企业官网建设流程全解析

LifeOS 中的 Fabric 工作流：基于意图的智能模式选择实战指南

【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS

导读

本文围绕 LifeOS 仓库中 Research 技能的 Fabric 工作流 展开，讲解如何从 240+ 个经过实战验证的专业提示词模式（pattern）中，根据用户意图自动挑选最合适的模式，用于威胁建模、摘要、智慧提取、内容分析、内容创作与文本转换。读完本文，你将掌握一整套"意图识别 → 模式匹配 → 执行 → 结果输出"的完整工作流，并了解 LifeOS 如何在不依赖外部 CLI 的情况下原生执行这些模式，以及何时才需要回退到fabric命令行。

一、Fabric 工作流是什么

Fabric 工作流是 LifeOS 中 Research 技能（Research/SKILL.md）注册的众多工作流之一，它的定位是：为 Fabric CLI 提供智能模式选择。当用户提出"对某内容做威胁建模 / 分析 / 摘要 / 提取 / 转换"之类的请求时，本工作流负责从 240+ 个专业提示词模式中自动挑选最合适的那一个，然后执行。

它的适用触发条件（USE WHEN）覆盖：

• 处理内容（processing content）
• 分析数据（analyzing data）
• 生成摘要（creating summaries）
• 威胁建模（threat modeling）
• 文本转换（transforming text）

注意：Fabric 技能本体已迁移到独立技能目录，本工作流文件只是 Research 技能中的路由入口。真正的模式库与执行逻辑位于LifeOS/install/skills/Fabric/目录。

技能引用与模式位置

原工作流文件明确给出了两个关键路径（安装到用户主目录后的形态）：

• 主技能文件：~/.claude/skills/Fabric/SKILL.md
• 模式存放目录：~/.claude/skills/Fabric/Patterns/

在当前仓库中，对应的实际位置是 LifeOS/install/skills/Fabric/SKILL.md 与 LifeOS/install/skills/Fabric/Patterns/。当需要更新模式时，直接说 "update fabric patterns" 即可触发 Fabric 技能的 UpdatePatterns 工作流（详见第五节）。

二、何时激活本技能：识别触发意图

工作流文件给出了七类最常见的主用例（Primary Use Cases），当用户请求中出现以下意图时应激活本技能：

核心目标：根据你要完成的任务，从 240+ 个可用模式中挑选出正确的那一个——而不是把模式清单甩给用户让他自己选。

三、模式选择策略：意图分类决策树

原文档的核心是一套决策树。拿到用户请求后，第一步是判断意图属于哪一大类，第二步是精确到具体模式。

1. 识别意图类别

威胁建模与安全（Threat Modeling & Security）：

• 威胁建模 →create_threat_model或create_stride_threat_model
• 威胁场景 →create_threat_scenarios
• 安全更新 →create_security_update
• 安全规则 →create_sigma_rules、write_nuclei_template_rule、write_semgrep_rule
• 威胁分析 →analyze_threat_report、analyze_threat_report_trends

摘要（Summarization）：

• 通用摘要 →summarize
• 5 句摘要 →create_5_sentence_summary
• 微摘要 →create_micro_summary或summarize_micro
• 会议 →summarize_meeting
• 论文/研究 →summarize_paper
• 视频/YouTube →youtube_summary
• 通讯稿 →summarize_newsletter
• 代码变更 →summarize_git_changes或summarize_git_diff

智慧提取（Wisdom Extraction）：

• 通用智慧 →extract_wisdom
• 文章智慧 →extract_article_wisdom
• 书籍想法 →extract_book_ideas
• 洞察 →extract_insights或extract_insights_dm
• 核心思想 →extract_main_idea
• 推荐 →extract_recommendations
• 争议观点 →extract_controversial_ideas

分析（Analysis）：

• 恶意软件 →analyze_malware
• 代码 →analyze_code或review_code
• 论断 →analyze_claims
• 辩论 →analyze_debate
• 日志 →analyze_logs
• 论文 →analyze_paper
• 威胁报告 →analyze_threat_report
• 产品反馈 →analyze_product_feedback
• 销售电话 →analyze_sales_call

内容创作（Content Creation）：

• PRD →create_prd
• 设计文档 →create_design_document
• 用户故事 →create_user_story
• 可视化 →create_visualization、create_mermaid_visualization、create_markmap_visualization
• 文章 →write_essay
• 报告发现 →create_report_finding
• 通讯稿条目 →create_newsletter_entry

改进（Improvement）：

• 写作 →improve_writing
• 学术写作 →improve_academic_writing
• 提示词 →improve_prompt
• 报告发现 →improve_report_finding
• 代码 →review_code

