尧图网站建设 
Fabric Pattern 实战用 create_newsletter_entry 把技术文章压缩成 70 词以内的周刊体条目【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本篇技术指南聚焦 Fabric 仓库中的create_newsletter_entry模式Pattern它把用户粘贴进来的一篇完整技术文章压缩成一条70 词以内、以客观第三人称口吻叙述、带加粗标题的周刊式新闻条目。读完本文你将掌握该 Pattern 的完整指令语义、写作风格约束、输出格式以及它在 Fabric 中如何被加载、套用输入并驱动模型生成结果的底层机制从而能直接用命令行将其接入自己的阅读与内容分发流程。一、这个 Pattern 是什么、放在哪里create_newsletter_entry是 Fabric 内置模式之一位于 data/patterns/create_newsletter_entry/system.md。仓库对它的定位可从脚本侧的描述索引看出描述descriptionWrite concise newsletter content focusing on key insights.标签tagsWRITING、SUMMARIZE、BUSINESS上述信息来自 scripts/pattern_descriptions/pattern_descriptions.json。也就是说这个 Pattern 是一类摘要-写作型工具它并不是单纯的全文摘要而是以《Frontend Weekly》前端周刊的栏目文风为参照把单篇文章压缩成可直接投递给周刊读者的独立条目。从文件本身看它的完整内容是一段纯文本系统提示词system prompt自上而下由Identity and Purpose身份与目的、Step-by-Step Process分步流程、Tone and Style Guidelines语气与风格、Output Instructions输出说明、Output Example输出示例和结尾的INPUT:输入标记组成。原文档完整信息都会在下文逐节保留并展开。二、Fabric 如何加载并执行一个 Pattern2.1 目录约定一个 Pattern 一个目录Fabric 中每个 Pattern 都对应data/patterns/name/下的一个目录目录内至少包含一个system.md系统提示词可选地还有user.md用户提示词。仓库将默认 Pattern 根目录定义为data/patterns见 internal/tools/patterns_loader.go 中常量DefaultPatternsGitRepoFolder data/patterns。Patterns Loader 通过克隆上游仓库并复制到配置目录的方式同步模式库PopulateDB见同一文件的 internal/tools/patterns_loader.go。2.2 按名称读取 system.md当运行fabric -p create_newsletter_entry时代码会按名称去模式的目录下读取system.md文件。相关实现集中在 internal/plugins/db/fsdb/patterns.gogetFromDB负责拼接{PatternsDir}/{name}/system.md路径并读取内容patterns.go目录结构由SystemPatternFile: system.md配置约定见 internal/plugins/db/fsdb/db.go支持自定义模式目录若用户在自定义目录中存在同名 Pattern则以自定义版本优先覆盖官方版本patterns.go。这意味着如果你想微调本 Pattern 的措辞复制目录后修改是可行的定制方式。2.3 自动补全{{input}}占位符细读 system.md 会发现原文件结尾只有INPUT:标记并没有{{input}}占位符。此时 Fabric 的ensureInput逻辑会自动在 Pattern 文本末尾追加{{input}}patterns.go随后applyInput/applyVariables会把{{input}}替换为真实输入内容patterns.go。因此实际操作中你的文章文本会被拼接在INPUT:之后作为待处理素材喂给模型。2.4 Pattern 如何进入会话在会话构建层面Pattern 的 system.md 内容会与用户输入组合成一个会话请求。仓库中的测试 internal/core/chatter_test.goTestChatter_BuildSession_SeparatesSystemSections就验证了在临时目录中写入patterns-dir/test-pattern/system.md后通过Chatter.BuildSession可以正确把 Pattern 文本构建进发给模型的消息序列。这为Pattern 内容确实会被用作系统提示提供了测试级证据。三、指令逐段拆解Pattern 到底要求模型做什么以下按原文档顺序逐段解析并补充实现层面的解读帮助你把每条约束转化为可执行的写作检查项。3.1 Identity and Purpose先确立角色You are a custom GPT designed to create newsletter sections in the style of Frontend Weekly.