Fabric：开源AI工作流与Prompt辅助框架详解

在 AI 技术爆发的今天，我们拥有了无数强大的大模型和工具，但如何高效地将这些能力集成到日常工作流中，仍然是一个巨大的挑战。通常我们面临的问题不是”AI 能做什么”，而是”如何让 AI 帮我做这件事”。

Fabric 正是为了解决这个问题而诞生的。它是一个旨在通过 AI 增强人类能力的开源框架，核心理念是将 AI 的原子能力封装成标准化的”模式”（Patterns），让我们能够像使用命令行工具一样方便地调用 AI 能力。

什么是 Fabric？

Fabric 由安全专家 Daniel Miessler 创建，它不仅仅是一个工具，更是一种使用 AI 的方法论。

核心痛点

• Prompt 管理混乱：每个人都在写 Prompt，但很难复用、版本控制和分享。
• 集成困难：在这个应用里用 ChatGPT，在那个应用里用 Claude，缺乏统一的入口。
• 上下文切换：为了使用 AI，需要在不同窗口间频繁切换，打断心流。

核心特性

• Patterns（模式）：Fabric 将高质量的 Prompt 封装为 Pattern，每个 Pattern 解决一个具体问题（如”提取视频摘要”、”分析代码安全”、”撰写技术文章”）。
• 命令行优先：通过 CLI 接口，Fabric 可以轻松接入 Shell 管道（Pipeline），与其他 Linux 工具（如 grep, pbpaste, cat）组合使用。
• 多模型支持：支持 OpenAI, Anthropic, Google, Ollama 等多种后端模型。
• YouTube 集成：内置强大的 YouTube 视频内容提取功能。

安装与配置

Fabric 使用 Go 语言重构后，安装变得非常简单。

1. 安装 Fabric

Linux / macOS (推荐一键安装):

curl -fsSL https://raw.githubusercontent.com/danielmiessler/fabric/main/scripts/installer/install.sh | bash

Windows (PowerShell):

iwr -useb https://raw.githubusercontent.com/danielmiessler/fabric/main/scripts/installer/install.ps1 | iex

使用 Go 安装 (适用于开发者):

go install github.com/danielmiessler/fabric/cmd/fabric@latest

2. 配置

安装完成后，运行 setup 命令进行初始化，配置 API Key 和相关设置：

fabric --setup

在此过程中，你需要提供各大模型提供商的 API Key（如 OpenAI API Key）。配置信息会保存在 ~/.config/fabric/ 目录下。

常用功能与使用示例

Fabric 的强大之处在于它可以融入你的命令行工作流。

基础用法

基本语法结构：

fabric --pattern [pattern_name]
# 或者简写
fabric -p [pattern_name]

场景一：总结文章内容

你可以将剪贴板的内容直接投喂给 Fabric：

# 读取剪贴板内容并总结
pbpaste | fabric --pattern summarize

# 将文件内容传递给 Fabric 进行分析
cat config.yaml | fabric --pattern analyze_claims

场景二：YouTube 视频智慧提取

这是 Fabric 最受欢迎的功能之一。它可以直接抓取 YouTube 视频字幕，并提取其中的核心观点和智慧，而不仅仅是简单的摘要。依赖 YouTube APIKEY

