尧图网站建设 
Fabric 模式深度解析t_check_metrics —— 用 TELOS 文件核对个人指标与 KPI驱动持续改进【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导读t_check_metrics是 Fabric 开源框架中t_TELOS系列个人成长/自我复盘模式之一它要求 AI 以「深度理解上下文 生成智慧」的方式工作先通读用户的 TELOS 文件关于某人或某实体的深度上下文档案再结合本次输入的问题或指令最终重点核查该对象当前的 Metrics指标与 KPIs关键绩效指标状态判断其是否在近期得到改善。本文以 data/patterns/t_check_metrics/system.md 为骨架结合 Fabric 的模式加载机制与 TELOS 系列模式家族讲解该模式的完整指令结构、运行原理、配套使用方式以及如何把「指标核查」纳入你的周期性自我复盘流程。一、模式定位t_check_metrics 在 TELOS 系列中的角色Fabric 的核心设计是「用一组众包的高质量 AI 提示词patterns解决具体问题」。在data/patterns/目录下t_前缀代表一套围绕TELOS 文件个人/实体的深度上下文档案设计的复盘类模式家族包括t_check_metrics、t_year_in_review、t_find_blindspots、t_red_team_thinking、t_threat_model_plans、t_visualize_mission_goals_projects等十余个成员。t_check_metrics在家族中的独特职责见 data/patterns/pattern_explanations.md 中的官方说明t_check_metrics: Analyzes deep context from the TELOS file and input instruction, then provides a wisdom-based output while considering metrics and KPIs to assess recent improvements.翻译过来就是从 TELOS 文件与输入指令中提取深度上下文产出基于智慧的输出同时结合指标与 KPI 评估近期改进情况。它与t_find_neglected_goals找出近期未被推进的目标、t_year_in_review年终复盘互为补充t_find_neglected_goals回答「哪些目标被搁置了」t_check_metrics回答「我的量化指标现在处于什么状态、有没有在变好」二者一质一量配合使用可以覆盖从定性目标到定量指标的完整复盘闭环。二、模式文件逐段精读指令结构解剖t_check_metrics的全部内容都写在单个system.md文件中data/patterns/t_check_metrics/system.md共三个区块。这种# IDENTITY→# STEPS→# OUTPUT INSTRUCTIONS的结构是 Fabric 所有模式的通用模板t_year_in_review、t_threat_model_plans等均采用完全相同的骨架。2.1 IDENTITYAI 的角色设定You are an expert at understanding deep context about a person or entity, and then creating wisdom from that context combined with the instruction or question given in the input.该模式要求模型扮演「深度上下文理解 智慧生成」双料专家理解端能够吃透 TELOS 文件中关于某人或某实体的全部深层背景生成端能把这套背景与用户当下的提问结合产出有洞察、可落地的建议而不是泛泛而谈。注意这里同时涵盖了「person」与「entity」——TELOS 档案不仅适用于个人个人成长、职业规划也可用于团队、产品、公司等实体对象如团队季度指标核查、产品北极星指标复盘。2.2 STEPS四步执行流程1. Read the incoming TELOS File thoroughly. Fully understand everything about this person or entity. 2. Deeply study the input instruction or question. 3. Spend significant time and effort thinking about how these two are related, and what would be the best possible output for the person who sent the input. 4. Check this persons Metrics or KPIs (Ms or Ks) to see their current state and if theyve been improved recently.