Fableクラスの思考プロセスを任意のモデルで再現する思考スキャフォールド。問いの再構築、 前提の検証、選択肢空間の展開、反証、確信度つきの収束という順序をフェーズとゲートで強制する。設計判断・技術選定・調査・分析・提案など、結論を間違えるコストが高い非自明なタスクで使用。
「深く考えて」「幅広い視野で」「多角的に検討して」「Fableのように考えて」がトリガー。Use when asked to think deeply, consider all angles, or for high-stakes decisions and analyses.
インストールする前に、エージェントに与えられる指示の中身を確認できます。
深い結論は地力ではなく手順から生まれる。このスキルは「視野を広げてから絞る」 「自分の結論を一度攻撃してから出す」という思考の順序を、明示的なフェーズと 通過条件で強制する。モデルの規模に依存しない手続きなので、Opus や Sonnet でも Fable に近い判断の質を再現できる。
適用しない場面も明確にする。単純な事実参照、機械的な作業、正解が一意に決まる質問には 使わない。判定は Phase 0 のトリアージで行う。
思考は8つのフェーズを順に通る。各フェーズにはゲートがあり、満たすまで次に進まない。
フェーズの実行は thinking 内、または下書きメモとして行い、ユーザーへの出力に
フェーズ見出しをそのまま出さない。詳細な質問バンクと実例は
references/thinking-protocol.md を読むこと。視点を変えるレンズ集は
references/lenses.md、避けるべき失敗パターンは references/anti-patterns.md にある。
タスクの不可逆性、影響範囲、不確実性、意見の分かれやすさを見て、深さを3段階から選ぶ。
Gate: 深さを1つ宣言してから始める。迷ったら一段深い方を選ぶ。
Gate: 「本当の問い」を自分の言葉で1文に再構築できるまで進まない。 再構築が元の質問の言い換えにしかなっていないなら、まだ浅い。
Gate: 結論を左右する前提のうち、確認可能なものが未確認のまま残っていないこと。
references/lenses.md から最低2つのレンズを選び、視点を強制的に変えるGate: 3つ目の選択肢が出ないのは視野が狭いサイン。3つ揃うまで収束禁止。
Gate: 候補間の優劣が、好みではなく証拠と理由で語れること。
Gate: 反証を最低1つ真剣に検討し、それが致命的でない理由を言語化できること。 反証に負けたら Phase 3 に戻る。戻ることは失敗ではなく、このスキルが機能した証拠。
Gate: 推奨・根拠・代償・反証条件の4点が揃っていること。
Gate: 元の質問への答えになっていると確認してから提出する。
思考の足場は出力に見せない。ユーザーが読むのは結論と、判断に必要な根拠だけ。
「フェーズ」「ゲート」という語を成果物に出さない。網羅を見せることが目的ではなく、 網羅した上で絞られた結論を渡すことが目的。
/fable-thinking <質問や依頼> で直接呼び出せるreferences/thinking-protocol.md -- 各フェーズの質問バンクと、浅い回答と深い回答を比較する実例references/lenses.md -- 視野を強制的に広げる12のレンズ集references/anti-patterns.md -- このスキルが防ぐ10の失敗パターンと対策まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
Track and update action item status from natural language updates like 'Seanのメールには返信しておいた' or 'Lu対応予定'. Integrates with daily-comms-ops workflow. Use when managing action items across communication channels.
AI活用提案の専門コンサルタントスキル。LLM・AIエージェントの活用事例知識を基に、業界別、部門別、シーン別に最適なAI導入提案を行います。システム化、業務改善、効率化を得意とし、具体的な活用事例、期待効果、導入ステップを含む実践的な提案を提供します。Use when proposing AI/LLM adoption strategies for specific industries, departments, or business scenarios.
Generate AI-powered BPO service proposals for Japanese companies in the US market. Use when creating outsourcing proposals with AI service menus, ROI estimation, implementation roadmaps, and bilingual (JA/EN) proposal documents for 在米日系企業向けAI実装.
日本語の概要は準備中です。原文の説明を表示しています。
AI（LLM）が生成した日本語テキストの「AI臭」を検出・診断し、人間らしい文章にリライトするスキル。 Use when: 「AIっぽい文章を直して」「人間らしくリライトして」「AI臭を消して」「この文章をもっと自然にして」 「テキストのAI感を減らして」「機械っぽさを取りたい」 "make this sound more human", "remove AI tone", "humanize this text", "detect if this is AI-generated". 6つのAI特有パターン（視覚的マーカー、単調なリズム、マニュアル的構成、非コミット姿勢、抽象語の濫用、 定型メタファー）を正規表現ベースで検出し、0-100のAI臭スコアを算出。3つの人間化技法 （バランスを崩す・客観を崩す・論理を崩す）でリライトを実行する。 Note: 検出スクリプトは日本語テキスト専用。英語テキストの場合はClaude自身がreferences/を参照して分析・リライトする。
Generate audit-ready internal control design documents from As-Is business process inventories. Produces control IDs, assertion mappings, procedures, SoD analysis, KPIs, materiality thresholds, and implementation roadmaps. Use when building internal controls for new audit engagements, SOX/J-SOX compliance, or process improvement initiatives.
日本語の概要は準備中です。原文の説明を表示しています。
Review audit-related documents (control design documents, bottleneck analyses, requirements definitions, etc.) for quality, scoring them 0-100 with a severity-rated findings list. Use when reviewing audit documents, checking control design quality, or verifying cross-document consistency. Supports documents governed by US GAAP, IFRS, or J-GAAP.
日本語の概要は準備中です。原文の説明を表示しています。