Claude Fable 5の「働き方」を下位モデルに移植する──蒸留なしで実現する行動署名抽出の技術

Claude Codeを使い込んでいるエンジニアなら、誰もが経験したことがあるはずです。最上位モデルのClaude Fable 5で快適にコーディングしていたのに、週間利用上限に達して下位モデルに切り替わった瞬間、**「何かが違う」**という違和感。出力される内容は一見正しく見えるのに、問題解決への進め方、タスクの分解の仕方、エラーへの対処方法が明らかに異なるのです。

この違和感の正体を定量化し、規約に抵触せずに下位モデルに移植する──そんな野心的なプロジェクト「fable-mode」がGitHubで公開されました。開発者のokaz氏が取り組んだのは、モデル蒸留ではなく「行動署名の抽出」という新しいアプローチです。

多くの開発者が最初に思いつくのは、上位モデルの出力を使って下位モデルをファインチューニングする「蒸留（distillation）」でしょう。しかし、Claude CodeをはじめとするほぼすべてのLLMサービスは、**モデルの出力を学習データとして使用することを利用規約で明確に禁止**しています。

fable-modeが採用したアプローチは根本的に異なります。モデルの「賢さ」そのものを移植するのではなく、**観測可能な「働き方」のパターン**を抽出するのです。具体的には以下の要素を分析します：

これらは「何を出力するか」ではなく「どう動くか」の情報であり、規約違反には該当しません。モデルの内部ロジックや出力内容を盗用するのではなく、外部から観測できる「振る舞いのメタデータ」を記録しているに過ぎないからです。

従来手法との決定的な違い

このアプローチは、既存のAI活用技術と比較して明確な独自性を持っています。

**プロンプトエンジニアリングとの違い**：従来のプロンプト最適化は「何を入力するか」に焦点を当てますが、fable-modeは「どう動くか」のパターンを制御します。プロンプトは1回の入力に対する工夫ですが、行動署名は連続した作業フロー全体を最適化する概念です。

**RAG（検索拡張生成）との違い**：RAGは外部知識の参照タイミングを制御しますが、fable-modeはタスク分解や問題解決の「手順そのもの」を制御します。情報をどう取得するかではなく、情報をどう使って仕事を進めるかの違いです。

**エージェントフレームワークとの関係**：LangChainやAutoGPTのようなエージェントフレームワークは、ツール呼び出しの順序を制御しますが、多くは汎用的な設計です。fable-modeは特定の上位モデルの「クセ」を学習し、それを再現する点で特化型と言えます。

メリットと注意すべき点の両面分析

**メリット**：

1. **コスト効率の劇的改善**：上位モデルの利用回数を減らしつつ、作業品質を維持できます

2. **規約準拠**：モデル蒸留と異なり、サービス規約に違反しません

3. **透明性**：どのような「働き方」を採用しているか可視化できます

4. **汎用性**：Claude Code以外のAIコーディングツールにも応用可能な概念です

**注意点**：

1. **行動署名の抽出コスト**：最初に上位モデルを使って署名を記録する必要があり、初期投資が発生します

2. **モデル更新への追従**：上位モデルがアップデートされると、署名の再取得が必要になる可能性があります

3. **完全な再現は不可能**：あくまで「働き方」の模倣であり、モデルの推論能力そのものは向上しません

4. **過学習リスク**：特定のプロジェクトに最適化しすぎると、他の用途で逆効果になる可能性があります

どんな場面・人に向いているか

この手法が特に有効なのは以下のケースです：

逆に、探索的な開発や創造的な問題解決が必要な場面では、行動署名による制約が逆に足かせになる可能性があります。

1. 自分の作業パターンを観察する

fable-modeを導入する前に、まず**自分自身がClaude Codeをどう使っているか**を1週間記録してみましょう。上位モデルと下位モデルで、どのような指示の出し方の違いがあるか、どのタイミングでモデルを切り替えているかをメモします。この「メタ認知」が、行動署名の概念を理解する第一歩です。

2. GitHubリポジトリで実装を確認する

[fable-mode](https://github.com/okazaky/fable-mode)のコードを実際に読んでみましょう。特に以下の点に注目してください：

コードを読むことで、抽象的な概念が具体的な実装として理解できます。

3. 小規模な実験から始める

最初から全ての作業をfable-mode経由で行うのではなく、**限定的なタスク**（例：特定のファイルのリファクタリング）で試してみましょう。上位モデル直接使用・下位モデル直接使用・fable-mode経由の3パターンで同じタスクを実行し、作業時間と品質を比較します。この定量的な検証が、本格導入の判断材料になります。

fable-modeが提示した「行動署名」という概念は、AI活用の新しい地平を開くものです。モデルの「賢さ」ではなく「働き方」に着目することで、規約に抵触せず、かつコスト効率の高いAI活用が可能になります。

今後、この手法が広がれば、各開発チームが独自の「理想的な作業パターン」を定義し、それをAIに適用する時代が来るかもしれません。AIツールを「どう使うか」から「どう動かすか」へ──パラダイムシフトの萌芽がここにあります。

この情報は @okaz さんの投稿を参考にしています。