大模型爆款应用fabric_构建优雅的提示

项目地址：https://github.com/danielmiessler/fabric

1 引言

目前 fabric 已经获得了 5.3K Star，其中上周获得了 4.2K，成为了上周热榜的第二名（第一名是免费手机看电视的 Android 工具），可以算是爆款应用了。

其原因可能是 fabric 打到大家的痛点：不是工具不够好，是用起来这工作流太不顺畅了，比如想用一个提示，连找带贴弄了半天，打断了当前思路......

因为我多数时间是让大模型帮我解决具体问题，而不是聊天，好像也没听说谁每天都和它聊两小时的。所以，fabric 可能是我用过的最舒服的大模型封装工具。虽然技术含量并不是特别高，但是使用起来非常方便。别人都在考虑如何做得大而全，这位作者却想着如何解决最核心、最常见的问题，思考问题的角度比较独特。

它具有以下特点：

命令行操作，几乎没有学习成本，便于安装，使用、集成。
封装了最为常用的几个功能。
把复杂问题分解为多步处理。
配置文件和输出均使用 markdown 格式，易于阅读。
设计结构，便于管理多种提示。

2 功能

Fabric 的核心功能是调用大型模型，并帮助人们收集和整合提示。它将解决一种问题对应的提示称为模式 pattern。

3 代码分析

项目非常简单，包含 370 行 Python 代码，外加 2072 行 Markdown Prompt。

shell 复制代码

$ git clone https://github.com/danielmiessler/fabric
$ cd fabric/client
$ pip install -r requirements.txt
$ echo "export PATH=$PATH:$(pwd)" >> ~/.bashrc
$ ./fabric --setup

输入 OPEN_API_KEY 之后，会下载最新的提示文件到：$HOME/.config/fabric/patterns/

复制代码

echo "你是什么模型"|fabric --pattern ai --stream

还可以使用剪切板内容提问，网站上给出的是 pbpaste 是 mac 系统使用剪切板的方法，我在 linux 中使用以下方法读取剪切板内容。

shell 复制代码

$ echo "Hello, world!" | xsel --clipboard --input # 复制
$ xclip -o -selection clipboard # 粘贴

4 具体示例

4.1 创建常用提示

编辑 $HOME/.config/fabric/patterns/xy_sum_trans/system.md，示例如下：

markdown 复制代码

# IDENTITY and PURPOSE

You are an expert content summarizer and translator. You take content in and output a Markdown formatted summary using the format below.

# OUTPUT SECTIONS

- 翻译成中文
- 将生涩的语言转换成浅显易懂
- 概括总结成两句话

# OUTPUT INSTRUCTIONS

- Create the output using the formatting above.
- You only output human readable Markdown.
- Output numbered lists, not bullets.
- Do not output warnings or notes---just the requested sections.
- Do not start items with the same opening words.

# INPUT:

INPUT:

4.2 使用常用提示

我使用 Linux 系统，从剪切板读取内容

shell 复制代码

$ xclip -o -selection clipboard|fabric --pattern xy_sum_trans --stream

4.3 注意

默认使用 gpt-4-1106-preview，相对 gpt3.5 要贵一些，可在代码 client/utils.py 中替换成 3.5；另外，也可以在这里替换成其它中转服务。
输出可能英文，如果需要中文回答，需要修改 pattern 或者在代码中指定用中文回答。

5 使用感受

如果用聊天界面提问，会把之前的聊天记录也传给 gpt，而翻译，润色这类功能不需要传入上下文，从而造成了浪费。使用fabric能很好地解决这一问题。
该工具的底层逻辑是把相对复杂的工作拆成多步处理，像 gpt-4 这类工具，一次调用，往往不能满足太多要求，拆成多步后效果会好得多；即使出问题，也知道问题出在哪步。用了才知真的好，确实是对大脑的减负。
我一直不太习惯用图形聊天界面，感觉很受限制，常常拖来拖去地翻找，保存内容也比较麻烦，更别说从其它工具调用了。另外，想用一个提示，还要从其它工具搜索，再粘过来，非常麻烦。
在学术论文方面，我试用 gpt-3.5 和 gpt-4，正常时效果差不多，但有时 gpt3.5 常常生成完全不对的回答（我试验约占 1/4），gpt3.5 的费用 gpt4 是 1/10，建议略改下代码交叉使用。
可以把常用的 prompt 加入 pattern，或者与 awesome-chatgpt-prompts-zh 这样的提示工程项目相结合，轻松实现更多功能。