AI 应用人工智能提示工程CLI本地部署【免费下载链接】FabricFabric is an open-source framework for augmenting humans using AI. It provides a modular system for solving specific problems using a crowdsourced set of AI prompts that can be used anywhere.项目地址https://gitcode.com/GitHub_Trending/fa/Fabric点击查看免费下载导读本文以 Fabric 开源仓库中的 transcribe_minutes 模式定义 为核心系统讲解如何将一场会议的语音转录稿自动转化为包含 TITLE、MAIN IDEA、MINUTES、ACTIONABLES、DECISIONS、CHALLENGES、NEXT STEPS 七大区块的结构化会议纪要。读完本文你将掌握该模式的完整提示词逻辑、输出格式约束以及如何通过 Fabric 的--transcribe-file、-yYouTube等能力把录音、视频直接变成可直接落库的分发纪要。模式定位从会议转录中抽取可执行信息Fabric 是一个用于增强人类能力的开源 AI 框架其核心抽象是模式pattern——一套以 Markdown 形式组织的提示词用于解决某一类特定问题。transcribe_minutes正是其中处理会议纪要与行动项提取的模式仓库中的官方描述将其定义为Convert meeting recordings into structured minutes.将会议录音转换为结构化会议纪要对应的标签为 WRITING、BUSINESS、CONVERSION见 pattern_descriptions.json即它同时服务于商务场景下的写作产出与格式转换。在 pattern_explanations.md 中它的功能被概括为从会议转录中提取会议纪要识别行动项、深刻见解、决策、挑战与下一步并以结构化格式呈现。该模式的输入是会议转录文本INPUT:之后的全部内容输出是一份严格受限的 Markdown 纪要二者通过模式文件末尾的INPUT:占位符与 Fabric 的{{input}}变量机制衔接见下文源码分析。模式完整解析IDENTITY、STEPS 与七大输出区块模式的整体结构沿用了 Fabric 的标准 pattern 骨架IDENTITY and PURPOSE定义角色与目标STEPS定义思考与处理流程OUTPUT INSTRUCTIONS定义输出硬性约束INPUT承接用户输入。角色与目标IDENTITY and PURPOSE模式要求模型扮演会议纪要提取器从会议转录中提取纪要必须识别会议中提及的所有可执行事项actionables重点关注会议中出现的深刻、有趣的想法先退一步、按步骤逐步思考以获得最佳结果。处理流程STEPS模型需按以下步骤消化输入并产出内容完整消化所提供的转录内容提取会议中达成一致的所有可执行事项提取会议中出现的任何有趣想法在名为TITLE的区块中为会议写一个 1~5 个词的标题在名为MAIN IDEA的区块中用一句 15 词的句子概括会议主旨在名为MINUTES的区块中写出20~50 条要点突出对话中最令人惊讶、最有洞见或最有趣的想法若不足 50 条则全部列出但至少提取 20 条在名为ACTIONABLES的区块中用要点列出全部达成一致的可执行细节——包括发言人同意去做或去调研某事的情况若提及截止日期必须一并写入在名为DECISIONS的区块中列出会议期间做出的所有决定包括每项决定背后的理由以要点形式呈现在名为CHALLENGES的区块中识别并记录会议中讨论到的任何挑战或问题并注明为应对这些挑战提出的潜在解决方案或策略在名为NEXT STEPS的区块中概述会议结束后的后续步骤与待执行行动。可以看出七个区块中 TITLE 与 MAIN IDEA 承担一句话记忆点的功能MINUTES 负责信息密度而 ACTIONABLES / DECISIONS / CHALLENGES / NEXT STEPS 则直接面向会后的执行与跟进——这正是纪要区别于速记的核心价值。输出约束OUTPUT INSTRUCTIONS为保证纪要风格统一、便于下游机器消费模式对输出格式施加了硬性约束这是实战中最容易出现偏差的部分输出区块约束要求整体只输出 Markdown全部使用要点列表不使用编号列表MINUTES恰好写 16 个词ACTIONABLES恰好写 16 个词DECISIONS恰好写 16 个词CHALLENGES写 2~3 句话NEXT STEPS写 2~3 句话通用规则不给出警告或说明只输出要求的区块不重复行动项、决定或挑战不同条目不使用相同的开头词需要特别注意的是STEPS中要求 MINUTES 写出 20~50 条要点而OUTPUT INSTRUCTIONS又要求 MINUTES 区块恰好 16 个词。这是该模式文件长期演化形成的张力——从 CHANGELOG.md 可以看出该文件曾经历拼写与语法修正PR #1021与内容更新PR #1008两条规则目前并存于文件中。从源码结构看Fabric 的 pattern 加载机制是原样读取 system.md 并注入用户输入并不对输出做二次校验见下文源码级验证因此实际运行时模型会尽量同时满足二者作为使用者应知晓这一特殊性并按自己团队对纪要详细度 vs 简洁度的偏好自行取舍或微调。源码级验证pattern 是如何被加载与执行的transcribe_minutes之所以能被fabric --pattern transcribe_minutes直接调用背后是一套完整的 pattern 存储与加载链路。pattern 的物理存储与读取每个 pattern 在 data/patterns 目录下拥有一个独立子目录核心文件名为system.md由 fsdb/db.go 中的SystemPatternFile: system.md定义。