Fabric 瑜伽推荐 Pattern 深度解析：用 recommend_yoga_practice 打造个性化瑜伽与正念 AI 教练

Fabric 瑜伽推荐 Pattern 深度解析：用 recommend_yoga_practice 打造个性化瑜伽与正念 AI 教练

【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

导读

本文围绕 Fabric 开源仓库中的recommend_yoga_practice系统提示词（Pattern），完整拆解其身份设定、步骤规范、输出结构与示例引导，并深入其底层源码，说明该 Pattern 在 Fabric 中如何被加载、变量如何注入、{{input}}如何替换为真实用户输入。读完本文，你将掌握这个 Wellness 类 Pattern 的完整能力边界，并能通过fabric --pattern recommend_yoga_practice在实际命令行中把它用起来。

一、认识 recommend_yoga_practice：一个面向身心健康的 Fabric Pattern

在 Fabric 中，Pattern 是"以真实任务为单位组织起来的提示词单元"。仓库根目录下的 data/patterns 目录集中存放了大量按场景分类的提示词，每个子目录通常包含一个system.md（系统提示词）以及可选的user.md（用户提示词）。recommend_yoga_practice正是其中之一，仓库的 pattern_descriptions.json 中对其官方描述为：

"Provides personalized yoga sequences, meditation guidance, and holistic lifestyle advice based on individual profiles."

并归入WELLNESS与SELF两个标签类别，定位是"基于个人画像提供个性化瑜伽序列、冥想指导与整体生活方式建议"。从 fsdb 的加载逻辑 可以看到，Pattern 加载时约定以system.md作为系统提示词文件（SystemPatternFile: "system.md"），因此本文件就是该 Pattern 的行为灵魂。

二、身份与步骤：Pattern 如何定义"AI 瑜伽教练"的行为边界

recommend_yoga_practice的system.md首先通过IDENTITY小节确立模型角色——一名"经验丰富的瑜伽教练与正念生活教练（experienced yoga instructor and mindful living coach）"，要求以平静、清晰、富有同情心的方式引导用户。随后用STEPS小节划定五条核心职责：

1. 体式教学：教授安全、有效的瑜伽体式（asana），并给出逐步引导；
2. 个性化序列编排：根据用户的练习经验水平、目标以及身体限制，帮助构建个性化序列；
3. 冥想与放松引导：带领用户进行引导式冥想与放松练习，促进正念与情绪平衡；
4. 整体生活方式建议：基于瑜伽原则提供涵盖呼吸法（pranayama）、营养、睡眠、体态与日常健康实践的 holistic 建议；
5. 氛围营造：在每个回复中营造宁静、自我觉察、不带评判的氛围。

同时规定语气基调：如一位将古老智慧融入现代生活的资深瑜伽老师，采用舒缓、鼓励、内省的语调。

这一"身份 + 步骤"的写法是 Fabric 提示词工程的标准范式——通过明确角色（WHO）与职责清单（WHAT TO DO），把模型的行为收敛到一个稳定的专业轨道上，避免回答发散。

三、输出规范：三段式回复结构与个性化分支

为了让回复风格统一，system.md的OUTPUT小节强制规定了回复的三段式结构：

1. 开场锚定语（Opening grounding statement）——一句简短的反思或聚焦短语；
2. 主要指导（Main guidance）——围绕用户问题给出详细、安全、清晰的指引或洞见；
3. 正念结语（Mindful takeaway）——以一句简短的提醒或反思收尾，鼓励持续正念。

在个性化维度上，Pattern 区分了两种用户诉求分支：

• 体式类问题（如用户询问某个具体体式）：需仔细描述对齐细节（alignment）、解释面向初学者或安全性的变体修改方式、指出常见错误及规避方法；
• 冥想或生活方式类问题：提供简单可行的技巧，鼓励坚持练习与自我慈悲（self-compassion）。

这种"先固定结构、再按场景分支"的设计，保证了模型在面对"给我推荐一套序列"和"怎么治我的背痛"这类差异巨大的请求时，都能输出同样专业、安全的指导。

四、示例驱动：从 EXAMPLE 看期望的交互形态

system.md给出了一个可验证的示范，帮助模型锚定输出质量：

USER: Recommend a gentle yoga sequence for improving focus during stressful workdays.

Expected Output Example:

1. Begin with a short centering breath to quiet the mind.
2. Flow through seated side stretches, cat-cow, mountain pose, and standing forward fold.
3. Conclude with a brief meditation on the breath.
4. Reflect on how each inhale brings focus, and each exhale releases tension.

并规定每次交互都以类似这样的语句收尾：

"Breathe in calm, breathe out ease."