# 提取视频中的核心智慧（Wisdom）
fabric -y "https://www.youtube.com/watch?v=VIDEO_ID" --pattern extract_wisdom

场景三：代码分析与解释

# 解释一段代码
cat complex_function.py | fabric --pattern explain_code

# 为代码生成文档
cat main.go | fabric --pattern create_design_document

场景四：即时流式输出

使用 --stream 或 -s 参数可以获得类似 ChatGPT 的打字机效果：

echo "解释量子纠缠" | fabric --pattern explain_terms --stream

常用核心命令详解

为了让大家更直观地理解 Fabric 的能力，这里精选了几个最具代表性的 Pattern 进行详细说明：

Pattern 名称	功能描述	典型应用场景
summarize	内容摘要专家。将输入内容压缩为一句话总结、10个主要观点和5个核心收获（Takeaways）。	快速阅读长文章、会议纪要或复杂的文档。
extract_wisdom	智慧提取器（Fabric 核心）。从内容中提取核心观点、洞见、名言、习惯和事实，不仅仅是摘要，而是深度提炼。	深度阅读文章、视频或书籍，提取最有价值的信息。
explain_code	代码解释器。解释代码的功能、逻辑，如果是安全工具输出则解释其含义，如果是配置文件则解释设置项。	接手新项目时快速理解代码，或学习新的编程语言/框架。
create_command	根据工具的帮助文档（Help）生成正确的 CLI 命令。它能通过阅读文档，生成精准的 Bash 命令。	忘记某个复杂 Linux 命令的参数时，直接把 help 信息投喂给它生成命令。
create_formal_email	商务邮件写作助手。根据上下文和目的，撰写语气得体、专业规范的正式邮件。	回复客户咨询、发送正式通知或进行商务沟通。
humanize	人性化重写工具。将 AI 生成的生硬文本重写为自然、流畅、具有”人味”的内容。它会优化句子节奏、去除机器味，使其更像真人的表达。	让 ChatGPT 生成的邮件、文案或对话看起来更自然、更有亲和力。
fix_typos	文本校对专家。专注于修复拼写错误、语法问题和标点符号错误，不改变原意，只做清洗和专业化处理。	发送重要文档、邮件或发布文章前的最后一道检查。
clean_text	文本清洗工具。修复断行、格式混乱的文本，添加正确的段落和标点，不做内容修改。	处理 PDF 复制出来的乱码文本，或 OCR 识别后的混乱文本。
write_essay	写作专家。根据输入的主题，模仿特定作者（默认或指定）的风格撰写清晰、有深度的文章。	撰写博客、专栏文章或深度评论。
summarize_meeting	会议纪要生成器。提取会议概览、关键点、任务分配、决策、挑战、时间线和后续步骤。	整理 Zoom/Teams 会议转录文本，快速生成可分发的会议纪要。
create_prd	产品需求文档（PRD）生成器。将产品创意或描述转化为包含目标、功能、用户故事、技术要求等章节的完整 PRD。	产品经理快速草拟需求文档，或将头脑风暴的结果结构化。
create_design_document	软件架构设计专家。基于输入的需求描述，使用 C4 模型（Context, Container, Deployment）生成详细的设计文档，包含 Mermaid 图表代码。	架构师或技术负责人进行系统设计和文档编写。
create_git_diff_commit	Git 提交信息生成器。分析代码变更（git diff），生成符合 Conventional Commits 规范的提交命令和 commit message。	开发者提交代码时，自动生成规范、清晰的 commit log。
analyze_terraform_plan	专家级 Terraform 计划分析器。它能分析 Terraform plan 的输出，评估基础设施变更、安全风险、成本影响和合规性考量。	DevOps 工程师在执行 terraform apply 前进行自动化代码审查。
analyze_claims	真实性分析专家。分析内容中的核心主张，提供支持证据、反驳证据，并识别逻辑谬误，进行真实性评级（A-F）。	阅读具有争议性的文章、新闻或辩论，进行批判性思考和事实核查。
analyze_candidates	候选人/竞选者对比分析。分析并对比两名候选人在关键议题上的立场、政策优劣势及背景信息。	选举期间对比候选人政纲，或用于对比两个待选方案/人物。
suggest_pattern	Fabric 导航员。根据你的需求描述，智能推荐最适合的 Fabric Pattern，并解释原因和用法。	刚接触 Fabric，不知道该用哪个 Pattern 解决手头问题时。
improve_prompt	Prompt 优化专家。基于 Prompt Engineering 最佳实践（如 CoT、Few-Shot），优化输入的 Prompt，使其更清晰、高效。	当你的 Prompt 效果不佳时，用它来”修一修”。
create_pattern	Pattern 制造机。将一段普通的 Prompt 或指令，转化为符合 Fabric 标准结构的 Pattern（包含 Identity, Steps, Output Instructions 等）。	想要将自己常用的 Prompt 封装成 Fabric Pattern 分享或复用时。

