents.
Public scale not on pricing page.
Developer$0/seat/mo + PAYG
Plus$39/seat/mo + PAYG
Enterprisecustom
LLM evals, traces, datasets, scorers and observability.
Claims Notion, Dropbox, Zapier and Coursera use it on product page; exact paid users not given.
Starter$0
Pro$249/mo
Enterprisecustom
Score overage$2.50/1k Starter, $1.50/1k Pro
Processed data overage$4/GB Starter, $3/GB Pro
OSS/Cloud LLM tracing, prompt management, evals and cost tracking.
40,000+ builders claimed on pricing page.
Hobbyfree
Core$29/mo
Pro$199/mo
Teams add-on$300/mo
Enterprise$2,499/mo
Overage$8/100k units
Текущая монетизация проекта
Подтверждённых признаков монетизации самого автора/проекта нет: нет homepage, registry package, cloud, paid support, sponsor tier или open-core offering в предоставленных фактах. Найденные Fabled/Faable pricing pages не связаны с Sahir619/fable-method. Текущий статус — скорее hobby/free OSS plugin.
Коммерческий потенциал
ПОТЕНЦИАЛ · СРЕДНИЙ
Заработать можно, но не на продаже самой либы; монетизировать нужно managed verification layer для AI coding agents.
Спрос и рынок
Adjacent рынок большой: AI coding assistants и AI agents растут быстро. Direct niche — agent verification/evals for coding workflows — меньше, но платёжеспособнее, потому что enterprise боится unverified agent changes, false completion и compliance failures.
Ров / защищённость
Сейчас рва почти нет. Потенциальный ров: accumulated eval traces, high-quality trap suite, integrations into team workflows, trust brand and enterprise compliance.
Модели монетизации
- B2B SaaS: agent QA dashboard для Claude Code/Cursor/Copilot/Codex runs.
- Paid eval suite: private trap cases, regression gates, CI integration.
- Enterprise policy packs: approvals, deploy gates, compliance adapters.
- Consulting/training: внедрение agent workflow в engineering org.
- Marketplace add-ons: premium domain adapters, team skill bundles.
- Support subscription: SLA, onboarding, custom traps.
Что нужно, чтобы сделать продукт
- CLI/daemon, который реально собирает traces, diffs и tool outputs.
- Integrations: GitHub PR checks, Cursor rules, Copilot custom agents, Claude Code hooks.
- Hosted dashboard: pass/fail, evidence, trend by repo/team/model.
- Private benchmark set и reproducible public benchmark.
- Security story: data retention, no training, SOC2 path.
- Clear packaging/versioning, docs for teams, changelog policy.
⚖ ЛИЦЕНЗИЯ · МОЖНО ЛИ КОММЕРЦИАЛИЗИРОВАТЬ
MIT — коммерческое использование свободно. Можно использовать, форкать, продавать SaaS и закрытые деривативы при сохранении copyright/license notice. Legal risk низкий, competition risk высокий.
Риски и подводные камни
ВЫСОКИЙКОММОДИТИЗАЦИЯ
MIT + prompt/workflow nature создают быстрые forks и копирование в большие skill libraries.
ВЫСОКИЙКОНКУРЕНЦИЯ
Ценность привязана к Claude Code skills/plugin UX и naming вокруг Claude Fable; Anthropic, GitHub или OpenAI могут встроить похожие gates.
ВЫСОКИЙПРОЧЕЕ
README claims 260+ runs и 15 eval rounds являются self-reported repo evidence, а не независимым benchmark.
СРЕДНИЙЗАВИСИМОСТЬ ОТ АВТОРА
2 contributors, владелец с 6 followers, проекту 9 дней.
СРЕДНИЙПРОЧЕЕ
Agent instruction packs меняют поведение coding agents; enterprise потребует review, signatures and provenance.
СРЕДНИЙПРОЧЕЕ
Нет registry package, homepage, company или paid support.
НИЗКИЙЛИЦЕНЗИЯ
MIT юридически удобна, но снижает defensibility.
Достоверность разбора
УВЕРЕННОСТЬ · СРЕДНЯЯgpt-5.5 · 2026-07-15 · ОКНО 1D
Оговорки / что не проверено
- Коммерческие цены и scale большинства продуктов взяты из vendor pricing/product pages и не подтверждены двумя независимыми источниками.
- Stars для OSS-аналогов частично взяты из сторонних индексов, PDF или Reddit, а не из live GitHub API; значения могут быть неточными.
- README claims fable-method про 260+ agent runs, 15 eval rounds и эффекты на моделях являются self-reported repo evidence, не независимым benchmark.
- Вывод о слабом рве и лёгком копировании основан на характере MIT prompt/workflow repo и общих знаниях о рынке agent skills.
- Данные о traction самого репозитория, лицензии, contributors, релизе и GitHub facts взяты из предоставленной воронки и не перепроверялись.
- Отсутствие монетизации автора сделано по предоставленным фактам и собранному разбору; полный аудит всех внешних профилей автора не проводился.
- Рыночные размеры AI coding assistants и AI agents взяты из press-release summaries; методология самих исследований не проверялась.
ИСТОЧНИКИ (21)
Why This Is A Finding
Sahir619/fable-method собрал 651 звёзд за окно, тогда как у автора всего 6 подписчиков — эффективная аудитория ≈ 91. Это даёт surprise-индекс 0.17 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 93% OF 1013 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 1013 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.090.00+0.09ABOVE 93%
VELOCITY21.707.20+14.50ABOVE 72%
RETENTION0.0%30.8%-30.8 PPABOVE 0%
FORKS11556+59ABOVE 62%
SURPRISE0.170.03+0.13ABOVE 95%