Fabric 模式剖析：extract_article_wisdom 系统提示词如何从任意文章中系统化萃取观点、金句与事实

导读

extract_article_wisdom 是 Fabric 开源仓库中一套用于"内容深度萃取"的 AI 模式（pattern），它把一篇可转为文本的文章（博客、论文、访谈、播客转录稿等）交给 LLM，按一套固定、可复现的规则产出 SUMMARY、IDEAS、QUOTES、FACTS、REFERENCES、RECOMMENDATIONS 六类结构化结果。阅读本文后，你将掌握该模式系统提示词逐段的运行机制、与仓库内其他"智慧提取"类模式的差异，以及它在 Fabric 中从文件存储到 CLI 调用的完整链路。

---

一、模式定位：解决"内容太多、时间太少、遗忘太快"

Fabric 的核心理念是"用众包 AI 提示词增强人类"，每条 pattern 都收敛到一类具体问题，由同一目录下的 system.md（定义 AI 的角色、步骤与输出规范）和 user.md（定义用户侧输入占位）共同构成。extract_article_wisdom 正是该体系下的典型一员。

在仓库中，该模式位于 data/patterns/extract_article_wisdom/，由三个文件组成：

文件	作用
system.md	本文分析的核心：定义身份、执行步骤与输出约束
user.md	用户侧输入，仅包含 CONTENT: 占位符
README.md	描述模式背景、功能与输出示例的配套说明

其解决的实际痛点与配套 README.md 中的表述一致：输入内容太多而时间太少，且阅读、观看或收听过的内容太容易被遗忘。extract_article_wisdom 的产出可服务于两大用途——时间过滤（快速判断内容是否值得精读）与笔记替代（省去耗时的手动摘录）。

二、system.md 逐段拆解：身份与执行步骤

system.md 全文分四个区块：IDENTITY and PURPOSE、STEPS、OUTPUT INSTRUCTIONS、INPUT。

2.1 IDENTITY and PURPOSE

You extract surprising, insightful, and interesting information from text content.

角色定义只有一句话，却包含了全部价值判断标准：只从文本中提取"令人惊讶的、有洞见的、有趣的"信息。这意味着该模式不是做全文摘要，而是以"信息增量与启发度"为筛选主轴的萃取器。

文件紧接着要求模型退一步、逐步思考，以保证输出质量：

Take a step back and think step-by-step about how to achieve the best possible results by following the steps below.

2.2 STEPS：六个萃取章节的完整规范

STEPS 区块定义了模型必须顺序执行的六步，每一步对应输出中的一个固定章节：

步骤	输出章节	数量要求	内容标准
1	SUMMARY	25 词以内	概括全文，必须包含内容创作者是谁以及讨论的主题
2	IDEAS	20～50 条	最令人惊讶、有洞见或最有趣的观点；若输入少于 50 条则全部收集，且至少 20 条
3	QUOTES	15～30 条	最令人惊讶、有洞见或有趣的原句，必须使用输入中的原文
4	FACTS	15～30 条	内容中提到的、关于更大世界的真实且有趣的事实
5	REFERENCES	无上限	全部提及的写作、艺术、工具、项目及其他灵感来源引用
6	RECOMMENDATIONS	15～30 条	从内容中可提炼出的推荐事项

几个值得注意的设计细节：

• SUMMARY 强制带作者/来源归属：要求包含"who created it"，让摘要具有可溯源上下文，而不是孤立的内容梗概。
• 数量采用区间+下限双约束：IDEAS 同时出现区间（20～50）与下限（at least 20），当输入信息密度不足 50 时取全部但不下探到 20 以下，保证输出密度始终有底线。
• REFERENCES 无上限：这是唯一要求"收集全部"（any and all）的章节，体现对该类模式一贯"绝不漏掉任何值得追踪的灵感源"的取向。
• QUOTES 强调原文精确：反复出现 "Use the exact quote text from the input"，禁止改写与二次转述。