评分/评审（Rating/Evaluation）：

• AI 响应 →rate_ai_response
• 内容质量 →rate_content
• 价值评估 →rate_value
• 通用判断 →judge_output

2. 执行模式：fabric 命令行格式

# 基本格式 fabric [input] -p [selected_pattern] # 从 URL 抓取 fabric -u "URL" -p [pattern] # 从 YouTube fabric -y "YOUTUBE_URL" -p [pattern] # 从文件（管道输入） cat file.txt | fabric -p [pattern] # 直接文本 fabric "your text here" -p [pattern]

关键参数说明：

• -p：指定要使用的 pattern 名称（名称必须精确，例如extract_wisdom而不是extractwisdom）
• -u：URL 内容抓取
• -y：YouTube 转写（fabric 原生处理下载 + 转写 + 处理）

四、240+ 模式全目录：七大分类速查

仓库中的 Patterns/ 目录 实际存放了 240+ 个模式，每个模式是一个目录，内含system.md（提示词指令）。此外 pattern_explanations.md 提供了每个模式的一句话说明。

威胁建模与安全（15 个模式）

• create_threat_model- 通用威胁建模
• create_stride_threat_model- STRIDE 方法论
• create_threat_scenarios- 威胁场景生成
• create_security_update- 安全更新文档
• create_sigma_rules- SIGMA 检测规则
• write_nuclei_template_rule- Nuclei 扫描器模板
• write_semgrep_rule- Semgrep 静态分析规则
• analyze_threat_report- 威胁报告分析
• analyze_threat_report_cmds- 从威胁报告提取命令
• analyze_threat_report_trends- 识别威胁趋势
• t_threat_model_plans- 针对计划的威胁建模
• ask_secure_by_design_questions- 安全设计提问
• create_network_threat_landscape- 网络威胁态势
• analyze_incident- 事件分析
• analyze_risk- 风险评估

摘要（20 个模式）

• summarize- 通用摘要
• create_5_sentence_summary- 超精简 5 行摘要
• create_micro_summary- 微摘要
• create_summary- 详细摘要
• summarize_micro- 微摘要
• summarize_meeting- 会议纪要摘要
• summarize_paper- 学术论文摘要
• summarize_lecture- 讲座摘要
• summarize_newsletter- 通讯稿摘要
• summarize_debate- 辩论摘要
• summarize_legislation- 立法摘要
• summarize_rpg_session- RPG 跑团记录摘要
• summarize_board_meeting- 董事会会议摘要
• summarize_git_changes- Git 变更摘要
• summarize_git_diff- Git diff 摘要
• summarize_pull-requests- PR 摘要
• summarize_prompt- 提示词摘要
• youtube_summary- YouTube 视频摘要
• create_cyber_summary- 网络安全摘要

提取（30+ 个模式）

• extract_wisdom- 通用智慧提取
• extract_article_wisdom- 文章专属智慧
• extract_book_ideas- 书籍想法
• extract_insights- 通用洞察
• extract_insights_dm- 深度模式洞察
• extract_main_idea- 核心信息
• extract_recommendations- 推荐
• extract_ideas- 内容想法
• extract_questions- 提出的问题
• extract_predictions- 做出的预测
• extract_controversial_ideas- 争议点
• extract_business_ideas- 商业机会
• extract_skills- 提及的技能
• extract_patterns- 识别出的模式
• extract_sponsors- 赞助商提及
• extract_references- 引用的参考
• extract_instructions- 内容中的指令
• extract_jokes- 幽默提取
• extract_primary_problem- 主要问题
• extract_primary_solution- 主要方案
• extract_product_features- 产品特性
• extract_core_message- 核心信息
• extract_algorithm_update_recommendations- 算法建议
• extract_extraordinary_claims- 非凡论断
• extract_most_redeeming_thing- 最有价值之处

分析（35+ 个模式）

• analyze_claims- 论断分析
• analyze_malware- 恶意软件分析
• analyze_code- 代码分析
• analyze_paper- 论文分析
• analyze_logs- 日志分析
• analyze_debate- 辩论分析
• analyze_incident- 事件分析
• analyze_comments- 评论分析
• analyze_answers- 答案分析
• analyze_email_headers- 邮件头分析
• analyze_military_strategy- 军事战略
• analyze_mistakes- 错误分析
• analyze_personality- 人格分析
• analyze_presentation- 演示分析
• analyze_product_feedback- 产品反馈
• analyze_proposition- 提案分析
• analyze_prose- 散文分析
• analyze_risk- 风险分析
• analyze_sales_call- 销售电话分析
• analyze_spiritual_text- 灵性文本分析
• analyze_tech_impact- 技术影响分析
• analyze_threat_report- 威胁报告分析
• analyze_bill- 法案分析
• analyze_candidates- 候选人分析
• analyze_cfp_submission- CFP 投稿分析
• analyze_terraform_plan- Terraform 计划分析
• analyze_interviewer_techniques- 面试官技巧分析