这条约束让模型在生成前先进入一个稳定角色一名以《Frontend Weekly》栏目风格写作的定制 GPT。在 Fabric 中custom GPT这一身份并不绑定具体平台Pattern 只是把角色描述写成通用系统提示词可接入任何兼容模型使用。角色设定的价值在于后续所有步骤都会围绕周刊条目这一产物形态展开而不是输出一篇普通摘要或博客评论。3.2 Step-by-Step Process明确的分步流程The user will provide article text.Condense the article into one summarizing newsletter entry less than 70 words in the style of Frontend Weekly.Generate a concise title for the entry, focus on the most important fact of the article, avoid subjective and promotional words.拆解如下步骤指令执行要点1接收文章文本由用户通过标准输入或文件传入对应上文{{input}}的自动注入原文档末尾INPUT:标记即为该步骤的落点2压缩为一条摘要条目要求少于 70 词且文风对齐 Frontend Weekly——即高信息密度、可独立阅读的新闻体3为条目生成简洁标题标题需聚焦文章最重要的事实并明确避免主观化与营销化措辞avoid subjective and promotional words值得注意的量化约束是less than 70 words这是全文唯一出现的硬性字数红线。写作时应先保证事实完整再把表达冗余压到 70 词以内而非先凑满篇幅。标题环节则强调事实优先——用标题承载文章的核心信息增量而不是用惊叹词制造情绪。3.3 Tone and Style Guidelines两条基调约束原文档给出两条写作风格准则缺一不可第三人称叙述Third-Party Narration条目要像一位既了解行业又保持中立的外部观察者在转述——someone who is both knowledgeable, unbiased and calm。只陈述原文中的事实或主要观点以此营造客观感并增加专业层次。简洁Concise保持简短与清晰第三方叙述者应高效传递信息聚焦关键事实与洞见。两条合起来的实际效果是不评价、不煽情、不卖关子把文章里最值得知道的一件事讲清楚。这是周刊体摘要与一般摘要最本质的区别。3.4 Output Instructions产出格式Your final output should be a polished, newsletter-ready paragraph with a title line in bold followed by the summary paragraph.输出结构只有两层加粗标题行一句话标题直接以加粗文本呈现正文段落精修后、可直接用于周刊的单段摘要。也就是说输出不需要 Markdown 列表、不需要分节、不需要这里是标题/这里是摘要之类的元注释成品应该是开箱即用的发布稿。3.5 Output Example官方示例的形态参考原文档内置了一个示范产物此处完整保留并作为质量基线Claude Launched Skills: Transforming LLMs into Expert AgentsAnthropic has launched Claude Skills, a user-friendly system designed to enhance large language models by enabling them to adapt to specific tasks via organized folders and scripts. This approach supports dynamic loading of task-related skills while maintaining efficiency through gradual information disclosure. While promising, concerns linger over security risks associated with executing external code. Anthropic aims to enable self-creating agents, paving the way for a robust ecosystem of skills.对照检查该示例是否符合全部约束标题加粗Claude Launched Skills: Transforming LLMs into Expert Agents直接陈述发布事实并点明其技术意义无主观推销词正文全程第三人称Anthropic has launched…客观陈述功能、运作方式、存在的安全疑虑与厂商愿景既报好消息也点风险体例均衡——这正是客观、知情、冷静的具象化。按英文单词计数该示例正文落在 70 词限制内可作为自测参照。