四步逻辑可以归纳为「输入消化 → 交叉关联 → 深度思考 → 指标核查」步骤动作核心目的1完整通读 TELOS 文件建立对该对象背景的全量认知目标、项目、使命、历史状态等2深入研读输入指令/问题明确本次会话要解决的具体问题3花费大量时间思考两者关联追求「对该对象最优」的输出而非泛化回答4核查该对象的 Metrics / KPIs判断其当前状态以及最近是否有所改善第 4 步是整个模式最关键的差异化动作模型不能只看背景和提问还必须回到 TELOS 档案中记录的量化指标M与关键绩效指标K字段把「当下状态」与「近期变化趋势」纳入回答。这保证了输出不是空中楼阁而是锚定在真实数据上的复盘结论。2.3 OUTPUT INSTRUCTIONS输出约束1. Only use basic markdown formatting. No special formatting or italics or bolding or anything. 2. Only output the list, nothing else.两条硬性约束纯文本化只允许基础 Markdown 格式禁止斜体、加粗等特殊排版保证输出可以被下游管道日志、脚本、其他工具直接消费只输出列表回答必须收敛为一个列表不允许额外解释、开场白或总结段落。这与 TELOS 家族其他成员的输出纪律一脉相承——t_find_blindspots要求输出8 条 16 词盲点列表、t_describe_life_outlook要求5 条 16 词人生观列表都是「结构化、可计量、可引用」的产出形态。三、TELOS 文件是什么模式运行的数据基础t_check_metrics的所有分析都建立在 TELOS 文件之上。从模式文本及同族模式如 data/patterns/t_threat_model_plans/system.md、data/patterns/t_visualize_mission_goals_projects/system.md可以推断TELOS 是 t_ 系列共享的输入档案它至少包含以下维度的信息身份与背景此人/实体是谁做什么在哪个领域使命Missions长期追求的方向目标Goals中期可衡量的目标项目Projects正在推进的具体项目指标与 KPIMs 与 Ks本模式第 4 步重点核查的量化维度。从源码结构看t_系列模式全部遵循「通读 TELOS → 研读输入 → 思考关联 → 产出特定形态输出」的模板仅在第 4 步之后的输出指令上分化。例如t_year_in_review第 4 步输出「8 条 16 词的本年度成就」第 5 步用 ASCII art 可视化「完成 vs 未完成」t_check_metrics第 4 步专门核查指标状态与近期改善情况t_find_neglected_goals第 4 步输出「近期未被推进的目标」。因此想要t_check_metrics发挥效果你需要先维护好自己的 TELOS 档案并在其中显式记录可量化的 Ms / Ks——指标缺失时模式的第 4 步将失去数据锚点。实践中可以每周把最近的指标快照如阅读时长、锻炼次数、项目里程碑、收入数字追加进 TELOS 文件再运行本模式做定期核查。四、Fabric 是如何加载和运行这个模式的4.1 模式的文件组织与命名t_check_metrics在仓库中对应目录data/patterns/t_check_metrics/内含一个system.md。这是 Fabric 模式的标准形态每个模式是一个目录目录名即模式名system.md是系统提示词文件。这一点在源码中有明确印证internal/plugins/db/fsdb/patterns.go 中PatternsEntity定义了SystemPatternFile字段其默认值在 internal/plugins/db/fsdb/db.go 中即为system.md模式的实际存储路径由filepath.Join(o.Dir, name, o.SystemPatternFile)拼出见 patterns.go即{patterns目录}/{模式名}/system.md。4.2 模式的加载链路当你在 CLI 中指定--pattern t_check_metrics时加载流程如下定位模式patterns.go 中的getFromDB先检查自定义模式目录CustomPatternsDir再回退到主模式目录读取对应system.md的全文内容构建 PromptGetApplyVariables/GetWithoutVariables见 patterns.go把模式文本中的{{input}}占位符替换为你的实际输入TELOS 文件内容与提问t_check_metrics模式本身不含{{input}}之外的模板变量因此也可用--no-variable-replacement禁用变量替换送入模型组装好的 system prompt user input 一起发给配置的模型执行。