2.3 OUTPUT INSTRUCTIONS：输出格式约束清单

在步骤之外，system.md 对输出格式给出了硬性约束，这段也是提示词工程中"可解析性设计"的范例：

• Only output Markdown：输出必须是纯 Markdown，方便后续程序解析与消费；
• Extract at least 10 items for the other output sections：除上述区间外，其余输出章节每项至少 10 条（当输入较短时充当兜底下限）；
• Do not give warnings or notes; only output the requested sections：禁止输出警告或说明文字，只允许出现要求的章节，保证输出结构纯净；
• You use bulleted lists for output, not numbered lists：使用无序列表而非有序列表；
• Do not repeat ideas, quotes, facts, or references：观点、金句、事实与引用之间禁止重复；
• Do not start items with the same opening words：每条目不得以相同措辞开头，强制模型在措辞层面多样化，避免机械化模板腔；
• Ensure you follow ALL these instructions when creating your output：结尾再次强调完整性遵循。

末尾以 INPUT: 作为占位，等待拼接用户内容——这与用户侧文件的 CONTENT: 占位符前后呼应。

三、user.md 与拼接机制：system + user 如何构成一次完整对话

与仓库内大多数模式一致，user.md 内容极简，全文为：

CONTENT:

在 Fabric 的实际运行链路中，system.md 与 user.md 会被分别装载并作为聊天请求的 system/user 两个组成部分。系统提示词末尾的 INPUT: 与用户提示词中的 CONTENT: 构成了一个约定：调用方把待萃取的文章/转录文本填充在 CONTENT: 之后，模型读取后即视为 INPUT: 输入。因此，同一套 system.md 可以服务任意来源的文本——播客转录稿、学术论文、博客文章，只要是能落成文字的载体都能作为输入。

四、与仓库内"智慧提取"模式家族的对比

在 data/patterns/ 下，存在一个高度同源的模式族。经对比可见 extract_article_wisdom 相对它们做了明显的"减法"设计：

模式	system.md 特点
extract_article_wisdom	精简版：6 大章节（含 FACTS），无 16 词限长约束，最贴近"文章笔记"场景
extract_wisdom	经典版：额外增加 INSIGHTS、HABITS、ONE-SENTENCE TAKEAWAY
extract_wisdom_with_attribution	带出处版：每条 QUOTE 需附说话者，格式 "Quote" — Speaker Name
extract_wisdom_nometa	精简元信息版：取消 SUMMARY 中带作者的要求
extract_wisdom_dm	长提示词版：包含虚构高 IQ 设定、GOAL 区块与完整注释风格

尤其值得注意的差异在输出约束：extract_wisdom 家族多数要求 IDEAS、RECOMMENDATIONS、HABITS、FACTS、INSIGHTS 的每条目恰好 16 词，并强制 IDEAS 至少 25 条、INSIGHTS 至少 10 条；而 extract_article_wisdom 删去了 16 词限长与 INSIGHTS/HABITS/ONE-SENTENCE TAKEAWAY 三个章节，换取更自然流畅的产出。如果你的诉求是"读文章做可读性笔记"，本模式是更适合的起点；如果需要深度访谈类的习惯与洞察抽取，应改用 extract_wisdom 或 extract_wisdom_dm。

另需留意：本目录 README.md 中的输出示例沿用了整个 extractwisdom 家族的早期文档形态（其中出现了 HABITS 章节），与本目录 system.md 定义的权威章节集合（无 HABITS）并不完全一致。撰写或引用时应以 system.md 为唯一准绳，README 仅作为该家族产出的形态参考。

五、仓库源码视角：模式文件如何被装载与执行

Fabric 将模式加载、管理与聊天调用的逻辑集中在 internal/ 下，extract_article_wisdom 的 system/user 文件正是经由这一链路被消费。

5.1 模式的存储约定

模式目录即数据源。internal/tools/patterns_loader.go 定义了：

const DefaultPatternsGitRepoUrl = "https://github.com/danielmiessler/fabric.git"
const DefaultPatternsGitRepoFolder = "data/patterns"