3.6 INPUT 标记与框架注入INPUT:INPUT:原文档末尾以INPUT:收尾前文 2.3 节已说明Fabric 检测到 Pattern 中没有{{input}}时会在末尾自动补占位符并将用户文章注入到该位置使角色设定 → 处理流程 → 输出格式三段式提示词与实际输入物理分离。这保证了同一份系统提示可被反复复用于不同文章。四、实操三条可验证的接入路径4.1 最简用法管道输入把文章文本经标准输入喂给 Pattern命令语法与 README 中fabric --pattern summarize的用法一致可参见 README.mdcat article.md | fabric --pattern create_newsletter_entry也可简写-ppandoc article.html -t markdown | fabric -p create_newsletter_entry4.2 携带常用参数Fabric 的命令行参数支持在 README.md 中查到与本场景强相关的几个# 结果直接复制到剪贴板 cat article.md | fabric -p create_newsletter_entry -c # 结果写入文件 cat article.md | fabric -p create_newsletter_entry -o entry.md # 流式输出边生成边展示 cat article.md | fabric -p create_newsletter_entry --stream由于本 Pattern 的目标产物是一条可直接粘贴进周刊/通讯稿的文本块配合-c复制到剪贴板或-o落盘是最贴合工作流的组合。4.3 批量处理与别名若积累了多篇待处理文章可逐个管道调用并把每次输出追加到素材文件后续统一排版。仓库在 README.md 提供了为每个 Pattern 生成 shell 别名的做法即alias create_newsletter_entryfabric --pattern create_newsletter_entry之后直接cat article.md | create_newsletter_entry即可调用补全脚本位于 completions 目录。4.4 关于模型与运行前提Pattern 本身不包含模型选择逻辑实际问答效果取决于你为 Fabric 配置的模型后端与 temperature 等参数属 Fabric 全局配置范畴不在本 Pattern 文件内。它只负责把提示词 输入装配好后交给上游模型因此在无说明模型的环境下仍能完整加载与拼接这一点可以从 2.2/2.3 节引用的加载代码得到印证。五、写作自检清单如何写出符合预期的条目综合原文档全部约束可沉淀为如下六条可执行自检字数红线正文严格少于 70 个英文单词过长先砍修饰性从句保留主谓事实链。标题即核心事实标题能独立概括文章最重要的增量信息删除 AmazingRevolutionary 等主观或推广性词汇。全程第三人称以发布方/研究者 动作 结果句式叙述避免出现我或对读者的直接对话。报点也报面参照官方示例——不仅陈述亮点也如实给出风险、争议或不确定因素体现中立。独立可读不依赖原文上下文也能让读者理解发生了什么术语首次出现时给出最小解释。格式即成品输出只有加粗标题 一个段落无需额外包装或 Markdown 杂项。六、与同族 Pattern 的配合让周刊内容形成闭环值得对比的是同目录下的反向 Pattern data/patterns/summarize_newsletter/system.md它负责把一期 Newsletter 全文解析成结构化摘要含 SUMMARY / CONTENT / OPINIONS IDEAS / TOOLS / FOLLOW-UP 等分节而本 Pattern 负责把单篇文章改写成一条可入刊的条目。二者方向互补构成两条可拼接的内容流输入侧用summarize_newsletter把收到的整份周刊压缩成要点与待跟进清单输出侧用create_newsletter_entry把单篇值得转述的文章做成标准条目供你自建周刊或团队通讯复用。仓库中另有大量同族的摘要型 Pattern如summarize、extract_wisdom等均位于 data/patterns可按同一套机制自由组合成管道。七、小结create_newsletter_entry是一个小而精的写作型 Pattern它的全部技术含量在于把周刊条目这种文体约束显式化——70 词以内、第三人称中立叙述、标题聚焦事实、输出为加粗标题加单段正文。从仓库源码可以确认它在 Fabric 中与其余 Pattern 走完全相同的加载路径data/patterns/name/system.md{{input}}注入 会话构建因此你可以零成本复用、定制并与summarize_newsletter等模式拼装出从收文章到发周刊的完整链路。若想深入其实现细节可从 internal/plugins/db/fsdb/patterns.go、internal/tools/patterns_loader.go 与 internal/core/chatter_test.go 继续研读。【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 Fabric Pattern 实战：用 create_newsletter_entry 把技术文章压缩成 70 词以内的周刊体条目