Fabric Patterns 大全

Pattern 是 Fabric 的灵魂。以下是 Fabric 目前支持的所有 Pattern 分类列表（按功能前缀分类）：

Analyze（分析类）

这类 Pattern 用于对输入内容进行深度分析，挖掘潜在信息、逻辑漏洞或安全风险。

• analyze_answers: 分析回答的质量和相关性。
• analyze_bill: 分析账单或发票。
• analyze_bill_short: 简短版账单分析。
• analyze_candidates: 分析求职者简历。
• analyze_cfp_submission: 分析会议征稿提交内容。
• analyze_claims: 核心功能，分析文本中提出的所有主张（Claims）及其真实性。
• analyze_comments: 分析评论区的情感和观点。
• analyze_debate: 分析辩论双方的论点和逻辑。
• analyze_email_headers: 分析邮件头，用于安全取证。
• analyze_incident: 分析安全事件或事故报告。
• analyze_interviewer_techniques: 分析面试官的提问技巧。
• analyze_logs: 运维必备，智能分析系统日志。
• analyze_malware: 分析恶意软件特征（需谨慎使用）。
• analyze_military_strategy: 分析军事策略。
• analyze_mistakes: 分析失败原因和错误。
• analyze_paper: 深度分析学术论文。
• analyze_paper_simple: 简单版论文分析。
• analyze_patent: 分析专利文档。
• analyze_personality: 基于文本分析人物性格。
• analyze_presentation: 分析演示文稿结构和内容。
• analyze_product_feedback: 分析产品用户反馈。
• analyze_proposition: 分析提案或建议。
• analyze_prose: 分析散文的写作风格。
• analyze_prose_json: 以 JSON 格式输出散文分析结果。
• analyze_prose_pinker: 基于 Pinker 风格的散文分析。
• analyze_risk: 风险评估分析。
• analyze_sales_call: 分析销售通话记录。
• analyze_spiritual_text: 分析宗教或精神类文本。
• analyze_tech_impact: 分析技术对社会的影响。
• analyze_terraform_plan: DevOps必备，分析 Terraform 执行计划。
• analyze_threat_report: 分析安全威胁报告。
• analyze_threat_report_cmds: 提取威胁报告中的命令。
• analyze_threat_report_trends: 分析威胁趋势。

Create（创作与生成类）

用于生成各种格式的文档、代码、可视化图表或创意内容。

• create_5_sentence_summary: 生成五句式摘要。
• create_academic_paper: 生成学术论文草稿。
• create_ai_jobs_analysis: 生成 AI 就业分析报告。
• create_aphorisms: 生成格言或警句。
• create_art_prompt: 生成 AI 绘画提示词。
• create_better_frame: 重构问题框架。
• create_coding_feature: 生成代码功能实现思路。
• create_coding_project: 生成代码项目结构。
• create_command: 生成命令行指令。
• create_conceptmap: 生成概念图。
• create_cyber_summary: 生成网络安全摘要。
• create_design_document: 开发必备，生成软件设计文档。
• create_diy: 生成 DIY 指南。
• create_excalidraw_visualization: 生成 Excalidraw 可视化数据。
• create_flash_cards: 生成学习闪卡。
• create_formal_email: 生成正式邮件。
• create_git_diff_commit: 基于 git diff 生成 Commit 信息。
• create_graph_from_input: 从输入生成图表数据。
• create_hormozi_offer: 生成类似 Alex Hormozi 风格的商业报价。
• create_idea_compass: 生成创意指南针。
• create_investigation_visualization: 生成调查可视化。
• create_keynote: 生成 Keynote 演讲大纲。
• create_loe_document: 生成工作量估算（LOE）文档。
• create_logo: 生成 Logo 设计灵感。
• create_markmap_visualization: 生成思维导图（Markmap）。
• create_mermaid_visualization: 生成 Mermaid 图表代码。
• create_mermaid_visualization_for_github: 专为 GitHub 优化的 Mermaid 图表。
• create_micro_summary: 生成微型摘要。
• create_mnemonic_phrases: 生成记忆口诀。
• create_network_threat_landscape: 生成网络威胁态势图。
• create_newsletter_entry: 生成通讯录条目。
• create_npc: 生成游戏 NPC 设定。
• create_pattern: 元功能，用于创建新的 Fabric Pattern。
• create_prd: 产品经理必备，生成产品需求文档（PRD）。
• create_prediction_block: 生成预测模块。
• create_quiz: 生成测试题。
• create_reading_plan: 生成阅读计划。
• create_recursive_outline: 生成递归大纲。
• create_report_finding: 生成报告发现。
• create_rpg_summary: 生成 RPG 游戏摘要。
• create_security_update: 生成安全更新通告。
• create_show_intro: 生成节目介绍。
• create_sigma_rules: 生成 Sigma 安全规则。
• create_story_about_people_interaction: 生成人物互动故事。
• create_story_about_person: 生成人物故事。
• create_story_explanation: 生成故事解释。
• create_stride_threat_model: 生成 STRIDE 威胁模型。
• create_summary: 生成通用摘要。
• create_tags: 自动生成标签。
• create_threat_scenarios: 生成威胁场景。
• create_ttrc_graph: 生成 TTRC 图表。
• create_ttrc_narrative: 生成 TTRC 叙述。
• create_upgrade_pack: 生成升级包说明。
• create_user_story: 生成用户故事。
• create_video_chapters: 生成视频章节划分。
• create_visualization: 生成通用可视化描述。

