Fable 5 성능과 가격에 충격 먹은 사람이 GPT-5.6으로 깎아 만든 Claude,GPT,Gemini 용 md.
SaferSkills independently audited k-fable-opus-claude-md (Agent Skill) and scored it 87/100 (green). The audit ran 55 deterministic rules across Security, Supply Chain, Maintenance, Transparency, and Community; it found 0 high-severity and 3 lower-severity findings. The full rule-by-rule trace and per-finding evidence are below. Free, methodology-open.
Findings & checks · 3 flagged
The text {match} tells the agent to skip the normal "ask the user first" gate. Used adversarially it removes the human-in-the-loop check before destructive or sensitive actions, turning a normally-gated agent into a fire-and-forget executor.
The text {match} tells the agent to skip the normal "ask the user first" gate. Used adversarially it removes the human-in-the-loop check before destructive or sensitive actions, turning a normally-gated agent into a fire-and-forget executor.
The text {match} tells the agent to skip the normal "ask the user first" gate. Used adversarially it removes the human-in-the-loop check before destructive or sensitive actions, turning a normally-gated agent into a fire-and-forget executor.
Every scanned point with the score it earned and what moved between them.
First recorded scan — no prior version to compare against.
The primary manifest — the file an agent reads to learn what this artifact does.
2026-08-15 Fable 5 모델 제공 중단 전에 미리 야물딱지게 뽑아서 우리기 시작했고 지금도 우리고 있습니다.
Fable 5 은 똑부러지게 작업합니다. 토큰과 비용을 먹으며 작업은 나누고 제대로 똑부러지게 하는 편입니다. 무엇보다 재미로도, 미학적으로도 깔끔합니다. Opus 5 은 효과가 가장 좋습니다. 토큰 덜 먹고, 작업은 천천히 나눠서 합니다. 가끔 버그와 문제를 못 찾습니다.
GPT 5.6 Sol 은 확실하게 만들지만 토큰을 많이 먹고 작업은 천천히 합니다. 사용량이 먼저 오링납니다. 보통 Opus5 에서 못 고친걸 Sol 에게 외주주면 됩니다. GPT 5.6 Terra 은 적당히 만들지만 토큰도 적당히 쓰고 작업은 느리게 오랫동안 합니다. 수십시간이 걸릴수도 있습니다. 어느 순간 삼천포에 빠지거나, 장기 작업에서 끝없는 블랙홀에 빨려들어갈수도 있습니다. 이도저도 아닌거죠. GPT 5.6 Luna 은 조각조각 만들고, 토큰을 적게 먹고 천천히 이어 붙이고 오류를 수정해서 20% 확률로 작동합니다. 확률형 뽑기라고 생각하면 됩니다. 아무리 저렴하다고 하지만, 이걸 쓸 일은 별로 없을겁니다.
Gemini 3.7 Flash / 3.1 Pro 에서는 덜 멍청해집니다. 모델 성능은 어쩔수 없는거니까요. 멍청한 바보에게 아무리 좋은 교육과 선생님이 있어도 똑똑해질수는 없습니다. 이래도 Gemini를 사용하시겠나요?
Deepseek V4 Pro / Flash 그리고 GLM 5.1/5.2/5.3 등 중국산 LLM 에서는 사용을 추천하지 않습니다. 벤치맥싱으로 이루어진 SLOP 이니까요. 프로젝트를 철저히 복구 불가능하게 망치고 공든 탑을 무너트리고 싶으시면 사용하시면 됩니다.
Fable 5가 먹은 토큰 사용량에 충격 먹은 사람이 GPT-5.6 Sol Max 와 Fable 5 Max 로 깎아 만든 Fable 5 그리고 Opus 5 용 CLAUDE.md 그리고 이 CLAUDE.md를 기반으로 만든 GPT-5.6 Sol 용 AGENTS.md GPT-5.6-Sol 과 Fable 5 / Opus 5 에 최적화 되어 있습니다. 물론, 우리의 모자란 Gemini 를 위해서도 만들었습니다 (GEMINI.md).
한국어로 대답하고, 헛짓 줄이고, 작게 고치고, 검증하고, 위험한 명령은 조심하게 만드는 세팅입니다.
추론 강도는 high, xhigh, max 에서 모두 좋지만, 적당히 high 로 타협을 봅시다. 왜냐하면 추론 강도를 올릴수록 돈은 더 나가고, 더 잘 될 거라는 보장이 없으니까요.