4.3 自定义模式私有化你的 t_check_metrics 变体如果你想让t_check_metrics更贴合自己的指标维度Fabric 支持在独立的自定义模式目录中放置同名或新增模式详见 README.mdmkdir -p ~/my-custom-patterns/my-metrics-check # 写入自己的 system.md可完全参考 t_check_metrics 的结构改造 echo You are an expert at ... ~/my-custom-patterns/my-metrics-check/system.md fabric --pattern my-metrics-check 我的 TELOS 文件内容自定义模式的关键特性与内置模式完全兼容优先覆盖同名自定义模式优先于内置模式无缝集成自动出现在fabric --listpatterns列表中更新安全fabric --updatepatterns更新内置模式时不会动到自定义目录路径自由CLI 的loadPattern会把以/、~、.开头的 source 当作文件路径直接读取见 patterns.go因此你甚至可以直接指定某个 .md 文件作为模式。五、实战用 t_check_metrics 做指标核查5.1 通过 CLI 运行t_check_metrics通过 Fabric 的-p/--pattern参数调用输入通过 stdin 管道传入# 方式一从文件传入 TELOS 档案 本次提问 cat ~/my-telos.md | fabric --pattern t_check_metrics 我的指标最近有改善吗 # 方式二直接在命令中携带输入 echo 体重 75kg本周跑了 3 次副业收入 0 | fabric --pattern t_check_metrics相关 CLI 参数见 internal/cli/flags.go参数说明-p, --pattern指定要使用的模式名如t_check_metrics-l, --listpatterns列出所有可用模式确认t_check_metrics已加载-U, --updatepatterns从仓库更新模式库获取最新的 TELOS 系列模式-v, --variable为模式变量赋值本模式无需其他模板模式可用--no-variable-replacement禁用模式变量替换--readpattern直接在终端打印t_check_metrics的原始 system.md 内容适合调试配合 README 中给出的别名技巧README.md还可以把常用模式注册为 shell 别名alias metricsfabric --pattern t_check_metrics # 之后直接cat ~/my-telos.md | metrics 指标状态如何5.2 通过 REST API 调用Fabric 内置的 HTTP 服务同样暴露了模式相关接口路由注册见 internal/server/patterns.goGET /patterns/t_check_metrics获取模式原文不做变量处理对应GetRawPOST /patterns/t_check_metrics/apply提交{input: ..., variables: {...}}服务端调用GetApplyVariables完成变量替换后返回完整 prompt见 patterns.go。这意味着t_check_metrics可以嵌入自动化流水线定时任务把最新指标快照 POST 到/apply接口拿到构造好的 prompt 后再调模型执行实现周期性的自动化指标核查。5.3 输入内容建议与预期输出形态为了让第 4 步「指标核查」真正有效你的输入应包含TELOS 档案本体身份、使命、目标、项目清单指标快照Ms / Ks每个关键指标的当前值与近几周趋势例如「周跑步里程第 1 周 10km → 第 2 周 15km → 本周 12km」「副业月收入0 → 500 → 1200」具体提问如「我的哪些指标在改善哪些停滞了下一步该聚焦哪里」。按照OUTPUT INSTRUCTIONS的约束模型应返回一个纯文本、无加粗无斜体、只含列表的核查结果例如- 周跑步里程从 10km 提升至 12km改善明显与健康目标一致 - 副业月收入从 0 增至 1200处于爬坡期但增速放缓 - 阅读时长连续两周未达标KPI 停滞与学习目标脱节 - 建议将每周阅读时长从 3 小时提升至 5 小时并固定睡前 30 分钟以上仅为输出形态示意实际内容由模型依据你的真实 TELOS 与指标生成。六、设计思想与最佳实践6.1 为什么强调「basic markdown 只输出列表」t_check_metrics的输出约束并非随意为之而是 Fabric 对 prompt 输出纪律的一贯要求可机器消费无特殊格式的列表便于 grep、日志采集、再喂给下游 Agent可对比多次运行的列表化输出可以逐条对照量化「改善与否」可引用每条都聚焦单一事实/建议方便作为决策依据被引用。