创作（50+ 个模式）

• create_prd- 产品需求文档
• create_design_document- 设计文档
• create_user_story- 用户故事
• create_coding_project- 编码项目
• create_coding_feature- 代码特性
• create_mermaid_visualization- Mermaid 图表
• create_markmap_visualization- Markmap 思维导图
• create_visualization- 通用可视化
• create_threat_model- 威胁模型
• create_stride_threat_model- STRIDE 威胁模型
• create_threat_scenarios- 威胁场景
• create_report_finding- 报告发现
• create_newsletter_entry- 通讯稿内容
• create_keynote- 主题演讲
• create_academic_paper- 学术论文
• create_flash_cards- 学习闪卡
• create_quiz- 测验
• create_graph_from_input- 图表
• create_tags- 内容标签
• create_art_prompt- 艺术生成提示词
• create_command- CLI 命令
• create_pattern- Fabric 模式
• create_logo- Logo 设计
• create_podcast_image- 播客图像
• create_sigma_rules- SIGMA 规则
• create_video_chapters- 视频章节
• create_upgrade_pack- 升级文档

改进（10 个模式）

• improve_writing- 通用写作改进
• improve_academic_writing- 学术写作
• improve_prompt- 提示词工程
• improve_report_finding- 报告发现
• review_code- 代码评审
• review_design- 设计评审
• refine_design_document- 设计文档精炼
• humanize- 拟人化 AI 文本
• enrich_blog_post- 博客增强
• clean_text- 文本清理

评分/评审（8 个模式）

• rate_ai_response- 评分 AI 输出
• rate_ai_result- 评分 AI 结果
• rate_content- 评分内容质量
• rate_value- 评分价值主张
• judge_output- 通用判断
• label_and_rate- 标注与评分
• check_agreement- 协议检查
• arbiter-evaluate-quality- 质量评估

仓库实际规模以 Patterns/ 目录 为准，除上述高频模式外还包含大量垂直场景模式（如analyze_bill、write_hackerone_report、summarize_rpg_session、create_reading_plan、explain_code等），完整清单可直接ls该目录查看。

五、模式更新流程

模式由 Fabric 技能统一管理。原文档规定的更新方式是：

• 更新模式：直接说 "update fabric patterns"，触发 UpdatePatterns 工作流
• 查看全部模式：

ls ~/.claude/skills/Fabric/Patterns/

UpdatePatterns 工作流（仓库实现）的完整步骤为：

1. 前置条件：必须已安装 fabric CLI（go install github.com/danielmiessler/fabric@latest），更新从上游官方仓库拉取
2. 发送语音通知：向本地通知服务 POST 一条消息
3. 统计当前模式数：ls -1 ~/.claude/skills/Fabric/Patterns/ | wc -l
4. 通过 fabric CLI 更新：执行fabric -U，更新~/.config/fabric/patterns/
5. 同步到技能目录：rsync -av --delete ~/.config/fabric/patterns/ ~/.claude/skills/Fabric/Patterns/
6. 报告结果：对比新旧模式数量，输出新增数量
7. 验证关键模式存在：依次检查extract_wisdom、summarize、create_threat_model、analyze_claims四个核心模式是否就位

若 fabric CLI 不可用，还可通过手动 git clone 上游仓库后rsync同步模式目录（详见工作流文档"Alternative: Manual Git Update"一节）。

六、实战示例

威胁建模：

# 用户："Create a threat model for our new API" fabric "API that handles user authentication and payment processing" -p create_threat_model

摘要：

# 用户："Summarize this blog post" fabric -u "https://example.com/blog-post" -p summarize # 用户："Give me a 5-sentence summary" fabric -u "https://example.com/article" -p create_5_sentence_summary

智慧提取：

# 用户："Extract wisdom from this video" fabric -y "https://youtube.com/watch?v=..." -p extract_wisdom # 用户："What are the main ideas?" fabric -u "URL" -p extract_main_idea

分析：

# 用户："Analyze this code for issues" fabric "$(cat code.py)" -p analyze_code # 用户："Analyze these security claims" fabric "security claims text" -p analyze_claims

七、模式选择决策矩阵

原文档提供了一张速查表，帮助快速根据用户请求关键词定位意图与推荐模式：

八、高级用法

管道内容处理：

cat article.txt | fabric -p extract_wisdom pbpaste | fabric -p summarize curl -s "https://..." | fabric -p analyze_claims

