用 Fabric 的 extract_ideas Pattern 从任意内容中系统化抽取核心观点

用 Fabric 的 extract_ideas Pattern 从任意内容中系统化抽取核心观点【免费下载链接】FabricFabric is an open-source framework for augmenting humans using AI. It provides a modular system for solving specific problems using a crowdsourced set of AI prompts that can be used anywhere.项目地址: https://gitcode.com/GitHub_Trending/fa/Fabricextract_ideas 是 Fabric 开源仓库中data/patterns提示词模式集中一个专注观点抽取的 Pattern它把一份任意文本文章、播客、演讲、对话记录等消化成一张内在的知识关系图再输出为该内容全部关键观点的、每条 15 词的 Markdown 要点清单。读完本文你将理解该 system.md 的逐节设计意图、它背后的深度消化 → 虚拟白板关系图 → 受限枚举提示工程方法论以及它在本仓库中的装载、变量注入与运行机制可直接用于打造自己的信息提炼流水线。一、extract_ideas 在 Fabric 中的地位与适用场景Fabric 采用一个 Pattern 解决一类具体问题的模块化思路每个 Pattern 是一个目录其中以 system.md 形式的系统提示词定义 AI 的角色、处理步骤、输出格式与约束。extract_ideas就是其中负责穷尽抽取内容中的观点的成员官方模式说明将其概括为从输入中抽取并输出所有关键观点以 15 词的 Markdown 要点呈现见 pattern_explanations.md 第 139 条。它的典型定位输入是一段需要被榨干思想的材料——一篇长文、一本书的章节、一份采访稿、一期播客文字稿输出是一条都不遗漏的 IDEA 清单每条一句完整命题15 词左右不掺杂总结、引语、推荐等其他栏目与summarize、extract_wisdom等精炼型兄弟 Pattern 互补它追求广度与完整覆盖而非摘要的压缩或金句精选。在目录结构上它与 extract_wisdom输出 SUMMARY/IDEAS/INSIGHTS/QUOTES/HABITS/FACTS 等多个栏目、extract_insights16 词要点等构成同一族抽取系模式但 extract_ideas 的输入输出契约最简洁只输出 IDEAS 一个区块。二、system.md 逐节解读一份观点抽取提示词是如何被设计的打开 data/patterns/extract_ideas/system.md全文只有 41 行却是一个教科书级的受限抽取提示词模板分为五个部分。2.1 IDENTITY and PURPOSE用一个夸张身份锁定任务方向原文只有一句You are an advanced AI with a 2,128 IQ and you are an expert in understanding any input and extracting the most important ideas from it.这句看似夸张的2,128 IQ并不是为了营销而是 Fabric 模式生态里的一种刻意设计。对照仓库自带的 official_pattern_template 可以看到模板要求每个 Pattern 必须声明你是谁、擅长什么例如示例身份是 an advanced AI expert in human psychology and mental health with a 1,419 IQ。这里的高 IQ 数值与expert in ...共同构成角色的能力锚点让模型在处理输入前先把任务目标定位在全局理解 精确抽取上而不是走马观花式阅读。2.2 STEPS四步消化—建图—取点流程核心方法论集中在这四步它是一个把深度阅读翻译成可执行认知动作的流程Spend 319 hours fully digesting the input—— 先用大量心智时间消化输入。这里的时长数字同样是引导模型放慢节奏、进行多轮重读的工程技巧与 official_pattern_template 中 Re-read it 218 times 属同类手法语义上是要求反复深度消费输入而非一遍扫过。Spend 219 hours creating a mental map—— 把输入中出现的所有观点、事实、引用、人物、概念抽出来建立它们之间的连接关系图提示词甚至给了具体例子Idea1 -- Is the Parent of -- Idea2观点间父子/派生关系Concept3 -- Came from -- Socrates概念的来源/溯源关系 并要求对输入中提到的每一件事都做这样的连接。这一步本质上是在做关系抽取与实体消解观点不是孤立存在而是通过派生、来源、支持、对比等边相互勾连。Write that graph down on a giant virtual whiteboard in your mind—— 把图落到一块巨型虚拟白板上作为后续工作的外部记忆暂存区。