Fabric Pattern 实战用 create_newsletter_entry 把技术文章压缩成 70 词以内的周刊体条目【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本篇技术指南聚焦 Fabric 仓库中的create_newsletter_entry模式Pattern它把用户粘贴进来的一篇完整技术文章压缩成一条70 词以内、以客观第三人称口吻叙述、带加粗标题的周刊式新闻条目。读完本文你将掌握该 Pattern 的完整指令语义、写作风格约束、输出格式以及它在 Fabric 中如何被加载、套用输入并驱动模型生成结果的底层机制从而能直接用命令行将其接入自己的阅读与内容分发流程。一、这个 Pattern 是什么、放在哪里create_newsletter_entry是 Fabric 内置模式之一位于 data/patterns/create_newsletter_entry/system.md。仓库对它的定位可从脚本侧的描述索引看出描述descriptionWrite concise newsletter content focusing on key insights.标签tagsWRITING、SUMMARIZE、BUSINESS上述信息来自 scripts/pattern_descriptions/pattern_descriptions.json。也就是说这个 Pattern 是一类摘要-写作型工具它并不是单纯的全文摘要而是以《Frontend Weekly》前端周刊的栏目文风为参照把单篇文章压缩成可直接投递给周刊读者的独立条目。从文件本身看它的完整内容是一段纯文本系统提示词system prompt自上而下由Identity and Purpose身份与目的、Step-by-Step Process分步流程、Tone and Style Guidelines语气与风格、Output Instructions输出说明、Output Example输出示例和结尾的INPUT:输入标记组成。原文档完整信息都会在下文逐节保留并展开。二、Fabric 如何加载并执行一个 Pattern2.1 目录约定一个 Pattern 一个目录Fabric 中每个 Pattern 都对应data/patterns/name/下的一个目录目录内至少包含一个system.md系统提示词可选地还有user.md用户提示词。仓库将默认 Pattern 根目录定义为data/patterns见 internal/tools/patterns_loader.go 中常量DefaultPatternsGitRepoFolder data/patterns。Patterns Loader 通过克隆上游仓库并复制到配置目录的方式同步模式库PopulateDB见同一文件的 internal/tools/patterns_loader.go。2.2 按名称读取 system.md当运行fabric -p create_newsletter_entry时代码会按名称去模式的目录下读取system.md文件。相关实现集中在 internal/plugins/db/fsdb/patterns.gogetFromDB负责拼接{PatternsDir}/{name}/system.md路径并读取内容patterns.go目录结构由SystemPatternFile: system.md配置约定见 internal/plugins/db/fsdb/db.go支持自定义模式目录若用户在自定义目录中存在同名 Pattern则以自定义版本优先覆盖官方版本patterns.go。这意味着如果你想微调本 Pattern 的措辞复制目录后修改是可行的定制方式。2.3 自动补全{{input}}占位符细读 system.md 会发现原文件结尾只有INPUT:标记并没有{{input}}占位符。此时 Fabric 的ensureInput逻辑会自动在 Pattern 文本末尾追加{{input}}patterns.go随后applyInput/applyVariables会把{{input}}替换为真实输入内容patterns.go。因此实际操作中你的文章文本会被拼接在INPUT:之后作为待处理素材喂给模型。2.4 Pattern 如何进入会话在会话构建层面Pattern 的 system.md 内容会与用户输入组合成一个会话请求。仓库中的测试 internal/core/chatter_test.goTestChatter_BuildSession_SeparatesSystemSections就验证了在临时目录中写入patterns-dir/test-pattern/system.md后通过Chatter.BuildSession可以正确把 Pattern 文本构建进发给模型的消息序列。这为Pattern 内容确实会被用作系统提示提供了测试级证据。三、指令逐段拆解Pattern 到底要求模型做什么以下按原文档顺序逐段解析并补充实现层面的解读帮助你把每条约束转化为可执行的写作检查项。