项目介绍
Fabric 是围绕可复用 Pattern 构建的开源提示词工作流工具。每个 Pattern 都是可检查的 Markdown 系统提示词，当前 Go CLI 则负责输入处理、模型连接、流式输出、策略与结果控制。它因此不只是一张提示词清单：用户可以直接阅读或修改 Prompt，再将同一套流程稳定应用到文本、网页或 YouTube 内容。仓库也提供 REST API 和 Web 界面，但对本目录而言，最值得收录的是持续维护的 Pattern 合集及其执行工具。
核心功能
可读、可复用的 Patterns
Patterns 作为 Markdown 系统提示词存放在 data/patterns 下，不被封装在不透明应用里，因此可检查、修改、版本管理，也可脱离 Fabric 使用。
多种输入来源
README 记录了标准输入、文件、网页和 YouTube URL，可让同一个 Pattern 复用于常见研究与写作材料。
执行与输出控制
CLI 提供流式、JSON、模型选择、输出文件、复制到剪贴板、会话和 dry-run 等选项；dry-run 可在模型调用前检查组合后的请求。
策略与本地定制
Strategy JSON 文件定义多步推理工作流，自定义 Patterns 目录则可让私有内容与仓库更新分离。
获取与使用
按项目记录的方式安装当前 Go 版 Fabric CLI，通过交互配置选择模型提供商，并在发送真实内容前依次检查版本、Pattern 列表与 dry-run 结果。
让 AI Agent 帮你安装
把这段话发送给 Codex、Claude Code 或其他可以操作本地环境的 AI Agent。
请帮我从 https://github.com/danielmiessler/Fabric 安装并配置 Fabric。先阅读当前 README、安装说明、LICENSE 和安全策略，确认我的操作系统、CPU 架构、安装目录、可用包管理工具，以及我要连接云端模型还是本地 Ollama / LM Studio。执行前展示仓库记录的准确命令。不要把 API Key 或 OAuth Token 写入仓库、Shell 历史、日志或对话；使用 Fabric 记录的配置位置并核验限制性文件权限。配置后运行 fabric --version、fabric --listpatterns 和 echo "test input" | fabric --dry-run -p summarize。未经我确认，不要把真实或敏感内容发送给模型；最后列出所有改动文件、配置项和验证结果，但不要泄露凭据。- macOS 或 Linux 需要 curl 或 wget、tar 和目标安装目录写权限
- Windows 需要 PowerShell 和目标安装目录写权限
- 准备所选云端模型提供商的凭据，或可访问的本地 Ollama / LM Studio
- 事先确认输入内容会被哪个服务接收、保存和处理
curl -fsSL https://raw.githubusercontent.com/danielmiessler/fabric/main/scripts/installer/install.sh | bash- 1选择安装路径
macOS 或 Linux 的推荐命令是 curl -fsSL https://raw.githubusercontent.com/danielmiessler/fabric/main/scripts/installer/install.sh | bash。Windows 可使用文档中的 PowerShell 安装器或 Winget；已有 Go 的用户可运行 go install github.com/danielmiessler/fabric/cmd/fabric@latest。本地策略要求时，先下载并检查安装器。
- 2配置一个模型提供商
运行 fabric --setup 并选择提供商。云端服务尽量使用范围受限的密钥；需要本地推理时配置 Ollama 或 LM Studio。不要把凭据放进仓库或命令示例。
- 3不调用模型先验证 CLI
运行 fabric --version 与 fabric --listpatterns，再执行 echo "test input" | fabric --dry-run -p summarize。确认载入的是预期 Pattern，输入内容也正确。
- 4用低风险内容首次执行
查看所选提供商的数据政策后，再用非敏感文本执行文档示例，例如 pbpaste | fabric --pattern summarize。输出仍需核对，不能直接视为事实。
- 5安全维护私有 Patterns
把本地或团队 Prompt 放入 Fabric 的自定义 Patterns 目录，避免仓库更新覆盖。自动化前检查输入中是否含秘密或提示注入内容。
先运行 fabric --version，再运行 fabric --listpatterns。首次连接模型前，用 echo "test input" | fabric --dry-run -p summarize 检查组合后的最小请求。dry-run 只能验证 CLI 与 Pattern 加载，不能证明模型连接成功。
- Unix 安装器会下载 Release 压缩包并修改用户安装路径；若本地策略要求，应先下载并审查再执行
- Homebrew 安装后的二进制名默认为 fabric-ai，除非按文档创建别名
- Fabric 将提供商密钥保存在 ~/.config/fabric/.env，并记录 Unix 类系统应使用 0600 权限
- 部分链接视频基于已停用的 Python 版本，安装与命令应以当前 Go 文档为准
使用场景
把长资料整理成固定简报
将文章或剪贴板内容传给 summarize Pattern，获得稳定结构后，再回到来源逐项核验重要结论。
从视频中提取可复用洞见
在来源允许的前提下，用文档记录的 YouTube 输入选项配合 extract_wisdom，并检查转录质量与提供商数据规则。
统一团队的分析提示词
把审核过的自定义 Patterns 纳入版本管理，在研究、写作或安全审查中通过同一套 CLI 重复运行。
使用评价
Fabric 的主要价值，是把可检查、覆盖面广的 Prompt 合集与持续维护的执行层放在一起，而不是只给出一串静态片段。MIT 许可证、明确的安装说明、本地模型选项、dry-run 和清晰目录，都让采用前的判断更容易。主要代价同样是操作层面的：多数用户仍会连接模型提供商，Prompt 与源内容因而跨越该服务的数据边界；自定义 Pattern 和不可信输入也需要常规的提示注入与准确性审查。本评价只依据公开资料，不宣称完成安装或模型调用测试。
值得一试的地方
- Patterns 是可读的 Markdown 文件，不是不透明的内置模板
- Prompt 合集与 CLI 都在 MIT 许可证下持续维护
- dry-run、本地模型和自定义 Pattern 目录提供了实用控制
使用前要知道
- 提供商费用、可用性、输出质量与数据留存仍是外部依赖
- 社区 Pattern 需要人工检查准确性、安全性和任务适配度
- 早期 Python 视频可能与当前 Go 工作流不一致
README
Fabric
Overview
将可复用的 Markdown Prompt Patterns、策略和 Go 命令行工具组合成可检查、可定制的 AI 工作流。 一个以模块化、众包 AI Prompts 帮助人类扩展能力的开源框架，这些 Prompts 可在不同环境中使用。
Getting started
- 按项目记录的方式安装当前 Go 版 Fabric CLI，通过交互配置选择模型提供商，并在发送真实内容前依次检查版本、Pattern 列表与 dry-run 结果。
- Fabric 把 AI 指令整理成仓库中的命名 Pattern。Pattern 以 Markdown 系统提示词保存，既可以直接检查并复制到其他 AI 应用，也可以通过 Fabric CLI 调用。
- 本次核对的仓库快照在 data/patterns 下包含 255 个目录，覆盖总结、主张分析、洞见提取、写作、安全分析和技术审查等用途；data/strategies 中的 JSON 策略还提供 CoT、ToT 等多步推理流程。
- 先运行 fabric --version，再运行 fabric --listpatterns。首次连接模型前，用 echo "test input" | fabric --dry-run -p summarize 检查组合后的最小请求。dry-run 只能验证 CLI 与 Pattern 加载，不能证明模型连接成功。
Configuration
curl -fsSL https://raw.githubusercontent.com/danielmiessler/fabric/main/scripts/installer/install.sh | bash