6.2 将 t_check_metrics 嵌入复盘节奏建议的实践组合频率模式组合目的每周t_check_metrics核对量化指标状态与近期趋势及时纠偏每周t_find_neglected_goals找出被搁置的定性目标每月t_red_team_thinking从反面审视思维框架的盲区每年t_year_in_review年终盘点成就与未竟之事其中t_check_metrics扮演「数据仪表盘」的角色——它把 TELOS 档案中记录的 Ms / Ks 转化为可执行的复盘结论与定性分析类模式形成互补构成一套完整的「指标核查 目标检视 思维纠偏」闭环。6.3 使用前提与限制模式的输出质量强依赖 TELOS 档案中指标数据的完整性与新鲜度档案里没有 Ms / Ks模式第 4 步就无从核查本模式是纯 system prompt不含任何工具调用或模型配置实际执行效果取决于所选模型遵循指令尤其是只输出列表的能力仓库中的t_check_metrics/system.md是该模式的官方标准版本如需调整输出条数、指标口径或语言推荐复制为自定义模式使用避免更新覆盖。七、相关资源索引资源路径用途模式本体data/patterns/t_check_metrics/system.md本文章的核心文档模式家族说明data/patterns/pattern_explanations.mdt_check_metrics 官方一句话说明同族对比data/patterns/t_year_in_review/system.md结构完全一致的 TELOS 模式样例模式加载源码internal/plugins/db/fsdb/patterns.go模式读取、变量替换、自定义模式优先级默认文件名定义internal/plugins/db/fsdb/db.gosystem.md为默认模式文件名CLI 参数定义internal/cli/flags.go--pattern、--listpatterns等参数REST 接口internal/server/patterns.go/patterns/:name/apply自动化调用自定义模式指南README.md创建私有模式变体的完整流程总结t_check_metrics是 Fabric TELOS 系列中负责「量化复盘」的关键模式。它通过「通读 TELOS → 理解提问 → 深度思考 → 核查 Ms / Ks」四步流水线把散落在个人档案中的指标数据转化为结构化、可执行的改进建议。配合 Fabric 的 CLI 别名、自定义模式机制与 REST API你可以把它编排进周/月/年度的自动复盘管道让 AI 持续帮你盯住那些真正驱动进步的数字。【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 模式深度解析：t_check_metrics —— 用 TELOS 文件核对个人指标与 KPI，驱动持续改进
Fabric 模式深度解析t_check_metrics —— 用 TELOS 文件核对个人指标与 KPI驱动持续改进【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导读t_check_metrics是 Fabric 开源框架中t_TELOS系列个人成长/自我复盘模式之一它要求 AI 以「深度理解上下文 生成智慧」的方式工作先通读用户的 TELOS 文件关于某人或某实体的深度上下文档案再结合本次输入的问题或指令最终重点核查该对象当前的 Metrics指标与 KPIs关键绩效指标状态判断其是否在近期得到改善。本文以 data/patterns/t_check_metrics/system.md 为骨架结合 Fabric 的模式加载机制与 TELOS 系列模式家族讲解该模式的完整指令结构、运行原理、配套使用方式以及如何把「指标核查」纳入你的周期性自我复盘流程。一、模式定位t_check_metrics 在 TELOS 系列中的角色Fabric 的核心设计是「用一组众包的高质量 AI 提示词patterns解决具体问题」。在data/patterns/目录下t_前缀代表一套围绕TELOS 文件个人/实体的深度上下文档案设计的复盘类模式家族包括t_check_metrics、t_year_in_review、t_find_blindspots、t_red_team_thinking、t_threat_model_plans、t_visualize_mission_goals_projects等十余个成员。t_check_metrics在家族中的独特职责见 data/patterns/pattern_explanations.md 中的官方说明t_check_metrics: Analyzes deep context from the TELOS file and input instruction, then provides a wisdom-based output while considering metrics and KPIs to assess recent improvements.翻译过来就是从 TELOS 文件与输入指令中提取深度上下文产出基于智慧的输出同时结合指标与 KPI 评估近期改进情况。