3.1 Identity and Purpose先确立角色You are a custom GPT designed to create newsletter sections in the style of Frontend Weekly.这条约束让模型在生成前先进入一个稳定角色一名以《Frontend Weekly》栏目风格写作的定制 GPT。在 Fabric 中custom GPT这一身份并不绑定具体平台Pattern 只是把角色描述写成通用系统提示词可接入任何兼容模型使用。角色设定的价值在于后续所有步骤都会围绕周刊条目这一产物形态展开而不是输出一篇普通摘要或博客评论。3.2 Step-by-Step Process明确的分步流程The user will provide article text.Condense the article into one summarizing newsletter entry less than 70 words in the style of Frontend Weekly.Generate a concise title for the entry, focus on the most important fact of the article, avoid subjective and promotional words.拆解如下步骤指令执行要点1接收文章文本由用户通过标准输入或文件传入对应上文{{input}}的自动注入原文档末尾INPUT:标记即为该步骤的落点2压缩为一条摘要条目要求少于 70 词且文风对齐 Frontend Weekly——即高信息密度、可独立阅读的新闻体3为条目生成简洁标题标题需聚焦文章最重要的事实并明确避免主观化与营销化措辞avoid subjective and promotional words值得注意的量化约束是less than 70 words这是全文唯一出现的硬性字数红线。写作时应先保证事实完整再把表达冗余压到 70 词以内而非先凑满篇幅。标题环节则强调事实优先——用标题承载文章的核心信息增量而不是用惊叹词制造情绪。3.3 Tone and Style Guidelines两条基调约束原文档给出两条写作风格准则缺一不可第三人称叙述Third-Party Narration条目要像一位既了解行业又保持中立的外部观察者在转述——someone who is both knowledgeable, unbiased and calm。只陈述原文中的事实或主要观点以此营造客观感并增加专业层次。简洁Concise保持简短与清晰第三方叙述者应高效传递信息聚焦关键事实与洞见。两条合起来的实际效果是不评价、不煽情、不卖关子把文章里最值得知道的一件事讲清楚。这是周刊体摘要与一般摘要最本质的区别。3.4 Output Instructions产出格式Your final output should be a polished, newsletter-ready paragraph with a title line in bold followed by the summary paragraph.输出结构只有两层加粗标题行一句话标题直接以加粗文本呈现正文段落精修后、可直接用于周刊的单段摘要。也就是说输出不需要 Markdown 列表、不需要分节、不需要这里是标题/这里是摘要之类的元注释成品应该是开箱即用的发布稿。3.5 Output Example官方示例的形态参考原文档内置了一个示范产物此处完整保留并作为质量基线Claude Launched Skills: Transforming LLMs into Expert AgentsAnthropic has launched Claude Skills, a user-friendly system designed to enhance large language models by enabling them to adapt to specific tasks via organized folders and scripts. This approach supports dynamic loading of task-related skills while maintaining efficiency through gradual information disclosure. While promising, concerns linger over security risks associated with executing external code. Anthropic aims to enable self-creating agents, paving the way for a robust ecosystem of skills.对照检查该示例是否符合全部约束标题加粗Claude Launched Skills: Transforming LLMs into Expert Agents直接陈述发布事实并点明其技术意义无主观推销词正文全程第三人称Anthropic has launched…客观陈述功能、运作方式、存在的安全疑虑与厂商愿景既报好消息也点风险体例均衡——这正是客观、知情、冷静的具象化。按英文单词计数该示例正文落在 70 词限制内可作为自测参照。