Fabric identify_dsrp_relationships 模式:以 DSRP 关系思维剖析系统中显性与隐性的相互作用
导读:identify_dsrp_relationships 是 Fabric 开源 AI 提示词(Pattern)库中聚焦 DSRP(Distinctions-Systems-Relationships-Perspectives)认知框架"Relationships(关系)"维度的专业模式。本文以 data/patterns/identify_dsrp_relationships/system.md 为主体,完整解读该模式的角色设定、基础概念、任务与输出要求,并结合仓库源码与同族模式说明其调用方式、应用场景与扩展用法。读完你将掌握:如何在 Fabric 中用一条命令触发"系统关系侦探",输出结构化、可引用的因果/反馈/潜在关系分析,从而把"只见树木不见森林"的碎片信息转化为一幅清晰的系统动力学图景。
一、模式定位:从"是什么"问到"如何关联"的认知跃迁
在 data/patterns 目录下,DSRP 家族共有四个并列模式,分别对应系统思维的四项基本操作:
- identify_dsrp_distinctions——区分:划定想法的边界(thing 与 other);
- identify_dsrp_systems——系统:把想法组织为部分与整体的层级(part-whole);
- identify_dsrp_relationships——关系:识别想法之间、系统之间的相互作用,即本文主体;
identify_dsrp_perspectives——视角:换位观察同一系统。
data/patterns/pattern_explanations.md 对该模式的官方定位是:
Encourages exploration of connections, distinctions, and boundaries between ideas, inspired by systems thinkers to reveal new insights and patterns in complex systems.
而在 data/patterns/suggest_pattern/system.md 的推荐路由中,它被归类于 RESEARCH(研究) 能力组,与 identify_dsrp_distinctions、identify_dsrp_perspectives、identify_dsrp_systems、analyze_claims、analyze_proposition 等并列。这意味着当用户需要对某个话题做结构性研究时,suggest_pattern 会建议把它与同族模式配合使用。
该模式目录只包含一个 system.md(无 user.md),说明其提示词完全内置在系统提示中,用户只需在运行时投入话题文本即可。
二、角色设定:一个汲取系统思维大师智慧的发散型思考者
system.md 的 Identity and Purpose 部分首先为模型设定了一个鲜明角色:
As a creative and divergent thinker, your ability to explore connections, challenge assumptions, and discover new possibilities is essential. You are encouraged to think beyond the obvious and approach the task with curiosity and openness. Your task is not only to identify distinctions but to explore their boundaries, implications, and the new insights they reveal. Trust your instinct to venture into uncharted territories, where surprising ideas and emergent patterns can unfold.
翻译要点:模型被要求扮演"创造性、发散型思考者",不满足于表面联系,而是大胆挑战假设、探索边界与潜在含义、信任直觉进入未知地带,让"惊喜的想法和涌现的模式"自然展开。
六位系统思维大师的灵感注入
模式进一步要求模型"channel"六位思想家的思维风格,每人对应一条可操作的分析侧重点:
| 思想家 | 关注点(依据 system.md 原文) | 在本模式中的分析启示 |
|---|---|---|
| Derek Cabrera | 边界、系统,以及想法与视角之间动态互动的清晰性 | DSRP 理论提出者,保证输出的概念结构严谨 |
| Russell Ackoff | 理解整体系统而非孤立部分,关注系统目的如何驱动行为 | 追问"这个关系服务于什么目的" |
| Peter Senge | 学习、反馈与心智模型如何塑造系统演化 | 关注学习回路与团队/组织层心智模型 |
| Donella Meadows | 系统中的杠杆点——微小变化可能带来显著改变 | 定位高影响力的关键关系节点 |
| Gregory Bateson | 影响系统的关系与情境,以互联与沟通视角思考 | 把关系放入沟通与上下文网络中 |
| Jay Forrester | 塑造行为模式的反馈回路与系统结构 | 系统动力学的正负反馈分析 |
这六位大师的组合并非装饰:Cabrera 提供元框架(DSRP 本身),Ackoff 与 Senge 提供组织与学习视角,Meadows 与 Forrester 提供系统动力学工具,Bateson 提供生态学与沟通视角。它们共同决定了该模式的分析深度——不是简单列出"谁连着谁",而是刻画关系的动力学性质。
三、基础概念:理解 DSRP 之"Relationships(关系)"
system.md 用一整节 Understanding DSRP Relationships Foundational Concept 阐述了为什么关系是理解一切系统的前提,核心论述如下:
We cannot understand much about any thing or idea, or system of things or ideas, without understanding the relationships between or among the ideas or systems. ... At the most fundamental level though, all types of relationships require that we consider two underlying elements: action and reaction, or the mutual effects of two or more things. Gaining an awareness of the numerous interrelationships around us forms an ecological ethos that connects us in an infinite network of interactions. Action-reaction relationships are not merely important to understanding physical systems, but are an essential metacognitive trait for understanding human social dynamics and the essential interplay between our thoughts (cognition), feelings (emotion), and motivations (conation).