Fable 5처럼 오래 보고, Opus처럼 깊게 보고, 한국어로 일하게 만들기 위한CLAUDE.md,AGENTS.md,GEMINI.md
미리 말씀드리지만 기대하지 마십쇼. 마법의 요술봉 그런 것 아닙니다. 뭐든지 다 되는 그런 것도 아닙니다. 사용했다가 프로젝트가 박살나도 모릅니다.
CLAUDE.md는 Claude Code용 프로젝트 설정 파일입니다. AGENTS.md는 Codex용 프로젝트 설정 파일입니다. GEMINI.md는 Antigravity용 프로젝트 설정 파일입니다.
이 레포의 설정 파일들은 AI가 다음처럼 행동하도록 유도합니다.
프롬프트 던지자마자 첫 출력을 사용자가 시킨 일 요약·확인부터 하고 시작합니다. 군대처럼 확실하게 알아먹었는지 확인하고 일 시키는 주인장의 군인 시절 습관이 들어갔습니다. LLM에게 복명복창을 시키는 진짜 이유는 요구사항을 컨텍스트에 확실하게 주입해서, 모델이 혼자만의 헛된 추론이나 망상, 자의적인 추측과 가설을 펼치지 못하게 꽉 틀어쥐기 위함입니다.
(한국인은 예의가 최우선이니까요.)
(+ 플젝이 개박살 나는 것 최소한의 방지) (- 반복 검증을 하며 어느 순간 실수를 찾을 수도 있습니다.)
(+ 과하게 만들어서 오히려 덜어내지 않게)
(- 가끔 냄새나는 걸 버리는 게 아닌 덮으려고 하지만,,,)
검증 안 돌리고 성공했다고 뻥치는 것 금지. 에러 터지면 될 때까지 가설 세우고 다시 고치고 재검증.
특별한 이유 없으면 파일 하나 500줄 넘기지 말 것. 그냥 줄 수만 쪼개는 꼼수 쓰지 말고, 폴더랑 파일 딱딱 나눠서 인간이 유지보수 가능하게 만들 것.
(+ 컴퓨터를 개작살내면 안 되니까요.)
(+ 그런 편이더라구요.) (- 다만, 개발이 좀 더딜 수 있습니다.)
(+ 라이선스, 특허, 저작권 생각하며 가져오도록 유도... 확인과 검증은 사람의 몫.) (- 각종 문제를 피하겠지만 주석에서 뽀록날 수도 있으니 직접 눈으로 확인하십쇼.)
프롬프트 입력 즉시 첫 출력에서 요구사항부터 복명복창하고, 모든 설명과 보고는 한국어 존댓말로 작성합니다. 예의와 확인, 책임, 신뢰가 최우선이라는 주인장의 군대 문화가 들어갔습니다. 무엇보다 복명복창으로 컨텍스트를 먼저 고정해야 LLM이 혼자만의 망상과 헛추론, 근거 없는 가설에 빠지는 걸 막을 수 있습니다.
장황한 설명보다 복명복창 후 원인, 변경 내용, 검증 결과, 남은 리스크를 우선합니다. 선보고 후조치 스타일입니다.
옆 파일 정리, 불필요한 리팩토링, 과한 추상화를 막습니다. "기본에 충실하자", "내 할 일이라도 똑바로 하자." : 동일하게 주인장의 군대 문화가 들어갔습니다.
typecheck, lint, test, build 같은 검증을 거치고, 실패하면 원인 파악해서 다시 고치는 루프를 돕니다. 얼렁뚱땅 성공했다고 치고 넘어가는 꼬라지를 막는 겁니다.
단일 파일 500줄 제한. 무지성 거대 파일 생성을 막고, 책임별로 세부 파일과 폴더를 쪼개 사람이 유지보수할 수 있게 지킵니다.
.env, SSH 키, AWS 설정 같은 민감 파일과 위험 명령을 조심하게 만듭니다. '바이브 코딩' 하다가 최소한 내 돈과 개인정보는 털리면 안 되니까요.
큰 작업에서도 원래 목표를 잃지 않고 작은 단위의 완성 루프로 나눠서 차근차근 진행합니다. 막 만들다가는 빠꾸가 안 되고 토큰만 몇 배로 태우니까요.