读取时patterns.go 中的getFromDB会拼接patternDir/name/system.md路径并读取文件内容构造出Pattern对象。transcribe_minutes目录下正是 README.md仓库中为空占位与 system.md 两个文件其中system.md承载全部提示词逻辑。{{input}} 占位符与变量注入加载后applyInput 会把模式文本中的{{input}}占位符替换为真实输入若启用变量机制applyVariables 还会先以哨兵值template.InputSentinel保护用户输入、完成模板变量展开后再还原。transcribe_minutes/system.md末尾的INPUT:即对应此注入点——Fabric 将会议转录文本填入此处组成完整提示词后发送给所选模型。模式来源的多样性从 loadPattern 可以看出模式名称既可以解析为内置 patterngetFromDB也可以解析为本地文件路径以/、~、.等开头时走getFromFile见 LooksLikePatternFilePath。这意味着你完全可以编写自己的会议纪要 pattern 文件通过fabric --pattern ~/my-minutes.md直接使用。模式的更新与自定义覆盖内置模式由 PatternsLoader 从 Fabric 官方仓库的data/patterns目录拉取并落盘默认仓库https://github.com/danielmiessler/fabric.git、默认目录data/patternsCLI 提供-U/--updatepatterns触发更新见 configuration.go。此外若配置了自定义模式目录getFromDB 会优先读取自定义目录下的同名模式——你可以据此对transcribe_minutes做团队级定制而不影响官方更新。实战一从本地会议录音一键生成结构化纪要Fabric 自带语音转文字STT能力可直接把录音文件转为文本并送入 pattern。相关命令与参数见 Using-Speech-To-Text.md。一次性完成转写 纪要fabric --transcribe-file /path/to/meeting.mp3 --transcribe-model whisper-1 --pattern transcribe_minutes这条命令完成的工作是先用指定转录模型把meeting.mp3转成文本再将转录文本作为输入送入transcribe_minutespattern最终输出结构化会议纪要。核心参数如下参数说明--transcribe-file要转写的音频/视频文件路径必填--transcribe-model转录模型必填支持whisper-1、gpt-4o-mini-transcribe、gpt-4o-transcribe--pattern transcribe_minutes指定应用本模式--split-media-file自动拆分超过 25MB 的文件需安装 ffmpeg支持的音视频格式为.mp3、.mp4、.mpeg、.mpga、.m4a、.wav、.webm可用fabric --list-transcription-models查看全部可用转录模型。大文件与多段会议的处理OpenAI 转录接口对单次提交文件有 25MB 上限。超过时命令会报错并提示使用--split-media-filefabric --transcribe-file large_meeting.mp4 --transcribe-model gpt-4o-transcribe --split-media-file --pattern transcribe_minutes启用拆分后Fabric 会先用 ffmpeg 将文件切成 10 分钟一段若仍超限则不断对半缩短分段时长所有分段转录完成后按序拼接段间以空格连接再整体送入 pattern。处理后临时文件会自动清理。转写链路在源码中的实现转写由 transcribe.go 中的handleTranscription驱动它以--vendor默认 OpenAI在插件注册表中查找实现了transcriber接口的供应商校验--transcribe-model非空后调用TranscribeFile(ctx, filePath, model, split)返回的转录文本即作为后续 pattern 处理的输入消息。目前该接口由 OpenAI 实现见 Using-Speech-To-Text.md但接口设计允许未来接入更多供应商。对应的 CLI 参数定义在 flags.go。实战二把在线会议/YouTube 内容直接变成纪要对于线上会议、远程分享等录制内容可以直接利用 Fabric 的 YouTube 处理能力获取转录文本后再套用本模式。相关用法详见 YouTube-Processing.md。# 提取视频转录文本并应用 transcribe_minutes 模式 fabric -y https://www.youtube.com/watch?vVIDEO_ID --pattern transcribe_minutes # 带时间戳的转录更适合按议题回溯的会议 fabric -y https://www.youtube.com/watch?vVIDEO_ID --transcript-with-timestamps --pattern transcribe_minutes对长视频官方文档建议使用更具体的模式以获得更好结果见 YouTube-Processing.mdtranscribe_minutes正是把冗长转录压缩为高密度行动项与决策记录的典型模式。类似的你可以把转录文本以标准输入方式喂给 patterncat meeting_transcript.txt | fabric --pattern transcribe_minutes实战三把纪要结果沉淀到文件与会话Fabric 支持将输出写入文件或会话便于纪要归档与后续检索。