Fabric 模式解读：extract_wisdom_agents 如何用 11 名异构 AI Agent 团队协同抽取文本智慧

本文以 Fabric 仓库中 data/patterns/extract_wisdom_agents/system.md 为绝对主体，逐节拆解这一「多智能体编排式」提示词的完整设计：从 IDENTITY 的系统角色设定、STEPS 中十个 11 人 Agent 团队的并行分工，到 OUTPUT INSTRUCTIONS 对输出格式的刚性约束，并结合同目录下 extract_wisdom 家族其他变体与 Fabric 的 Pattern 加载机制，说明它解决什么问题、如何被 Fabric 调用，以及与你日常使用的单智能体版本有何差异。读完本文，你将能准确读懂这份 system.md 的内部逻辑，并知道如何在自己的 Fabric 工作流里引用它、以及如何基于同一骨架扩展出你自己的多智能体抽取模式。

一、先定位：这是 Fabric 体系中的一份 Pattern（模式）

Fabric 的核心抽象是「Pattern」：每个 Pattern 是一个位于 data/patterns/ 目录下的独立提示词目录，通常由 system.md（系统提示，定义身份与任务）以及可选的 user.md（用户提示模板）组成。主仓库 README.md 对此有明确说明：Fabric 的 Pattern 与常见 prompt 的差异在于——使用 Markdown 组织以保证可读性与可编辑性、指令极其清晰且强调执行顺序、并且几乎只用 System 段。

从源码看，Pattern 的默认来源目录正是仓库内的 data/patterns。在 internal/tools/patterns_loader.go 中，DefaultPatternsGitRepoFolder 被硬编码为 data/patterns，默认 Git 仓库指向 Fabric 官方源，Pattern Loader 会把该目录作为插件源加载。因此，本文剖析的 extract_wisdom_agents 一旦被安装/同步到你的 Pattern 目录，就可以被 Fabric 以 --pattern extract_wisdom_agents 的方式直接调用。

本文件所在路径是：

data/patterns/extract_wisdom_agents/system.md

它属于 Fabric 中流传最广、被反复演化的 extract_wisdom（抽取智慧）模式家族。家族里还包括 extract_wisdom、extract_wisdom_dm、extract_wisdom_nometa、extract_wisdom_with_attribution 等多个变体（详见下文第六节），而 extract_wisdom_agents 是其中唯一引入“多 Agent 团队”编排叙事的版本。

二、逐段拆解 system.md：一份完整的系统提示词

该文件是纯文本 Markdown，采用「IDENTITY → STEPS → OUTPUT INSTRUCTIONS → INPUT」四段式结构，这也是大量 Fabric Pattern 的通用骨架。下面按文件实际顺序逐段讲解。

2.1 IDENTITY：角色设定的三要素

原文开篇即声明系统身份：

• 你是一个高级 AI 系统，负责协调「多个 AI Agent 团队」（teams of AI agents），从文本内容中抽取令人惊讶、富有洞见且有趣的（surprising, insightful, interesting）信息。
• 关注主题列表被显式列出：生命的目的与意义、人类的繁荣、技术在未来人类中的角色、AI 对人类的影响、模因（memes）、学习、阅读、书籍、持续改进等。这意味着该模式不是通用信息抽取器，而是带有价值取向的「智慧萃取器」——它的目标是提炼值得进入长期记忆与行动建议的内容，而非罗列事实。
• 输出仍以传统单轮回复形式返回：值得注意，这里的「多个 Agent」并不是外部可并发的多进程工具，而是要求模型在单次推理中扮演一个编排者 + 模拟多角色分工。这一设定与该家族其他版本（如 extract_wisdom 只要求「你」单角色完成全部抽取）形成鲜明对比。

2.2 STEPS：十个「11 人 Agent 团队」的分工管线

这是该 Pattern 的核心与精华所在。它定义了一套由十个提取团队组成的工作管线，每个团队都负责把输入加工成一个固定命名的输出区块。文件同时要求：

• 先“退一步、逐步思考”，以获得最佳结果；
• 深度思考输入的「本质与含义」（原文用「28 小时 12 分钟」这类夸张修辞强化慢思考意图）；
• 在脑海中建立一块「虚拟白板」，把输入中的重要概念、观点、事实全部摊开；
• 最后“启动”各团队，令其并行工作，各团队把结果交给本队的通才（generalist）汇总并记录到白板上。