这是提示工程中常见的思维暂存器scratchpad技巧先要求模型把中间产物显式结构化降低长文本下因上下文遗忘而漏点、串点的概率。Extract all of the ideas ... in 15-word bullet points—— 最后才沿着白板上的图把每个节点转写成恰好约 15 词的要点条目。可以看到该 Pattern 的核心原理是先建全量关系图再从中枚举节点这与只给一句请列出重点的朴素提示词有本质区别——它用白板约束保证了覆盖度用逐节点转写保证了不漏点。2.3 OUTPUT 与 EXAMPLE OUTPUT把输出形状先钉死OUTPUT 只有一条规则在一个名为 IDEAS 的区块中输出内容的完整观点清单。EXAMPLE OUTPUT 给出示范IDEAS - The purpose of life is to find meaning and fulfillment in our existence. - Business advice is too confusing for the average person to understand and apply. - (continued)示范同时传达了潜规则每条要点以破折号-开头、是一个能独立成立的句子、以(continued)表示清单可以延续到很长——它鼓励模型尽量多列而不是挑三四个重点。2.4 OUTPUT INSTRUCTIONS六条硬约束及其工程含义这是全文工程含量最高的部分六条约束各有所指约束设计意图Only output Markdown.固定机器可解析的输出格式便于下游脚本/Agent 直接切分IDEAS区块及其条目Do not give warnings or notes.禁止免责声明与碎碎念保证输出 100% 是数据而非对话Do not omit any ideas.覆盖度约束宁可多而全不可缺而美Do not repeat ideas.去重约束与上一条配合构成全且不冗余Do not start items with the same opening words.多样性约束避免模型偷懒把同义句用同一模板批量产出强制每条在表述上有区分度Ensure you follow ALL these instructions when creating your output.元指令提醒模型逐条自检值得强调的是 Do not omit 与 Do not repeat 是一对张力前者逼模型全部给出后者逼模型各自独立两者共同抬高了抽取质量——常见失败模式是模型重复用一个主语反复换说法充数或漏掉边缘观点这对约束恰好从两个方向堵住漏洞。2.5 INPUT内容注入的锚点全文末尾以INPUT:收尾此处并非普通占位符——在 Fabric 的存储模型中它是会被引擎实际替换的内容槽位。详见下节。三、源码印证system.md 在 Fabric 引擎中如何被装载与注入3.1 Pattern 目录与 system.md 的存储约定仓库将每个 Pattern 组织为data/patterns/pattern_name/目录内含 system.md系统提示词必读主体。这一约定在存储层有直接实现internal/plugins/db/fsdb/db.go 中PatternsEntity声明SystemPatternFile: system.md且ItemIsDir: true即一个模式 一个目录 目录内的 system.md若存在同目录user.md则作为用户提示词补充如 summarize、summarize_pull-requests 等。而extract_ideas只带 system.md说明它期望在运行期注入任意输入本身不需要固定用户指令。3.2 {{input}} 槽位的处理逻辑注意 system.md 末尾只有INPUT:一行标记正文换行后即结束并没有写{{input}}。看 internal/plugins/db/fsdb/patterns.go 的ensureInput()func (o *PatternsEntity) ensureInput(pattern *Pattern) { if !strings.Contains(pattern.Pattern, {{input}}) { if !strings.HasSuffix(pattern.Pattern, \n) { pattern.Pattern \n } pattern.Pattern {{input}} } }这意味着凡是提示词中没有显式{{input}}槽位的 Pattern引擎会以追加方式把{{input}}补到末尾——这正好落在 system.md 的INPUT:之后形成INPUT:\n{{input}}的最终形态。随后applyInput/applyVariables会用真实内容整体替换{{input}}见同文件 patterns.go并通过哨兵 token 避免{{input}}被其他模板变量递归解析。因此extract_ideas的内容放在 INPUT 后设计是刻意为之可被无差别的复用。3.3 官方模式发布与更新流程data/patterns/同时也是 Fabric 模式的官方源目录安装端由 internal/tools/patterns_loader.go 负责它从仓库克隆data/patterns目录到用户配置目录复制成功后还会生成清单文件并保留用户自建的自定义 PatternPersistPatterns会把下载目录中不存在的自定义模式原样带回。这意味着你可以安全地把extract_ideas复制一份改造成自己的变体不会在官方更新时被覆盖。四、实战运行方式4.1 命令行直接调用仓库主程序位于cmd/fabric底层 CLI 由internal/cli实现。以 Pattern 名称运行即可让extract_ideas处理一段文本# 将文件内容作为输入交给 extract_ideas cat article.txt | fabric --pattern extract_ideas # 或直接粘贴文本配合 -s 读取 stdin echo 你的待分析内容…… | fabric -p extract_ideas输出即为纯 Markdown 的IDEAS列表由于 OUTPUT INSTRUCTIONS 禁止额外说明文字该结果可以直接被管道喂给下一个命令或写入笔记文件。所有输入会经过上述{{input}}注入逻辑无需手动在文本前添加INPUT:。提示运行时要求先完成 Fabric 的模型供应商配置.env环境配置具体以仓库内internal/cli与internal/plugins/ai的配置要求为准。4.2 REST API 方式若以服务模式运行见 internal/server/patterns.go可通过 API 获取与应用该模式GET /patterns/extract_ideas—— 返回未做变量替换的原始 system.md 内容POST /patterns/extract_ideas/apply—— 请求体为{input: 待分析内容}可选携带variables字典服务端会完成变量与输入注入后返回可直接作为提示词使用的成品接口层同时实现了名称校验rejectUnsafePatternName防止通过路径型名称越权读取任意文件。这为把 extract_ideas 嵌入自建工具链如定时抓取文章并自动提炼观点库提供了标准接口。五、常见误区与参数直觉时长数字不是字面量319/219 小时、2,128 IQ 等是引导模型投入更多认知预算的表达性指令不应机械理解为字面要求也不能删掉——它们是模式作者刻意保留的强度开关。15 词是硬约束但不必精确到词它约束的是单条观点的信息密度——太长变成段落、太短变成标签都会破坏 IDEAS 清单的可读性与后续引用性。不重复开头词约束切莫违反这是评测该模式输出是否合格的最快抓手若多条 IDEAS 都以 The importance of… 或 You should… 开头说明模型在偷懒套模板未真正做逐节点转写。不要与 summarize 混用summarize重在把输入压成一段有结构的浓缩版本面向读完摘要即知全貌而extract_ideas重在全量枚举面向逐条采集观点入库、用于二次加工。若你想要带引语、习惯、事实分类的深度挖掘应改用extract_wisdom一类多栏位模式。六、改造与组合建议由于模式文件就是纯文本你可以低成本地派生出自己的版本例如将 15 词改为一句话观点 一句出处的复合结构便于追溯来源为 IDEAS 增加层级让子观点挂到父观点之下对应步骤 2 中Parent of关系在 OUTPUT INSTRUCTIONS 中增加对 IDEAS 数量的下限要求如至少列出 30 条以匹配长文本场景。改动方式在本地自定义模式目录中新建my_extract_ideas/system.md并基于原文件编辑Fabric 会在官方模式同步时保留你的自定义模式见 patterns_loader.go 中PersistPatterns的行为。同时可参考 create_pattern 了解本仓库对如何设计一个新 Pattern的完整方法论要求。七、总结extract_ideas是一个少而精的抽取型 Pattern它不输出观点以外的任何内容却通过「身份锚定 → 反复深度消化 → 构建全量关系图 → 虚拟白板暂存 → 15 词逐条枚举」的流程系统性地解决读完后到底学到了哪些观点、一个都不能少的问题。理解它的六个输出约束及其在 fsdb/patterns.go 中ensureInput、{{input}}注入的工程落点后你既可以直接通过fabric --pattern extract_ideas或 RESTPOST /patterns/extract_ideas/apply上手使用也可以基于 原始模式文件 快速定制出符合自己知识管理流程的变体。【免费下载链接】FabricFabric is an open-source framework for augmenting humans using AI. It provides a modular system for solving specific problems using a crowdsourced set of AI prompts that can be used anywhere.项目地址: https://gitcode.com/GitHub_Trending/fa/Fabric创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考