以 YouTube 场景为例见 YouTube-Processing.md# 输出到文件 fabric -y https://www.youtube.com/watch?vVIDEO_ID --pattern transcribe_minutes -o minutes.md # 输出到会话保留完整上下文便于后续追问 fabric -y https://www.youtube.com/watch?vVIDEO_ID --pattern transcribe_minutes --output-session -o full_session.md此外可在会议纪要跑完后触发桌面通知适合批量处理多场会议时及时获知结果。通知功能及自定义通知命令的完整用法见 Desktop-Notifications.md其标题格式为Fabric: [pattern] Completechat.gofabric --pattern transcribe_minutes --notification meeting_transcript.txt进阶将 pattern 固化到 YAML 配置或工作流通过 YAML 配置默认使用本模式Fabric 支持 YAML 配置文件持久化常用选项详见 cli/README.md# ~/.config/fabric/config.yaml model: gpt-4o-transcribe pattern: transcribe_minutes stream: true运行fabric --config ~/.config/fabric/config.yaml 会议转录文本即可生效。优先级为命令行参数 YAML 配置值 默认值YAML 中只支持长选项名。组合进多步骤工作流若会议内容需要先转写、再纪要、再翻译可借助 Fabric 的 workflow 能力将多个 pattern 顺序串联workflow 结构见 workflow.go 及 workflow_test.gosteps: - pattern: transcribe_minutes - pattern: translate通过fabric --workflow minutes-workflow.yaml运行即可实现一次输入、多模式加工的流水线。纪要质量要点与常见问题结合模式约束与 Fabric 的实践使用transcribe_minutes时建议关注以下几点输入质量决定输出质量会议转录中的人名、数字与截止日期最容易出错重要会议建议在转写后先人工校对再送入模式行动项必须可执行模式要求覆盖发言人同意去做或调研某事的场景并强制附带截止日期产出后应逐条核对是否有负责人、是否有时限注意 MINUTES 的 20~50 条 vs 16 词冲突这是模式文件内并存的两种约束详见上文实际效果取决于所用模型对指令的遵循程度必要时可基于自定义模式目录做团队定制参考 patterns.go 的自定义覆盖机制输出仅限要求的区块模式明确要求不输出警告或额外说明若模型画蛇添足可通过自定义 pattern 或在输入末尾追加约束来收紧。小结transcribe_minutes是 Fabric 模式体系中把原始会议转录压缩为可执行纪要的典型代表。它的价值在于把散落在冗长对话里的行动项、决策理由、挑战与下一步全部结构化让一次会议的直接产出即可分发、可归档、可跟进。配合 Fabric 的--transcribe-file、-yYouTube、YAML 配置与 workflow你可以构建出从录音/视频 → 转录 → 结构化纪要 → 归档通知的完整自动化链路。若要深入研究其实现建议从 data/patterns/transcribe_minutes/system.md模式定义、internal/plugins/db/fsdb/patterns.go加载机制、internal/cli/transcribe.go转写链路与 docs/Using-Speech-To-Text.mdSTT 文档四个文件入手。赞分享AI 应用人工智能提示工程CLI本地部署【免费下载链接】FabricFabric is an open-source framework for augmenting humans using AI. It provides a modular system for solving specific problems using a crowdsourced set of AI prompts that can be used anywhere.项目地址https://gitcode.com/GitHub_Trending/fa/Fabric点击查看免费下载相关推荐Unlimited-OCR生态全景HuggingFace、ModelScope与百度云模型获取与推理服务一览Unlimited OCR生态全景HuggingFace、ModelScope与百度云模型获取与推理服务一览 Unlimited OCR 是百度开源的长文档解人工智能大模型计算机视觉模型推理服务LifeOS Fabric 模式解析用 transcribe_minutes 从会议转写自动生成结构化会议纪要LifeOS Fabric 模式解析用 transcribe_minutes 从会议转写自动生成结构化会议纪要 导读 transcribe_minutes 是AI 技能人工智能AI 应用用 Fabric 的 summarize_meeting 模式从会议音频到结构化会议纪要的完整实战指南用 Fabric 的 summarize_meeting 模式从会议音频到结构化会议纪要的完整实战指南 导读 summarize_meeting 是开源框架AI 应用人工智能提示工程CLI本地部署创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