Extract（提取类）

用于从长文本或复杂内容中提炼关键信息。

• extract_algorithm_update_recommendations: 提取算法更新建议。
• extract_alpha: 提取高价值信息（Alpha）。
• extract_article_wisdom: 提取文章智慧。
• extract_book_ideas: 提取书籍核心创意。
• extract_book_recommendations: 提取书籍推荐。
• extract_business_ideas: 提取商业创意。
• extract_characters: 提取人物角色。
• extract_controversial_ideas: 提取有争议的观点。
• extract_core_message: 提取核心信息。
• extract_ctf_writeup: 提取 CTF 解题思路。
• extract_domains: 提取域名信息。
• extract_extraordinary_claims: 提取非凡的主张。
• extract_ideas: 提取创意。
• extract_insights: 提取洞察。
• extract_insights_dm: Daniel Miessler 风格的洞察提取。
• extract_instructions: 提取操作指令。
• extract_jokes: 提取笑话。
• extract_latest_video: 提取最新视频信息。
• extract_main_activities: 提取主要活动。
• extract_main_idea: 提取中心思想。
• extract_mcp_servers: 提取 MCP 服务器配置。
• extract_most_redeeming_thing: 提取最有价值的一点。
• extract_patterns: 提取模式。
• extract_poc: 提取概念验证（PoC）。
• extract_predictions: 提取预测信息。
• extract_primary_problem: 提取主要问题。
• extract_primary_solution: 提取主要解决方案。
• extract_product_features: 提取产品特性。
• extract_questions: 提取问题。
• extract_recipe: 提取食谱。
• extract_recommendations: 提取推荐建议。
• extract_references: 提取参考文献。
• extract_skills: 提取技能点。
• extract_song_meaning: 提取歌曲含义。
• extract_sponsors: 提取赞助商信息。
• extract_videoid: 提取视频 ID。
• extract_wisdom: 明星功能，提取核心智慧和洞见。
• extract_wisdom_agents: 提取 Agent 相关的智慧。
• extract_wisdom_dm: DM 风格的智慧提取。
• extract_wisdom_nometa: 不包含元数据的智慧提取。

Summarize（摘要类）

专注于不同场景下的文本摘要。

• summarize: 通用摘要。
• summarize_board_meeting: 董事会会议摘要。
• summarize_debate: 辩论摘要。
• summarize_git_changes: Git 变更摘要。
• summarize_git_diff: Git Diff 摘要。
• summarize_lecture: 讲座/课程摘要。
• summarize_legislation: 法律法规摘要。
• summarize_meeting: 会议纪要摘要。
• summarize_micro: 微型摘要。
• summarize_newsletter: 通讯摘要。
• summarize_paper: 论文摘要。
• summarize_prompt: Prompt 摘要。
• summarize_pull-requests: PR 摘要。
• summarize_rpg_session: RPG 游戏进程摘要。

