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：
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：
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：
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：
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：
cat long_article.txt | fabric -p summarizecat my_script.py | fabric -p code_reviewlynx -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：
vim ~/.config/fabric/patterns/summarize_chinese.md③ 编写 Prompt：
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：
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