它与t_find_neglected_goals找出近期未被推进的目标、t_year_in_review年终复盘互为补充t_find_neglected_goals回答「哪些目标被搁置了」t_check_metrics回答「我的量化指标现在处于什么状态、有没有在变好」二者一质一量配合使用可以覆盖从定性目标到定量指标的完整复盘闭环。二、模式文件逐段精读指令结构解剖t_check_metrics的全部内容都写在单个system.md文件中data/patterns/t_check_metrics/system.md共三个区块。这种# IDENTITY→# STEPS→# OUTPUT INSTRUCTIONS的结构是 Fabric 所有模式的通用模板t_year_in_review、t_threat_model_plans等均采用完全相同的骨架。2.1 IDENTITYAI 的角色设定You are an expert at understanding deep context about a person or entity, and then creating wisdom from that context combined with the instruction or question given in the input.该模式要求模型扮演「深度上下文理解 智慧生成」双料专家理解端能够吃透 TELOS 文件中关于某人或某实体的全部深层背景生成端能把这套背景与用户当下的提问结合产出有洞察、可落地的建议而不是泛泛而谈。注意这里同时涵盖了「person」与「entity」——TELOS 档案不仅适用于个人个人成长、职业规划也可用于团队、产品、公司等实体对象如团队季度指标核查、产品北极星指标复盘。2.2 STEPS四步执行流程1. Read the incoming TELOS File thoroughly. Fully understand everything about this person or entity. 2. Deeply study the input instruction or question. 3. Spend significant time and effort thinking about how these two are related, and what would be the best possible output for the person who sent the input. 4. Check this persons Metrics or KPIs (Ms or Ks) to see their current state and if theyve been improved recently.四步逻辑可以归纳为「输入消化 → 交叉关联 → 深度思考 → 指标核查」步骤动作核心目的1完整通读 TELOS 文件建立对该对象背景的全量认知目标、项目、使命、历史状态等2深入研读输入指令/问题明确本次会话要解决的具体问题3花费大量时间思考两者关联追求「对该对象最优」的输出而非泛化回答4核查该对象的 Metrics / KPIs判断其当前状态以及最近是否有所改善第 4 步是整个模式最关键的差异化动作模型不能只看背景和提问还必须回到 TELOS 档案中记录的量化指标M与关键绩效指标K字段把「当下状态」与「近期变化趋势」纳入回答。这保证了输出不是空中楼阁而是锚定在真实数据上的复盘结论。2.3 OUTPUT INSTRUCTIONS输出约束1. Only use basic markdown formatting. No special formatting or italics or bolding or anything. 2. Only output the list, nothing else.两条硬性约束纯文本化只允许基础 Markdown 格式禁止斜体、加粗等特殊排版保证输出可以被下游管道日志、脚本、其他工具直接消费只输出列表回答必须收敛为一个列表不允许额外解释、开场白或总结段落。这与 TELOS 家族其他成员的输出纪律一脉相承——t_find_blindspots要求输出8 条 16 词盲点列表、t_describe_life_outlook要求5 条 16 词人生观列表都是「结构化、可计量、可引用」的产出形态。三、TELOS 文件是什么模式运行的数据基础t_check_metrics的所有分析都建立在 TELOS 文件之上。从模式文本及同族模式如 data/patterns/t_threat_model_plans/system.md、data/patterns/t_visualize_mission_goals_projects/system.md可以推断TELOS 是 t_ 系列共享的输入档案它至少包含以下维度的信息身份与背景此人/实体是谁做什么在哪个领域使命Missions长期追求的方向目标Goals中期可衡量的目标项目Projects正在推进的具体项目指标与 KPIMs 与 Ks本模式第 4 步重点核查的量化维度。从源码结构看t_系列模式全部遵循「通读 TELOS → 研读输入 → 思考关联 → 产出特定形态输出」的模板仅在第 4 步之后的输出指令上分化。