为什么需要
用 AI 处理日常任务（写文章摘要、提取文章要点、代码 review、翻译）每次都要重新写 Prompt，调来调去效果不稳定。Fabric 把社区验证过的 Prompt 模式整理成模块化库，覆盖 200+ 场景，一行命令就能调用。同样的输入，同样的输出格式——AI 工作流从一次性脚本变成可重复的流水线。
怎么用
bash
# 安装
go install github.com/danielmiessler/fabric@latest
# 配置 LLM（支持 OpenAI、Anthropic、Ollama 等）
fabric --setup
# 调用模式
fabric -p summarize https://example.com/article
fabric -p extract_wisdom interview.txt
fabric -p analyze_code src/auth.ts
内置 200+ 模式，按场景分类：
- 内容处理：
summarize、extract_wisdom、extract_main_idea、create_tags - 代码相关：
analyze_code、create_unit_tests、review_code - 写作辅助：
write_essay、improve_writing、create_summary - 数据分析：
analyze_paper、extract_recommendations - AI 增强：
create_micro_summary、explain_code、explain_terms
每个模式都是单独的 Markdown 文件，用户可以 fork 修改。也可以自定义新模式放到 ~/.config/fabric/patterns/。
使用案例
独立开发者做内容运营，需要每天处理 20-30 篇文章（摘要、提取要点、生成 Twitter 推文）。用 Fabric：
bash
# 处理 RSS feed
for url in $(cat rss.txt); do
fabric -p extract_wisdom "$url" >> wisdom.md
done
# AI 编程辅助
git diff main | fabric -p review_code
一天节省 2-3 小时手写 prompt 的时间。模式是社区验证过的，输出质量稳定，不像自己写 prompt 每次都碰运气。
另一个场景：把 YouTube 视频的转录文本丢给 Fabric 的 extract_main_idea，3 秒拿到结构化笔记。
注意事项
- 完全免费开源，MIT 协议
- 支持任意 LLM 后端：OpenAI、Anthropic、Google、Groq、Ollama、本地模型
- 安装需要 Go 1.21+
- 中文模式覆盖较薄（社区主要英文贡献）
- 模式库质量参差，明星模式（如
summarize）效果好，小众模式可能需要调整