即 data/patterns 是模式在仓库中的默认落盘目录，每个子目录对应一条 pattern。而文件名约定 system.md 由数据库层常量固化，见 internal/plugins/db/fsdb/db.go：

SystemPatternFile: "system.md",

装载器通过 BuildFilePath（见 internal/plugins/db/fsdb/storage.go）在模式目录内拼接出完整文件路径，系统提示词与用户提示词由此分别读入。

5.2 CLI 调用链路

在 internal/cli/chat.go 中可以看到模式与模型的联动逻辑：

if currentFlags.Pattern != "" && currentFlags.Model == "" {
    envVar := "FABRIC_MODEL_" + strings.ToUpper(strings.ReplaceAll(currentFlags.Pattern, "-", "_"))

它证实了两个工程细节：其一，CLI 通过 --pattern（即 -p）指定模式名；其二，可为单条模式绑定专属模型——环境变量名由 FABRIC_MODEL_ 前缀与模式名大写化拼接而成。若你希望 extract_article_wisdom 固定走某个更强推理的模型，可设置 FABRIC_MODEL_EXTRACT_ARTICLE_WISDOM=<模型名>，其余模式不受影响。

5.3 模式的收录与检索

该模式也被收录进仓库维护的模式说明索引中。data/patterns/pattern_explanations.md 第 127 条给出了一段便于检索的简介：

extract_article_wisdom: Extracts surprising, insightful, and interesting information from content, categorizing it into sections like summary, ideas, quotes, facts, references, and recommendations.

同时 scripts/pattern_descriptions/pattern_descriptions.json 与 pattern_extracts.json 中也有对应条目，可作为模式自动发现与搜索的基础数据。这说明一条 pattern 的发布不仅是写好提示词，还包括将其注册到仓库的元数据体系。

六、实战用法：把它接入自己的阅读流

在 Fabric 下使用该模式遵循统一调用范式——选定模式、喂入文本、指定输出：

# 方式一：命令行读取文本文件
fabric --pattern extract_article_wisdom < article.txt

# 方式二：管道串联其他工具的输出（如网页正文、转录文本）
cat article.md | fabric -p extract_article_wisdom -o wisdom.md

参考该目录 README.md 对输出用途的说明，典型工作流是把模式产出的六章节结果落盘为 Markdown 笔记，之后：

• 做时间过滤：先读 SUMMARY 与 IDEAS，几十秒内判断原文是否值得精读；
• 做深度笔记：用 QUOTES 保留可引用的原句，REFERENCES 保存值得追读的延伸作品，RECOMMENDATIONS 汇总可行动建议；
• 做知识追踪：按作者反复运行本模式，横向比较同一作者不同文章的 IDEAS/FACTS，即可建立自己的观点演变档案。

运行环境上，internal/cli/chat.go 表明模式调用完成后还会触发桌面通知机制（标题包含模式名），长文本处理时可放心等待。

七、如何验证一条输出是否合格

结合 system.md 的 OUTPUT INSTRUCTIONS，可用以下清单快速自检模型的产出质量：

1. 结构纯净：只有 Markdown、只有六个章节，无警告、无解释性旁白；
2. 列表形式：全部为无序列表（-）而非有序列表；
3. 数量达标：SUMMARY ≤ 25 词且含创作者信息；IDEAS 20～50 条且 ≥ 20；QUOTES/FACTS/RECOMMENDATIONS 在 15～30 区间；REFERENCES 尽量穷尽；
4. 内容合规：QUOTES 逐字使用原文；无跨章节重复项；相邻条目不以相同措辞开头。

这组约束正是该模式提示词工程的可贵之处——它把"高质量萃取"从玄学式的口头要求，转化为可量化、可校验、可解析的机器契约，这也是 Fabric 模式设计一以贯之的风格。

---

延伸阅读：可继续深入本仓库阅读同族模式的演进差异（extract_wisdom、extract_wisdom_dm、extract_wisdom_with_attribution），或从 internal/tools/patterns_loader.go 出发研究模式装载与更新的完整源码实现。