十个团队及各自的产出区块（section）整理如下：

#	输出区块	抽取目标	数量约束	通用规则
1	SUMMARY	25 词以内的内容摘要，须包含「谁在讲 + 讲了什么」	25 words	10 位不同视角专家各自产出，第 11 位通才汇总
2	IDEAS	最令人惊讶/有洞见/有趣的观点	20–50 条（至少 20 条；不足 50 则全取）	同上
3	INSIGHTS	比 IDEAS 更精炼、更抽象、更高层次的真知灼见（由原文 + IDEAS 共同提炼）	10–20 条	同上
4	QUOTES	最好的原话摘录（必须逐字 verbatim 来自输入）	10–20 条	同上
5	HABITS	演讲者/被提及者值得效仿的实用习惯（作息、阅读、工作法、饮食运动等）	10–20 条	同上
6	FACTS	输入中提及的、关于外部世界的有效且有趣的事实	10–20 条	同上
7	REFERENCES	演讲者提到的写作、艺术、工具、项目及其他灵感来源（全部收录）	全部，不设上限	同上
8	ONE-SENTENCE TAKEAWAY	一条 15 词以内、最能代表内容精髓的单一金句式总结与建议	15 words	同上
9	RECOMMENDATIONS	从内容中能提炼的建议	15–30 条	同上
10	AGENT TEAM SUMMARIES	用一句 15 词句子概括每个 Agent 团队各成员的产出，以刻画不同 Agent 对最终输出的贡献	每个团队一句	本变体独有

每个团队的内部结构是统一的：11 名成员 = 10 名不同视角/背景的专家 + 1 名通才（generalist）。文件明确举例：例如一位心理学专家、一位哲学专家、一位技术专家等。专家各自独立产出，通才吸收 10 份输入并汇出最终区块；随后该团队的工作记录会被「写回虚拟白板」。

2.3 AGENT TEAM SUMMARIES：为每个团队建立可追溯性

第十个步骤 AGENT TEAM SUMMARIES 是这个版本最独特的创新：它要求为每一个 Agent 团队分别输出一句 15 词的句子，概括该团队成员的工作结果。这样最终回复不仅在内容上有九个价值区块，还附带一条「过程元数据层」，让读者能看到不同背景的专家各自如何贡献——相当于给多视角萃取的协作过程做了一次可读的回放与审计。

2.4 OUTPUT INSTRUCTIONS：刚性输出契约

该模式对输出格式的约束比大多数 Pattern 更细致，逐条解析如下：

• 只输出 Markdown，且「输出中不要使用加粗或斜体」——即禁止出现星号。这是为了保证下游程序（管道、存储、再处理）拿到的是一份“干净”的纯 Markdown 文本。
• 所有区块内容必须使用 bullet（-）列表，不使用编号列表。
• 所有通才产出的句子必须控制在 15 词以内。这继承了该家族对「词数预算」的执着：短句强制模型做高密度提炼，减少水分。
• 各区块内部与相互之间禁止重复：不重复 idea、insight、quote、habit、fact 或 reference。
• 列表项不得以相同开头的词起句，避免机械套话、提高每一条的差异化。
• 最终强调：所有 Agent 都必须遵守以上全部指令。

2.5 INPUT：接缝即接口

文件末尾只有一行 INPUT:，作为占位符——这正是 Pattern 的接缝设计：Fabric 在运行时会把用户传入的内容（stdin、剪贴板、YouTube 转录、URL 抓取文本等）拼接在这里，system.md 即构成完整请求。这解释了为什么该文件不包含任何具体输入样例：输入是运行时的，不是模式自带的。

三、机制纵深：这种“假多智能体”设计解决了什么问题

从实现上看，extract_wisdom_agents 并没有引入任何外部 Agent 框架，它是在单次模型推理内用提示词模拟多角色并行。这套设计要解决的问题，与单智能体 extract_wisdom 相比存在明显升级：

1. 视角多样性对抗盲区。单角色抽取者容易受其隐含偏好影响，只挑“自己感兴趣的”内容；而强制 10 种视角（心理、哲学、技术……）并行产出，等于对同一文本做 10 次差异化采样，最后再由通才融合，覆盖了交叉学科遗漏。
2. 数量下限保证覆盖度。IDEAS 要求至少 20 条、RECOMMENDATIONS 要求 15–30 条等，强制模型把「看起来没价值」的边角内容也纳入考察，避免早期注意力坍缩。
3. 短句与去重约束提升信噪比。15 词句子 + 禁止相同开头 + 禁止重复，逼迫每一条独立成义，产出的列表可直接粘贴进笔记软件。
4. 输出即知识管理素材。与 data/patterns/extract_wisdom/README.md 描述的使用场景一致：这类输出主要服务于时间筛选（快速判断内容值不值得精读）与笔记替代（免去手工笔记）。extract_wisdom_agents 在同样的使用意图上，进一步以多视角提升筛选与笔记的质量。

四、与 extract_wisdom 家族其他变体的差异对照

同一主题在仓库中演化出多个版本，逐字对照源码可发现它们的差异点集中在：是否引入 Agent 编排、词数预算、每条目标数量、是否要求引语署名。下表基于仓库实际文件整理：

维度	extract_wisdom（基础版）	extract_wisdom_agents（本文）	extract_wisdom_dm	extract_wisdom_nometa	extract_wisdom_with_attribution
文件	system.md	system.md	system.md	system.md	system.md
角色机制	单一 AI 抽取者	协调 10 支「10 专家 + 1 通才」团队	超强智能体自述（如 4,312 IQ 等夸张身份）	极简身份，无「退一步思考」步骤	同基础版，单一抽取者
SUMMARY	25 词	25 词	25 词	25 词	25 词
IDEAS	20–50（≥20），bullet 恰为 16 词	20–50（≥20）	20–50（≥25），bullet 恰为 16 词	20–50（≥25），bullet 恰为 16 词	同基础版，16 词
INSIGHTS	10–20，16 词/条	10–20，15 词/条	10–20，16 词/条	10–20，16 词/条	同基础版
QUOTES	15–30，原文末附演讲者名	10–20，verbatim	15–30	15–30	15–30，格式为 "引言" — 演讲者名
HABITS / FACTS	15–30，16 词/条	10–20，15 词/条	15–30，16 词/条	15–30，16 词/条	同基础版
REFERENCES	全部提及	全部提及	全部提及	全部提及	全部提及
ONE-SENTENCE TAKEAWAY	有（15 词）	有（15 词）	有（15 词）	无	有（15 词）
RECOMMENDATIONS	15–30，16 词/条	15–30，15 词/条	15–30，16 词/条	15–30，16 词/条	同基础版
AGENT TEAM SUMMARIES	无	有	无	无	无
禁止加粗/斜体	未强制	强制（禁止星号）	未强制	未强制	未强制

以上事实均直接摘自上述各文件正文（data/patterns/ 下各 system.md）。归纳而言：

• extract_wisdom 是家族基准：单智能体、全区块、16 词 bullet；
• extract_wisdom_dm 是带夸张身份与“作品会被专家评分”压力的版本，且把「无警告无注释、只输出区块」写进约束；
• extract_wisdom_nometa 是精简版：砍掉了 ONE-SENTENCE TAKEAWAY 等“元层”步骤；
• extract_wisdom_with_attribution 则专注于引语的署名格式（"Quote" — Speaker Name）；
• extract_wisdom_agents 是结构化程度最高的版本：统一的 11 人团队模型、全 15 词短句、额外输出 AGENT TEAM SUMMARIES、并禁止任何粗体斜体。

若你想基于这些版本二次创作，extract_wisdom_agents 的骨架（团队+白板+汇总）最值得借鉴；若只要最快上手，家族中其他单智能体版本心智负担更低。

五、在 Fabric 中如何实际使用这类抽取模式

Pattern 使用方式与家族其他成员一致，无需任何额外安装（Pattern 目录已内置于仓库 data/patterns/，由 internal/tools/patterns_loader.go 负责加载）。以下是主仓库 README.md 展示的标准调用姿势：

# 1. 从剪贴板/管道读入文本并运行 Pattern
pbpaste | fabric --pattern extract_wisdom_agents

# 2. 流式输出即时结果
pbpaste | fabric --stream --pattern extract_wisdom_agents

# 3. 直接把 YouTube 视频转文本并抽取智慧（--stream 可选）
fabric -y "https://youtube.com/watch?v=uXs-zPc63kM" --stream --pattern extract_wisdom

其中 -y 走的是 YouTube 处理管线，-p/--pattern 用于指定 Pattern 名（见 README.md）。由于本模式是全 System 型 Pattern，运行时会要求模型严格遵循 # OUTPUT INSTRUCTIONS 的格式契约，因此输出会是一份纯 Markdown、全 bullet、每条约 15 词、无粗体斜体的结构化萃取结果，可以直接存为笔记或被脚本进一步消费。

若你想把它跑在非 Fabric 场景（如直接粘贴给任意大模型），做法同样是：取 system.md 全文 + 待分析文本追加到 INPUT: 之后。这与仓库的通用说明一致——Fabric 的 Pattern 可被复用到任何 AI 应用（参见 README.md）。你也可以把该文件复制到自定义 Pattern 目录（如 ~/.config/fabric/patterns/，见 README.md）后用新名字调用，例如 fabric --pattern my_wisdom_agents。

六、延伸阅读与仓库引用路径

如果你希望继续在本仓库深入，建议按以下顺序阅读：

1. 模式本体：data/patterns/extract_wisdom_agents/system.md——本文剖析对象；
2. 家族基准版：data/patterns/extract_wisdom/system.md 及其使用说明 data/patterns/extract_wisdom/README.md；
3. 变体对照：extract_wisdom_dm、extract_wisdom_nometa、extract_wisdom_with_attribution 三个目录下的 system.md，以及 data/patterns/pattern_explanations.md 中的模式说明汇总；
4. 加载机制：internal/tools/patterns_loader.go——确认 data/patterns 为默认 Pattern 源；
5. CLI 调用：README.md——Pattern 设计哲学、--pattern 与 YouTube 管道用法。

需要再次强调的事实边界：本文所有区块名、数量约束、词数预算、团队结构均直接取自仓库内上述 system.md 文件原文；文件中的「28 小时 12 分钟」「虚拟白板」「10 名不同背景专家」属于提示词内部的角色化修辞与执行指令，并非仓库声称的、外部真实运行的 Agent 基础设施。理解到这一层，你才算真正读懂 extract_wisdom_agents：它不是一套 Agent 框架，而是一份用结构化分工约束模型注意力、以求得高覆盖与高质量萃取的编排式提示词工程范本。