프로젝트 루트에 CLAUDE.md, AGENTS.md, GEMINI.md 를 복사하면 됩니다.
cp CLAUDE.md /path/to/your/project/CLAUDE.md
cp AGENTS.md /path/to/your/project/AGENTS.md
cp GEMINI.md /path/to/your/project/GEMINI.md혹시나 노파심에 말씀드리지만 /path/to/your/project/이란 경로는 없습니다. 여러분의 실제 프로젝트 경로에 넣길 바랍니다.
Claude Code에서 메모리 로드 상태를 확인합니다.
/memory정상이라면 대략 이런 식으로 보입니다.
Project memory Saved in ./CLAUDE.md
User memory Saved in ~/.claude/CLAUDE.mdCodex / Antigravity도 비슷하게 각자 설정 파일을 인식합니다.
전역 메모리는 짧게 두고, 프로젝트 메모리는 길게 두는 구성을 추천합니다.
~/.claude/CLAUDE.md # 짧은 개인 전역 규칙
./CLAUDE.md # 프로젝트별 긴 규칙전역 메모리에는 이런 정도만 두는 편이 좋습니다.
# 전역 Claude Code 규칙
- 모든 일반 답변은 한국어 존댓말로 작성한다.
- 코드, 명령어, 파일 경로, API 이름, 로그는 원문을 유지한다.
- 작업 전 기존 코드를 먼저 읽고, 추측으로 수정하지 않는다.
- 수정 후 가능한 검증 명령을 실행한다.
- 검증하지 않은 내용은 성공했다고 말하지 않는다.
- 위험한 삭제, 강제 푸시, 시크릿 접근은 사용자 허가 없이 하지 않는다.플젝별로 써보다가 계속 오류 터지는 것과 계속하는 실수를 막을 내용을 넣으세요.
이 파일들의 목적은 LLM을 “똑똑한 척하는 말 많은 도구”가 아니라 정확히 복명복창하고, 코드 먼저 읽고, 작게 고치고, 검증하고, 정직하게 보고하는 작업자처럼 굴리게 만드는 것입니다.
원칙은 단순합니다.
복명복창 → 읽고 → 작게 고치고 → 검증(실패 시 재수정) → 솔직히 보고한다이 CLAUDE.md, AGENTS.md, GEMINI.md는 만능 부적이 아닙니다.
프로젝트 구조, 권한 설정, 모델 상태, 사용자의 지시 방식에 따라 결과는 달라질 수 있습니다.
사용했다가 프로젝트가 박살나도 모릅니다. 그건 당연히 어쩔 수 없는 설정 파일 탓도, 신 탓도 아닌 99% 확률로 어쩔 수 없는 모델의 멍청함과 이상한 AI 관련 덕지덕지 붙은 플러그인의 영향입니다. 아니면 1%의 사용자 입력 프롬프트 탓입니다.
하네스 엔지니어링 프롬프트 엔지니어링 멀티 에이전트 루프 에이전트
등... 여러 기반으로 제대로 만들어지지 않은 ~~AI Slop, AI 쓰레기~~와 ~~Tokenmaxxing, 토큰 낭비 문화~~ 속에서 만들어진 이상한 것들을 사용하는 것보다는
인간 중심 판단(Human-in-the-loop)을 생각합시다. 사람이 판단하면 무엇보다 판단 비용은 0원 이니까요.
각각의 기술론에 대해서는 당연히 AI 발전 속에서 생겨난 방향성을 가진 기술이자 한 가지의 방법론이라고 생각합니다.
덮어놓고 쓰다 보면 거지꼴을 못 면합니다. AI는 신도 아니며 완벽하지도 않습니다.
당연한 이야기로, 중요한 프로젝트에서는 반드시 Git 상태를 확인하고, 백업하거나 브랜치를 나눈 뒤 사용하십시오.
git status --short
git switch -c 내-플젝명단, 오래된 Git 환경이라면(거의 없겠지만) checkout -b가 호환성은 더 좋습니다.
MIT 라이선스 (MIT License).
가져다 쓰고, 고치고, 자기 프로젝트에 박아도 됩니다. 다시 한번 말씀드리지만 기대하지 마십쇼. 마법의 요술봉 그런 것 아닙니다. 뭐든지 다 되는 그런 것도 아닙니다. 사용했다가 프로젝트가 박살나도 모릅니다.
~30 seconds. Free. No account. Every finding cites a rule and a line of evidence.