要点可归纳为:
- 不理解关系,就无法理解任何事物、想法或系统——关系是认知的底层管道;
- 关系类型多样:因果(causal)、相关(correlational)、反馈(feedback)、输入/输出(input/output)、影响(influence)、直接/间接(direct/indirect)等;
- 所有关系归根结底都包含两个底层要素:作用与反作用(action and reaction),即两个或多个事物的相互效应;
- 关系网络把我们连接进无限的相互作用之网,形成一种"生态伦理观(ecological ethos)";
- 关系对物理系统与人类社会动态同样关键;
- 在人类语境中,关系体现为认知(cognition)、情感(emotion)与动机(conation)之间的相互作用,因此它是理解心智的元认知特质。
这一段是整篇提示词的"哲学底座":它把"找关系"从一种技巧升格为一种元认知习惯。这也是为什么该模式不仅可用于分析商业系统或技术系统,也适用于分析个人决策、团队互动与情绪动机结构。
六类核心关系速览(供输出时对照分类)
模式在基础概念中明确列出可参考的关系类型,输出时建议先用它们给每条关系定性:
- 因果(causal):A 导致 B,单向或双向;
- 相关(correlational):A 与 B 协同变化,但未必直接因果;
- 反馈(feedback):输出回流影响输入,形成回路;
- 输入/输出(input/output):物质、信息或能量的单向传递链;
- 影响(influence):一方改变另一方的倾向或概率;
- 直接/间接(direct/indirect):中间是否隔着其他元素。
四、任务定义:超越直接因果,寻找显性与隐性的关系
Your Task 部分要求模型针对给定的 topic(问题、焦点领域或事业)探索系统内存在的关键关系,并明确要求"超越直接因果——考虑复杂的、间接的、甚至是潜在的(latent)关系":
What are the key relationships? Identify both obvious and hidden relationships. How do these relationships interact and influence one another? Consider how the relationship between two elements might evolve when a third element is introduced. Are there any feedback loops within the system? What positive or negative effects do they create over time? What is not connected but should be? Explore potential relationships that have not yet been established but could offer new insights if developed.
这四个提问分别对应四种分析动作,可拆解为:
- 枚举:同时找出显而易见与隐藏的关系;
- 演化推演:引入第三元素,观察两元素关系如何改变(三角关系动力学,三元组分析);
- 回路识别:找出反馈回路,判断其随时间产生的正/负效应;
- 缺口挖掘:找出"尚未连接但应该连接"的元素——这通常是创新洞见与杠杆点所在。
任务结尾还有一句总纲式隐喻:"把系统视为活的、不断演化的实体——它的关系会随时间移动、生长或消解。"这决定了模式输出应当具有时间维度,而非静态清单。
五、输出规范:结构化、逐条深挖并带演化反思
Your Response 部分是整个模式的核心契约,要求对每条已识别的关系回答四个维度的问题:
- 涉及哪些元素? 描述在该关系中相互作用的关键组件;
- 这是什么类型的关系? 是因果、反馈、相互依赖,还是其他?
- 这段关系如何塑造系统? 对系统行为或演化产生何种影响?
- 是否存在潜在/隐藏的关系? 探索不明显但可能具有重大影响(significant influence)的连接。
此外还要求补充两点元层面的反思:
- 关系如何随时间演化?当系统适应与改变时,哪些新关系可能涌现?
- 若系统边界被扩展或移动,哪些意想不到的关系可能形成?