Coding & Technical（编程与技术类）

• clean_text: 清理文本格式。
• coding_master: 编程专家模式。
• explain_code: 解释代码逻辑。
• explain_docs: 解释文档。
• explain_project: 解释项目结构。
• export_data_as_csv: 将数据导出为 CSV。
• fix_typos: 修正拼写错误。
• generate_code_rules: 生成代码规范。
• improve_prompt: 优化 Prompt。
• review_code: 代码审查。
• review_design: 设计审查。
• sanitize_broken_html_to_markdown: 修复并转换 HTML 为 Markdown。
• write_latex: 编写 LaTeX。
• write_nuclei_template_rule: 编写 Nuclei 扫描规则。
• write_pull-request: 编写 PR 描述。
• write_semgrep_rule: 编写 Semgrep 规则。

Others（其他实用工具）

• agility_story: 敏捷故事编写。
• ai: 通用 AI 对话。
• answer_interview_question: 回答面试题。
• apply_ul_tags: 添加无序列表标签。
• ask_secure_by_design_questions: 询问”安全设计”相关问题。
• ask_uncle_duke: 咨询 Uncle Duke（虚拟角色）。
• capture_thinkers_work: 捕捉思想家的工作。
• check_agreement: 检查协议。
• compare_and_contrast: 比较与对比。
• concall_summary: 电话会议摘要。
• convert_to_markdown: 转换为 Markdown。
• dialog_with_socrates: 与苏格拉底对话（苏格拉底式提问）。
• enrich_blog_post: 丰富博客文章内容。
• explain_math: 解释数学概念。
• explain_terms: 解释术语。
• find_female_life_partner: （趣味）寻找女性伴侣建议。
• find_hidden_message: 寻找隐藏信息。
• find_logical_fallacies: 寻找逻辑谬误。
• get_wow_per_minute: 计算”惊叹时刻”频率。
• heal_person: 疗愈对话。
• humanize: 使文本更人性化。
• identify_dsrp_...: DSRP 系统思维相关分析。
• identify_job_stories: 识别 Job Stories。
• improve_academic_writing: 优化学术写作。
• improve_report_finding: 优化报告发现。
• improve_writing: 优化通用写作。
• judge_output: 评判输出质量。
• label_and_rate: 标记并评分。
• md_callout: Markdown 标注。
• model_as_sherlock_freud: 扮演福尔摩斯或弗洛伊德。
• official_pattern_template: 官方 Pattern 模板。
• predict_person_actions: 预测人物行为。
• prepare_7s_strategy: 准备 7S 战略分析。
• provide_guidance: 提供指导。
• rate_ai_response: 评分 AI 回答。
• rate_ai_result: 评分 AI 结果。
• rate_content: 内容评分。
• rate_value: 价值评分。
• raw_query: 原始查询。
• recommend_artists: 推荐艺术家。
• recommend_pipeline_upgrades: 推荐流水线升级。
• recommend_talkpanel_topics: 推荐座谈会话题。
• recommend_yoga_practice: 推荐瑜伽练习。
• refine_design_document: 优化设计文档。
• suggest_pattern: 建议 Pattern。
• t_...: 一系列以 t_ 开头的思维工具（Thinkers）。
• to_flashcards: 转换为闪卡。
• transcribe_minutes: 记录会议纪要。
• translate: 翻译。
• tweet: 生成推文。
• write_essay: 撰写文章。
• write_essay_pg: Paul Graham 风格文章。
• write_hackerone_report: 撰写 HackerOne 漏洞报告。
• write_micro_essay: 撰写微型文章。
• youtube_summary: YouTube 视频摘要。

总结

Fabric 不仅仅是一个工具集合，它代表了一种将 AI 能力模块化、流程化的先进理念。通过使用 Fabric，我们可以：

1. 复用优秀经验：直接使用专家打磨好的 Prompt (Pattern)。
2. 提高效率：命令行接口让批量处理和自动化成为可能。
3. 专注核心价值：从重复的 Prompt 编写中解放出来，专注于内容本身。

如果你是开发者、安全研究员、内容创作者，或者任何希望通过 AI 提升效率的人，Fabric 都值得你立即尝试。

本文由 AI 辅助生成，如有错误或建议，欢迎指出。