例如t_year_in_review第 4 步输出「8 条 16 词的本年度成就」第 5 步用 ASCII art 可视化「完成 vs 未完成」t_check_metrics第 4 步专门核查指标状态与近期改善情况t_find_neglected_goals第 4 步输出「近期未被推进的目标」。因此想要t_check_metrics发挥效果你需要先维护好自己的 TELOS 档案并在其中显式记录可量化的 Ms / Ks——指标缺失时模式的第 4 步将失去数据锚点。实践中可以每周把最近的指标快照如阅读时长、锻炼次数、项目里程碑、收入数字追加进 TELOS 文件再运行本模式做定期核查。四、Fabric 是如何加载和运行这个模式的4.1 模式的文件组织与命名t_check_metrics在仓库中对应目录data/patterns/t_check_metrics/内含一个system.md。这是 Fabric 模式的标准形态每个模式是一个目录目录名即模式名system.md是系统提示词文件。这一点在源码中有明确印证internal/plugins/db/fsdb/patterns.go 中PatternsEntity定义了SystemPatternFile字段其默认值在 internal/plugins/db/fsdb/db.go 中即为system.md模式的实际存储路径由filepath.Join(o.Dir, name, o.SystemPatternFile)拼出见 patterns.go即{patterns目录}/{模式名}/system.md。4.2 模式的加载链路当你在 CLI 中指定--pattern t_check_metrics时加载流程如下定位模式patterns.go 中的getFromDB先检查自定义模式目录CustomPatternsDir再回退到主模式目录读取对应system.md的全文内容构建 PromptGetApplyVariables/GetWithoutVariables见 patterns.go把模式文本中的{{input}}占位符替换为你的实际输入TELOS 文件内容与提问t_check_metrics模式本身不含{{input}}之外的模板变量因此也可用--no-variable-replacement禁用变量替换送入模型组装好的 system prompt user input 一起发给配置的模型执行。4.3 自定义模式私有化你的 t_check_metrics 变体如果你想让t_check_metrics更贴合自己的指标维度Fabric 支持在独立的自定义模式目录中放置同名或新增模式详见 README.mdmkdir -p ~/my-custom-patterns/my-metrics-check # 写入自己的 system.md可完全参考 t_check_metrics 的结构改造 echo You are an expert at ... ~/my-custom-patterns/my-metrics-check/system.md fabric --pattern my-metrics-check 我的 TELOS 文件内容自定义模式的关键特性与内置模式完全兼容优先覆盖同名自定义模式优先于内置模式无缝集成自动出现在fabric --listpatterns列表中更新安全fabric --updatepatterns更新内置模式时不会动到自定义目录路径自由CLI 的loadPattern会把以/、~、.开头的 source 当作文件路径直接读取见 patterns.go因此你甚至可以直接指定某个 .md 文件作为模式。五、实战用 t_check_metrics 做指标核查5.1 通过 CLI 运行t_check_metrics通过 Fabric 的-p/--pattern参数调用输入通过 stdin 管道传入# 方式一从文件传入 TELOS 档案 本次提问 cat ~/my-telos.md | fabric --pattern t_check_metrics 我的指标最近有改善吗 # 方式二直接在命令中携带输入 echo 体重 75kg本周跑了 3 次副业收入 0 | fabric --pattern t_check_metrics相关 CLI 参数见 internal/cli/flags.go参数说明-p, --pattern指定要使用的模式名如t_check_metrics-l, --listpatterns列出所有可用模式确认t_check_metrics已加载-U, --updatepatterns从仓库更新模式库获取最新的 TELOS 系列模式-v, --variable为模式变量赋值本模式无需其他模板模式可用--no-variable-replacement禁用模式变量替换--readpattern直接在终端打印t_check_metrics的原始 system.md 内容适合调试配合 README 中给出的别名技巧README.md还可以把常用模式注册为 shell 别名alias metricsfabric --pattern t_check_metrics # 之后直接cat ~/my-telos.md | metrics 指标状态如何5.2 通过 REST API 调用Fabric 内置的 HTTP 服务同样暴露了模式相关接口路由注册见 internal/server/patterns.goGET /patterns/t_check_metrics获取模式原文不做变量处理对应GetRawPOST /patterns/t_check_metrics/apply提交{input: ..., variables: {...