处理 YouTube 视频：fabric 自动处理下载 + 转写 + 处理：

fabric -y "https://youtube.com/watch?v=..." -p youtube_summary

链式模式（手动）：

# 先提取再摘要 fabric -u "URL" -p extract_wisdom > wisdom.txt cat wisdom.txt | fabric -p create_5_sentence_summary

九、从 CLI 到原生执行：LifeOS 的深度集成

原工作流文档是面向fabric CLI的，但 LifeOS 仓库中的 Fabric 技能本体 展示了更进一步的设计——原生模式执行（Native Pattern Execution）：

• 大多数模式无需 CLI 往返：LifeOS 直接读取Patterns/{pattern_name}/system.md，把模式的指令作为提示词直接应用，避免外部 CLI 调用的延迟与依赖
• 仅两种场景需要 fabric CLI：
  • -y URL：YouTube 转写提取
  • -u URL：URL 内容抓取（当原生抓取失败时回退）

每个模式的system.md遵循统一结构（可查看 execute_wisdom/system.md 等真实文件）：

• IDENTITY（AI 应扮演的角色）
• PURPOSE（要达成的目标）
• STEPS（如何处理输入）
• OUTPUT（结构化输出格式）

例如extract_wisdom的输出格式包含SUMMARY、IDEAS（20-50 条）、INSIGHTS（10-20 条）、QUOTES（15-30 条）、HABITS、FACTS、REFERENCES、ONE-SENTENCE TAKEAWAY、RECOMMENDATIONS等结构化区块；summarize则输出ONE SENTENCE SUMMARY+MAIN POINTS（10 条，每条 ≤16 词）+TAKEAWAYS（5 条）；analyze_claims会对每条论断给出CLAIM、CLAIM SUPPORT EVIDENCE、CLAIM REFUTATION EVIDENCE、LOGICAL FALLACIES、CLAIM RATING（A-F 分级）、LABELS以及OVERALL SCORE与OVERALL ANALYSIS。

ExecutePattern 工作流与自动收割（Auto-Harvest）

ExecutePattern 工作流 给出了原生执行的四步流程：意图识别 → 读取system.md→ 直接应用模式 → 按规格输出。其中值得注意的两个设计：

1. URL 特殊处理：YouTube 用fabric -y（原生处理转写，不要用 WebFetch 抓 YouTube 页面）；遇到 CAPTCHA 或反爬时用fabric -u回退。
2. Auto-Harvest 侧效应：当选择的模式属于summarize 家族（summarize、create_5_sentence_summary、create_micro_summary、summarize_paper、summarize_lecture、summarize_newsletter、summarize_meeting、summarize_debate、youtube_summary），且输入为 URL 或 ≥200 字符的文本时，会在后台并行触发知识摄入（harvest）技能，实现"一次动作、两份产出"——聊天窗口得到摘要，磁盘上得到 KNOWLEDGE 笔记。该侧效应遵循失败隔离原则：收割失败绝不抑制摘要输出；且遵守幂等性，重复摘要同一 URL 只返回duplicate状态，不会重复写笔记。

常见坑（Gotchas）

• YouTube 提取必须用fabric -y URL，不要直接抓取 YouTube 页面
• 模式名称必须精确：extract_wisdom不是extractwisdom；拿不准时用fabric --list核对
• 长内容可能超出模式上下文限制：对于超长输入，先切块或用摘要模式先行压缩
• 执行日志：每次工作流完成后，向~/.claude/LIFEOS/MEMORY/SKILLS/execution.jsonl追加一行 JSONL 记录（含时间戳、技能名、工作流名、输入摘要、状态、耗时），失败时记录status: "error"

十、核心洞察

该技能的价值在于为任务选择"正确"的模式。

当用户说 "Create a threat model using Fabric" 时，正确的动作是：

1. 识别 "threat model" 意图
2. 知道可用选项：create_threat_model、create_stride_threat_model、create_threat_scenarios
3. 选择最佳匹配（通常默认create_threat_model，除非用户明确指定 STRIDE）
4. 立即执行：fabric "[content]" -p create_threat_model

错误做法："以下是所有模式，你挑一个吧"。正确做法："我将使用create_threat_model来处理" → 立即执行。

这一"直接行动"哲学贯穿整个工作流：模式选择的准确性直接决定输出质量，而 LifeOS 将其进一步演进为"选择后原生执行"，让 240+ 个专业提示词真正成为随手可用的能力库。

十一、延伸阅读

• Fabric 技能主文档：原生执行机制、模式类别统计、变更日志与执行日志规范
• ExecutePattern 工作流：原生执行四步流程、Auto-Harvest 侧效应、错误处理模板
• UpdatePatterns 工作流：模式更新、同步与验证的完整命令
• 模式目录：240+ 模式的实际存放位置，每个模式目录下含system.md
• 模式一句话说明：快速浏览全部模式用途
• Research 技能主文档：Fabric 工作流在整体多智能体研究体系中的路由位置

【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS