Fabric 模式实战用 t_extract_panel_topics 从 TELOS 深度背景生成高质量圆桌议题【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/FabricFabric 将解决具体问题的思路封装为可复用的 AI 提示词模式Patternt_extract_panel_topics正是其中面向人物深度背景 → 圆桌讨论议题的专用模式它读取一份描述某人或实体的 TELOS 背景文件结合附加指令产出 5 条带标题的圆桌议题建议。读完本文你将掌握该模式的身份设定、五步工作流程与输出规范并能在 Fabric CLI 中通过管道输入直接运行它用源码视角理解模式在仓库中的加载与执行机制。模式定位从深度背景中提炼智慧t_extract_panel_topics存放在 data/patterns/t_extract_panel_topics/system.md是 Fabric 模式体系中t_前缀家族的一员。该家族还包括t_create_opening_sentences、t_describe_life_outlook、t_extract_intro_sentences、t_year_in_review、t_find_blindspots等十余个模式它们共享同一个工作范式输入一份描述个人或实体的 TELOS 背景文件结合用户指令输出基于深度背景的智慧型结果。仓库中的模式说明文档对它的定位给出了两处交叉印证data/patterns/pattern_explanations.mdCreates 5 panel ideas with titles and descriptions based on deep context from a TELOS file and input.基于 TELOS 文件与输入创建 5 条带标题和描述的圆桌议题想法scripts/pattern_descriptions/pattern_descriptions.json描述为Extract panel topics to create engaging discussions.提取圆桌议题以创建有吸引力的讨论并被打上EXTRACT、ANALYSIS、WRITING三个功能标签说明它兼具提取—分析—写作三重属性。从该模式的命名与同类模式的结构可以推断所谓TELOS 文件指的是模式运行时要输入的那份集中描述某个人或实体背景、目标与现状的上下文文件它是本模式一切输出的素材源头。身份设定IDENTITY模式如何定义自己system.md的第一段即身份声明它规定了模型在本次会话中扮演的角色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.这段身份设定包含三个关键能力约束深度上下文理解understanding deep context模型必须先吃透人/实体的背景而非泛泛而谈智慧合成creating wisdom产出不是对背景的复述而是将背景与用户指令融合后生成的新智慧输入驱动combined with the instruction or question given in the input最终输出必须同时回应用户随模式传入的具体指令或问题。这与t_家族其他模式的身份声明完全一致例如 t_find_blindspots/system.md、t_find_negative_thinking/system.md 中均有相同的开头可以推断深度背景 智慧生成是该系列模式的公共设计底座。五步工作流程STEPS从读到写system.md用 5 个步骤规定了模式的执行路径每一步都有明确的输入、动作与目标步骤动作要点1通读 TELOS 文件彻底理解关于该人或实体的全部内容建立完整背景画像2深研输入指令仔细研究用户附带的指令或问题明确本次任务诉求3深度思考关联花大量时间与精力思考背景与指令之间的关系推演对发送者而言最佳的输出4写 5 条 48 词要点每条要点都包含一个 3~5 词的圆桌议题标题这些议题应当是该人物非常合适参加的5面向他人优化议题不仅要适合本人也要能让其他参与者受益避免写成个人定制私货这里最值得注意的硬性规格有两个数量与长度必须输出5 条要点每条正文48 个英文单词Write 5 48-word bullet points标题规格每条要点必须内嵌一个3~5 词的议题标题each including a 3-5 word panel title。第 5 步是这条模式的价值观所在它明确要求议题具备公共讨论价值而非只服务输入者本人——这直接决定了议题质量的上限。输出规范OUTPUT INSTRUCTIONS极简即纪律模式的输出约束只有两条却非常严格仅使用基础 Markdown 格式禁止特殊格式、斜体、加粗等任何装饰性排版No special formatting or italics or bolding or anything只输出列表本身不得输出任何解释、前言或附加内容Only output the list, nothing else。这两条约束与t_家族的输出规范一脉相承例如 t_extract_intro_sentences/system.md 同样要求仅输出列表。可以理解为这类模式的产物是供人直接消费的纯内容因此刻意压制了模型爱加解释的倾向保证输出可被下游直接粘贴、引用或二次处理。源码视角模式在 Fabric 中如何加载与运行在 Fabric 仓库中data/patterns目录是模式的默认存放位置而模式的加载、下载与同步由 internal/tools/patterns_loader.go 负责。其关键机制包括默认仓库与目录patterns_loader.go 定义了DefaultPatternsGitRepoUrl与DefaultPatternsGitRepoFolder data/patterns说明本仓库的data/patterns正是模式的规范来源目录模式即目录createUniquePatternsFile()patterns_loader.go会扫描 patterns 目录下所有子目录名生成unique_patterns.txt清单每个模式对应一个目录t_extract_panel_topics即为其中之一自定义模式保留PersistPatterns()patterns_loader.go在同步新版本模式时会保留用户自建但仓库中不存在的自定义模式因此你可以基于system.md的骨架复制出属于自己的面板议题模式。从 CLI 角度看模式通过--pattern参数被调用。README 中记录了多种调用形态均可直接套用到本模式# 经典管道用法把文本内容通过 stdin 传给模式 pbpaste | fabric --pattern t_extract_panel_topics # 流式输出适合观察模型逐步生成 pbpaste | fabric --stream --pattern t_extract_panel_topics # 带额外参数作为输入指令/问题传给模式 fabric --pattern t_extract_panel_topics 请结合我近期演讲的议题给出建议-p, --pattern参数在 README.md 中有完整命令行说明README 的示例管道如 README.md展示了pbpaste | fabric --pattern ...的标准用法若希望把 TELOS 背景文件内容作为输入可用cat telos.md | fabric --pattern t_extract_panel_topics的形式把文件内容送入 stdin。模式之间可以叠加使用构成背景→议题的流水线。例如先用 t_extract_intro_sentences 或 t_describe_life_outlook 产出人物的精炼画像再把结果交给t_extract_panel_topics生成议题——这与 Fabric 的管道哲学$pipelineContent | fabric --pattern $patternName见 README.md完全一致。进阶配置专属模型映射与命令别名针对本模式以及任何其他模式Fabric 支持两种实用的定制方式1. 按模式指定模型README 的Per-Pattern Model Mapping一节README.md说明可通过环境变量为单个模式指定模型export FABRIC_MODEL_t_extract_panel_topicsopenai|gpt-4o命名规则为FABRIC_MODEL_PATTERN_NAMEvendor|model将PATTERN_NAME替换为t_extract_panel_topics即可。适合让轻量任务如议题草拟走更经济的模型重量任务走更强模型。2. 为模式创建命令别名README 提供了批量生成别名的脚本思路README.md遍历~/.config/fabric/patterns/下所有模式为每个模式生成alias pattern_namefabric --pattern pattern_name。配置后即可直接使用t_extract_panel_topics telos.md实战建议让议题真正出彩结合模式的五步流程实践中值得注意以下几点TELOS 文件的质量决定议题上限步骤 1 要求彻底理解因此输入的背景文件应尽量包含该人物的履历、专长、近期项目、公开表达等细节信息越密模型可挖掘的议题交叉点越多善用步骤 2 的指令输入模式会把用户附加的指令与背景融合例如指定面向开发者大会或面向行业媒体能显著改变议题的受众倾向尊重第 5 步的公共性要求若输出的议题过于个人化、对他人无讨论价值说明模型未严格遵循步骤 5可通过调整输入指令强化通用讨论价值的约束遵守输出纪律模式要求纯列表、无装饰排版因此下游可以放心把输出直接作为会议议程初稿、投稿提案或主持人选题参考无需二次清洗。总而言之t_extract_panel_topics是一个背景输入、议题输出的轻量高复用模式它用 48 词 × 5 条的硬性规格保证产出密度用 3~5 词标题保证议题可传播用面向他人的第 5 步保证讨论价值。理解了它的身份设定、五步流程与输出约束再配合 Fabric 的管道调用与模型映射能力你就能把它无缝嵌入自己的会议策划、内容生产与个人品牌运营工作流中。【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