}}服务端调用GetApplyVariables完成变量替换后返回完整 prompt见 patterns.go。这意味着t_check_metrics可以嵌入自动化流水线定时任务把最新指标快照 POST 到/apply接口拿到构造好的 prompt 后再调模型执行实现周期性的自动化指标核查。5.3 输入内容建议与预期输出形态为了让第 4 步「指标核查」真正有效你的输入应包含TELOS 档案本体身份、使命、目标、项目清单指标快照Ms / Ks每个关键指标的当前值与近几周趋势例如「周跑步里程第 1 周 10km → 第 2 周 15km → 本周 12km」「副业月收入0 → 500 → 1200」具体提问如「我的哪些指标在改善哪些停滞了下一步该聚焦哪里」。按照OUTPUT INSTRUCTIONS的约束模型应返回一个纯文本、无加粗无斜体、只含列表的核查结果例如- 周跑步里程从 10km 提升至 12km改善明显与健康目标一致 - 副业月收入从 0 增至 1200处于爬坡期但增速放缓 - 阅读时长连续两周未达标KPI 停滞与学习目标脱节 - 建议将每周阅读时长从 3 小时提升至 5 小时并固定睡前 30 分钟以上仅为输出形态示意实际内容由模型依据你的真实 TELOS 与指标生成。六、设计思想与最佳实践6.1 为什么强调「basic markdown 只输出列表」t_check_metrics的输出约束并非随意为之而是 Fabric 对 prompt 输出纪律的一贯要求可机器消费无特殊格式的列表便于 grep、日志采集、再喂给下游 Agent可对比多次运行的列表化输出可以逐条对照量化「改善与否」可引用每条都聚焦单一事实/建议方便作为决策依据被引用。6.2 将 t_check_metrics 嵌入复盘节奏建议的实践组合频率模式组合目的每周t_check_metrics核对量化指标状态与近期趋势及时纠偏每周t_find_neglected_goals找出被搁置的定性目标每月t_red_team_thinking从反面审视思维框架的盲区每年t_year_in_review年终盘点成就与未竟之事其中t_check_metrics扮演「数据仪表盘」的角色——它把 TELOS 档案中记录的 Ms / Ks 转化为可执行的复盘结论与定性分析类模式形成互补构成一套完整的「指标核查 目标检视 思维纠偏」闭环。6.3 使用前提与限制模式的输出质量强依赖 TELOS 档案中指标数据的完整性与新鲜度档案里没有 Ms / Ks模式第 4 步就无从核查本模式是纯 system prompt不含任何工具调用或模型配置实际执行效果取决于所选模型遵循指令尤其是只输出列表的能力仓库中的t_check_metrics/system.md是该模式的官方标准版本如需调整输出条数、指标口径或语言推荐复制为自定义模式使用避免更新覆盖。七、相关资源索引资源路径用途模式本体data/patterns/t_check_metrics/system.md本文章的核心文档模式家族说明data/patterns/pattern_explanations.mdt_check_metrics 官方一句话说明同族对比data/patterns/t_year_in_review/system.md结构完全一致的 TELOS 模式样例模式加载源码internal/plugins/db/fsdb/patterns.go模式读取、变量替换、自定义模式优先级默认文件名定义internal/plugins/db/fsdb/db.gosystem.md为默认模式文件名CLI 参数定义internal/cli/flags.go--pattern、--listpatterns等参数REST 接口internal/server/patterns.go/patterns/:name/apply自动化调用自定义模式指南README.md创建私有模式变体的完整流程总结t_check_metrics是 Fabric TELOS 系列中负责「量化复盘」的关键模式。它通过「通读 TELOS → 理解提问 → 深度思考 → 核查 Ms / Ks」四步流水线把散落在个人档案中的指标数据转化为结构化、可执行的改进建议。配合 Fabric 的 CLI 别名、自定义模式机制与 REST API你可以把它编排进周/月/年度的自动复盘管道让 AI 持续帮你盯住那些真正驱动进步的数字。【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