3.6 INPUT 标记与框架注入INPUT:INPUT:原文档末尾以INPUT:收尾前文 2.3 节已说明Fabric 检测到 Pattern 中没有{{input}}时会在末尾自动补占位符并将用户文章注入到该位置使角色设定 → 处理流程 → 输出格式三段式提示词与实际输入物理分离。这保证了同一份系统提示可被反复复用于不同文章。四、实操三条可验证的接入路径4.1 最简用法管道输入把文章文本经标准输入喂给 Pattern命令语法与 README 中fabric --pattern summarize的用法一致可参见 README.mdcat article.md | fabric --pattern create_newsletter_entry也可简写-ppandoc article.html -t markdown | fabric -p create_newsletter_entry4.2 携带常用参数Fabric 的命令行参数支持在 README.md 中查到与本场景强相关的几个# 结果直接复制到剪贴板 cat article.md | fabric -p create_newsletter_entry -c # 结果写入文件 cat article.md | fabric -p create_newsletter_entry -o entry.md # 流式输出边生成边展示 cat article.md | fabric -p create_newsletter_entry --stream由于本 Pattern 的目标产物是一条可直接粘贴进周刊/通讯稿的文本块配合-c复制到剪贴板或-o落盘是最贴合工作流的组合。4.3 批量处理与别名若积累了多篇待处理文章可逐个管道调用并把每次输出追加到素材文件后续统一排版。仓库在 README.md 提供了为每个 Pattern 生成 shell 别名的做法即alias create_newsletter_entryfabric --pattern create_newsletter_entry之后直接cat article.md | create_newsletter_entry即可调用补全脚本位于 completions 目录。4.4 关于模型与运行前提Pattern 本身不包含模型选择逻辑实际问答效果取决于你为 Fabric 配置的模型后端与 temperature 等参数属 Fabric 全局配置范畴不在本 Pattern 文件内。它只负责把提示词 输入装配好后交给上游模型因此在无说明模型的环境下仍能完整加载与拼接这一点可以从 2.2/2.3 节引用的加载代码得到印证。五、写作自检清单如何写出符合预期的条目综合原文档全部约束可沉淀为如下六条可执行自检字数红线正文严格少于 70 个英文单词过长先砍修饰性从句保留主谓事实链。标题即核心事实标题能独立概括文章最重要的增量信息删除 AmazingRevolutionary 等主观或推广性词汇。全程第三人称以发布方/研究者 动作 结果句式叙述避免出现我或对读者的直接对话。报点也报面参照官方示例——不仅陈述亮点也如实给出风险、争议或不确定因素体现中立。独立可读不依赖原文上下文也能让读者理解发生了什么术语首次出现时给出最小解释。格式即成品输出只有加粗标题 一个段落无需额外包装或 Markdown 杂项。六、与同族 Pattern 的配合让周刊内容形成闭环值得对比的是同目录下的反向 Pattern data/patterns/summarize_newsletter/system.md它负责把一期 Newsletter 全文解析成结构化摘要含 SUMMARY / CONTENT / OPINIONS IDEAS / TOOLS / FOLLOW-UP 等分节而本 Pattern 负责把单篇文章改写成一条可入刊的条目。二者方向互补构成两条可拼接的内容流输入侧用summarize_newsletter把收到的整份周刊压缩成要点与待跟进清单输出侧用create_newsletter_entry把单篇值得转述的文章做成标准条目供你自建周刊或团队通讯复用。仓库中另有大量同族的摘要型 Pattern如summarize、extract_wisdom等均位于 data/patterns可按同一套机制自由组合成管道。七、小结create_newsletter_entry是一个小而精的写作型 Pattern它的全部技术含量在于把周刊条目这种文体约束显式化——70 词以内、第三人称中立叙述、标题聚焦事实、输出为加粗标题加单段正文。从仓库源码可以确认它在 Fabric 中与其余 Pattern 走完全相同的加载路径data/patterns/name/system.md{{input}}注入 会话构建因此你可以零成本复用、定制并与summarize_newsletter等模式拼装出从收文章到发周刊的完整链路。若想深入其实现细节可从 internal/plugins/db/fsdb/patterns.go、internal/tools/patterns_loader.go 与 internal/core/chatter_test.go 继续研读。【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