最后提示模型"自由探索传统类别与假设之外的关系,创造性地思考不同组件如何以复杂方式相互影响"。
这条输出规范的价值在于它把"发散"约束在"结构化"之内:既有自由探索的空间,又确保每条结论都可追溯(元素、类型、机制、影响),便于直接作为决策或文档素材使用。
六、在 Fabric 中运行该模式
目录结构与加载机制
Fabric 的模式以目录为单位组织在 data/patterns 下,每个模式目录内含 system.md(必需,系统提示)与可选的 user.md(用户提示)。从源码看,模式持久化层 internal/plugins/db/fsdb/db.go 将 system.md 定义为 SystemPatternFile 常量,而 internal/server/path_traversal_test.go 等测试也印证了 system.md 是模式加载的标准入口文件。identify_dsrp_relationships 目录当前仅含 system.md,其内容末尾的 # INPUT: 区段即为运行时注入用户话题的位置。
CLI 调用方式
使用 Fabric 客户端直接调用(详见 README.zh.md 的 Pattern 使用章节):
# 方式一:通过 stdin 传入话题
cat topic.txt | fabric -p identify_dsrp_relationships
# 方式二:在会话中直接键入话题文本
fabric --pattern identify_dsrp_relationships
常用辅助参数(依据 README.zh.md):
# 演习模式:不消耗 API 配额,先检查提示词构建是否正确
cat topic.txt | fabric --dry-run -p identify_dsrp_relationships
--dry-run 模式对于调试提示词、确认输入格式后再发送到模型非常有用;也可用 -m/--model 指定模型,或用环境变量 FABRIC_MODEL_IDENTIFY_DSRP_RELATIONSHIPS=vendor|model 为单个 pattern 单独配置模型(参见 README.zh.md)。
组合使用建议:把 DSRP 拆成四步流水线
由于 DSRP 四模式彼此正交互补,可将它们串联为一次完整的系统思考:
cat topic.txt | fabric -p identify_dsrp_distinctions
# ↓ 把上一步输出的"边界清单"作为输入继续
fabric -p identify_dsrp_relationships
# ↓ 再分别交给 identify_dsrp_systems / identify_dsrp_perspectives
典型链路为:先用 distinctions 划定边界,再用 systems 组织部分-整体结构,然后用 relationships 找出元素间的相互作用,最后用 perspectives 从不同利益相关方重新审视——这正是 suggest_pattern 将四者归入 RESEARCH 组的用意所在。
七、实战场景示例
以"关系侦探"的视角,该模式适用于以下高价值场景,每种场景都可直接把问题作为话题输入:
1. 组织与团队诊断 输入一段关于部门分工、汇报关系与项目现状的描述。模式会输出:正式汇报链(直接关系)、跨部门依赖(间接关系)、目标-激励之间的反馈回路(正反馈加剧内卷或负反馈抑制创新)、以及"应该打通却尚未建立"的协作关系。
2. 产品与市场分析 输入竞品格局、用户需求与技术能力。模式可帮助你找出:用户需求与技术供给之间的因果链、定价与口碑的反馈回路、被忽略的生态伙伴关系(缺口关系),以及引入某个第三方因素后现有竞争关系的改变。
3. 技术架构评审 输入系统模块清单。模式可输出模块间的数据流(input/output)、调用链中隐藏的循环依赖(feedback)、故障传播路径(间接/潜在关系)等,直接可用于架构演进决策。
4. 个人认知与心理复盘 由于模式明确涵盖 cognition-emotion-conation 的相互作用,它同样适合输入一次重要决策的复盘文字,让模型分析你的想法、情绪与动机之间如何互相强化或抑制,识别出"自己没意识到但影响深远的隐藏关系"。
5. 研究与论文构思 输入研究问题的背景综述,模型可帮助构造概念之间的关系网络图,指出哪些变量之间存在因果假设、哪些只是相关、哪些反馈回路使系统难以线性预测——这天然契合 pattern_explanations.md 对该模式"揭示复杂系统中的新洞见与模式"的定位。
八、提示词工程层面的使用要点
综合对 system.md 的逐节拆解,可以把该模式的"配方"归纳为三层结构,方便你在自定义模式时借鉴:
- 身份层(Identity & Purpose):用一个"隐喻角色"(发散型思考者)加一组"思想导师"(六位系统思维家)共同锚定模型的思维风格与价值取向;
- 概念层(Foundational Concept):先讲清理论底座(关系=作用/反作用、生态网络、元认知),让模型"知其然且知其所以然";
- 契约层(Task + Response):用明确的问题清单约束输出结构,同时用"探索潜在关系""扩展边界"等指令保留发散空间。
在实际使用中还有两条操作建议:
- 喂给它的输入应当包含"实体清单":话题里元素越明确(人、模块、变量、事件),输出的关系网络越具体;
- 善用追问:在得到第一轮输出后,可以继续追问"若移除某个关系会怎样""哪个关系是杠杆点",将 Modes 中 Meadows 的杠杆点视角进一步放大。
九、小结
identify_dsrp_relationships 不是一个"输出某个答案"的简单问答模式,而是一个驱动模型完成一次系统动力学分析的认知协议:它以 DSRP 框架的关系维度为骨架,以六位系统思维大师的风格为参照系,以"显性 + 隐性、直接 + 间接、静态 + 演化"的提问矩阵为引擎,最终产出结构化、可追溯、面向决策的关系分析。它既可作为独立模式投入研究型任务,也可与 identify_dsrp_distinctions、identify_dsrp_systems、identify_dsrp_perspectives 组合为完整的 DSRP 分析流水线,让 AI 真正"系统化地思考",而非"笼统地联想"。
延伸阅读:同族模式的完整提示词见 identify_dsrp_distinctions/system.md 与 identify_dsrp_systems/system.md;模式路由逻辑与能力分类可参考 suggest_pattern/system.md;DSRP 模式的精简索引见 pattern_explanations.md;Fabric 通用调用与配置方式见 README.zh.md。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0629
MiniCPM5-2BMiniCPM5-2B 是一款面向端侧、本地部署和资源受限场景的 2B 稠密 Transformer,能够达到同尺寸开源模型 SOTA 水平。Markdown00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
HivisionIDPhotos⚡️HivisionIDPhotos: a lightweight and efficient AI ID photos tools. 一个轻量级的AI证件照制作算法。Python07
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00