Fabric：为你的命令行安上 AI 管道

Fabric 是一个命令行 AI 工具框架，它通过"模式（Pattern）+ 管道"的方式，让你将 LLM 能力无缝集成到终端工作流中，本文详解安装、配置、核心概念与自定义模式实践。

阅读原文请转到：jimmysong.io/blog/fabric...

作为开发者，我们对效率近乎偏执，而命令行无疑是效率的圣殿。我们已经习惯了用 grep、sed、awk 等工具像手术刀一样处理文本。但今天，有一个更强大的工具正等待我们将它纳入终端的工作流中------大型语言模型（LLM）。

很多人已经习惯在浏览器中的 ChatGPT、Claude 或 Google AI Studio 与 LLM 交互。但这种方式始终存在割裂感：复制、粘贴、切换窗口......阻碍了 AI 成为我们日常自动化工作流程的自然一环。

如果我们能像使用原生命令一样，在终端中直接调用最强大的 AI 模型，会发生什么？

这正是知名技术专家 Daniel Miessler[1] 创建的开源项目 Fabric[2] 想要解决的问题。

Fabric 不是另一个 ChatGPT 包装器，而是一个精巧的命令行框架，它的目标是："使用 AI 增强人类天赋"。它通过一种叫 Pattern 的机制，把高质量 AI 指令模板与你本地的工作流结合起来，让你可以在终端中完成从内容生成到代码审查的一系列复杂任务。

Fabric 是什么？不仅仅是 API 封装

表面上看，Fabric 是一个连接 LLM API 的 Python CLI 工具，但其设计哲学远不止于此。它的核心是围绕"模式"（Pattern）构建的可复用 AI 工作流。

可以将 Pattern 理解为一个精心设计的指令模板（system prompt）。Fabric 内置了一些实用模式，例如：

• summarize: 总结长文本内容
• code_review: 对代码进行审查并提出优化建议
• seo: 提供文本的 SEO 优化建议
• tldr: 快速生成简洁摘要
• write_video_script: 生成视频脚本草稿

最有价值的，是你可以自己创建或共享这些模式，把你独特的工作流方法固化成标准指令，供自己或团队反复调用。

快速上手：三步把 AI 融入终端

第 1 步：安装

通过 Homebrew 安装：

复制代码

brew install fabric-ai

当然，你也可以用 pip 或源码安装，详见项目主页[3]。

第 2 步：配置

执行：

arduino 复制代码

fabric --setup

这是一个交互式配置向导，会引导你完成以下内容：

• 选择 AI Provider：如 openai, google, claude 等
• 选择模型：例如 gpt-4o, gemini-2.5-pro 等
• 设置 API Key：手动输入或通过环境变量配置

强烈推荐使用 Google AI Studio[4] 提供的免费 API Key。撰写本文时，Gemini 1.5 Flash 免费版提供每分钟 15 次调用、每天 100 万 token 的额度，不仅可用于网页，还可用于 Fabric 与 Gemini CLI。

Gemini CLI

所有配置默认保存在 Linux 或 macOS 的 ~/.config/fabric/ 目录下。

第 3 步：运行你的第一个命令

以总结为例：

arduino 复制代码

fabric -p summarize --text "这里是一段非常非常长的文章内容..."

你将获得一段简洁清晰的摘要。而这只是起点，真正强大的是 Fabric 对"管道"的原生支持。

核心架构解析

Fabric 的关键组成如下：

• Pattern（模式） ：灵魂所在。一个 .md 文件定义 AI 的角色、目标、输出格式等。所有内置命令本质上都是不同的 Pattern。
• Provider（提供商）：底层的 LLM API，比如 OpenAI、Gemini、Claude。
• Model（模型） ：在 setup 阶段选择的具体模型，如 gpt-4o、gemini-2.5-pro 等。
• fabric CLI ：命令行接口，支持读取输入（文件、管道、--text）、加载 Pattern 并提交请求。
• suggest：让 AI 来优化 Pattern 本身，实现"AI 改进 AI Prompt"的元编程体验。

例如：

css 复制代码

fabric -p summarize --suggest "Make the summary more concise and use bullet points."

杀手级特性：让 AI 真正成为你命令行的管道组件

1. 与管道工具无缝集成

Fabric 遵循 Unix 哲学，支持标准输入 / 输出流，能与任意命令组合使用：

bash 复制代码

cat long_article.txt | fabric -p summarize
cat my_script.py | fabric -p code_review
lynx -dump "https://some-website.com" | fabric -p tldr

这才是真正将 AI 变成 CLI 工作流一部分的关键。

2. 自定义模式：把你的方法论变成工具

问题：默认 Pattern 用英文 prompt，处理中文不理想

解决：创建属于你的中文模式

① 找到模式目录：

运行 fabric --list 查看模式列表，路径通常是：

• 系统级目录：site-packages/fabric/patterns/
• 用户配置目录：~/.config/fabric/patterns/

② 创建中文模式：

javascript 复制代码

vim ~/.config/fabric/patterns/summarize_chinese.md

③ 编写 Prompt：

rust 复制代码

你是一个非常优秀的中文内容总结助手。请使用简洁、流畅的中文，为以下提供的文本内容生成一份核心要点摘要，并以无序列表（bullet points）的形式呈现。

请总结以下文本：

④ 使用自定义模式：

bash 复制代码

cat blog.md | fabric -p summarize_chinese

就这样，你将自己的知识转化成了一个随时可用、可复用的 CLI 工具。

在命令行中使用 Fabric

Fabric CLI 速查表

命令	作用	示例
`fabric --setup`	启动配置向导	`fabric --setup`
`-p <pattern>`	使用某个 Pattern	`fabric -p summarize`
`--text "..."`	直接传入文本	`fabric -p tldr --text "..."`
`--stream`	流式输出	`fabric -p write_blog_post --stream`
`--list`	查看所有模式	`fabric --list`
`--edit`	编辑某个模式	`fabric -p summarize --edit`
`--suggest "..."`	改进模式 Prompt	`fabric -p code_review --suggest "Focus on security."`
`--model <name>`	临时指定模型	`fabric -p summarize --model gpt-4o`
`--copy`	将结果复制到剪贴板	`fabric -p summarize --copy`

总结：AI 管道化，不只是工具，而是一种思维方式

Fabric 实现了它"增强人类天赋"的承诺。它不是另一个 AI 聊天工具，而是一种让你将 LLM 变成标准化流程节点的方式。

它推动我们从"和 AI 聊天"转向"指挥 AI 工作"。

你写一个 Pattern，就是在定义一个微型自动化系统。你把这些系统串成管道，AI 就成了你操作系统的一部分。

如果你是开发者、写作者、研究员，或任何与信息密集打交道的人，试着把 Fabric 接入你已有的命令行工具链，它可能会成为你效率系统中的下一个关键组件。

👉 项目地址：github.com/danielmiess...

本文首发于： jimmysong.io/blog/fabric...

引用链接

[1] Daniel Miessler: github.com/danielmiess...
[2] Fabric: github.com/danielmiess...
[3] 项目主页: github.com/danielmiess...
[4] Google AI Studio: aistudio.google.com/app/apikey