2024 年的 Fabric：安装提示词框架并试用其模式

Fabric 是一个开源项目，将社区生成的提示词打包，用于日常 AI 任务。Matthew Berman 把它描述为详细模式的集合，并说这些例子覆盖多种问题。他认为提示词效果很好，这是他的使用体验，并不能保证每次输入都有效。

例子包括从视频和播客中提取观点、以特定风格写作、总结学术论文、创建图像提示词、解释代码和改进文档。Berman 说，根据配置情况，可以使用不同的托管模型或本地模型。

在 2024 年 3 月的演示中，Berman 克隆 Fabric 代码库并进入其目录。该版本使用 Poetry；他介绍了自己的 Python 环境遇到的问题，并展示如何安装依赖，然后运行项目配置脚本。视频录制后，代码库和配置流程可能已经变化。

配置后，Berman 遇到 shell 配置解析错误。他打开 zsh 配置，修复提示的行并重启 shell，然后检查 Fabric 命令的帮助输出，确认它可以运行。他的本地修复针对的是自己遇到的错误，不一定适用于其他用户的环境。

他运行该版本的配置命令，输入模型 API 凭据并更新模式。Berman 说自己创建了一个临时密钥，并会在发布前撤销。他还提到 GPT-4 之外的选择，包括 Claude 和本地模型，同时指出配置它们可能需要更多工作。

Berman 解释当时版本中的术语：pattern 是针对特定用途的提示词，stitch 将模式组合起来，mill 可以提供模式，loom 是能够调用模式的客户端应用。接下来他使用命令行界面列出可用模式。

他打开一个分析学术论文的模式。它定义了身份和目的、输出章节以及处理输入的指令。这个库的作用是将详细指令打包以便重复使用；Berman 建议浏览可用模式。

演示中，他复制了自己一段大语言模型入门视频的不带时间戳的文稿。在 Mac 上，他将剪贴板内容通过管道送入 Fabric 的 extract_wisdom 模式。结果将观点、引文、习惯、事实、参考资料和后续建议整理出来。

Berman 指出 GPT-4 请求需要时间，并说流式选项可以在输出到达时显示结果。随后他针对文稿运行单独的 analyze_claims 模式。生成结果提取主张、提供支持或反对材料并给出分数。这些是模型生成的评估，并非独立核实。

演示展示主张分析结果在终端中流式输出。Berman 查看了分数，推荐这个项目，并以视频说明中的链接结束节目。