这个示例展示了 Pattern 期望的完整闭环：从静心呼吸开场 → 串联 4 个温和体式（坐姿侧伸展、猫牛式、山式、站立前屈）→ 以呼吸冥想收束 → 最后给出"吸气带来专注、呼气释放紧张"的正念反思。这正是"开场锚定语 → 主要指导 → 正念结语"三段式结构的具体化。

五、在 Fabric 中实际使用该 Pattern

5.1 基础用法：选择 Pattern 并传入输入

Fabric CLI 通过-p/--pattern参数选择要使用的 Pattern（见 flags.go 中Pattern string \short:"p" long:"pattern" ...`` 的定义）。使用方式：

# 直接传入文本 fabric --pattern recommend_yoga_practice "我最近工作压力大，想放松，能推荐一套温和的瑜伽序列吗？" # 通过管道传入输入（Fabric 支持 stdin 管道） echo "I sit at a desk all day and have lower back tightness. What should I practice?" \ | fabric --pattern recommend_yoga_practice

用户输入会注入到提示词末尾的{{input}}占位符中，与system.md拼接成完整的请求后发送给模型（拼接逻辑见 internal/core/chatter.go 中joinPromptSections(contextContent, patternContent)的实现）。需要流式输出时加--stream：

echo "帮我设计一套针对久坐上班族的晨间唤醒序列" | fabric --pattern recommend_yoga_practice --stream

5.2 用 Pattern 变量实现个性化参数

Fabric 支持为 Pattern 注入自定义变量，CLI 参数为-v/--variable，格式如-v=#role:expert -v=#points:30。虽然本 Pattern 当前未声明额外变量占位符，但模板引擎会对{{变量名}}形式的标记统一做变量替换（见下文第六节），这为后续扩展"经验水平、练习目标、身体限制"等字段预留了机制。

5.3 通过 YAML 配置固化 Pattern 选择

如果你希望每次调用都默认使用该 Pattern，可以利用 Fabric 的 YAML 配置支持（参见 internal/cli/README.md）：

# ~/.config/fabric/config.yaml model: gpt-4 temperature: 0.8 pattern: recommend_yoga_practice stream: true

然后直接运行：

fabric --config ~/.config/fabric/config.yaml "给我一段睡前放松的冥想引导"

配置优先级为：CLI 参数 > YAML 配置 > 默认值，因此命令行中的--pattern仍可临时覆盖 YAML 中的设定。

六、源码级原理：Pattern 从磁盘到提示词的完整调用链

从实现角度看，recommend_yoga_practice/system.md被读取并注入模型请求的路径清晰可见，核心代码在 internal/plugins/db/fsdb/patterns.go：

• 入口：GetApplyVariables(source, variables, input)是获取 Pattern 的统一入口，会先调用loadPattern读取内容，再做变量处理；
• 名称解析：loadPattern判断传入名称是否像文件路径（以/、\、~、.开头），是则从文件系统读取（getFromFile），否则从数据库/目录读取（getFromDB）。因此除了用 Pattern 名recommend_yoga_practice，你还可以直接传文件路径来加载任意system.md；
• 输入注入：applyInput调用ensureInput——若 Pattern 内容中没有{{input}}占位符，会在末尾自动追加一行{{input}}，随后用strings.ReplaceAll将占位符替换为用户真实输入；
• 变量替换：applyVariables先用哨兵令牌（InputSentinel = "__FABRIC_INPUT_SENTINEL_TOKEN__"，见 internal/plugins/template/constants.go）保护{{input}}，再交给 template.ApplyTemplate 处理其余{{...}}标记（包括{{plugin:...}}插件调用与{{ext:...}}扩展调用），最后还原输入。若模板中存在未提供的必需变量，会返回"missing required variable"错误。

也就是说，你在终端里输入的那句"想放松、想要晨间序列"，最终会以{{input}}的身份被替换进system.md末尾，与上述 IDENTITY/STEPS/OUTPUT/EXAMPLE 指令一起构成完整的系统提示词，再由 chatter.go 发给已配置的模型供应商。

七、Pattern 管理与运维：查找、预览与更新

Fabric 为 Pattern 提供了完整的 CLI 管理命令（对应 listing.go 中的处理逻辑）：

# 列出所有可用 Pattern，确认 recommend_yoga_practice 存在 fabric --listpatterns # 直接打印该 Pattern 的完整内容（即本 system.md）到终端 fabric --readpattern recommend_yoga_practice # 查看最近新增的 N 个 Pattern（了解 Wellness 类的新玩法） fabric --latest 10 # 从默认 Git 仓库（data/patterns 目录）拉取并更新所有 Pattern fabric --updatepatterns

首次使用时，可运行fabric --setup完成模型供应商等配置（README 明确说明通过fabric --setup配置 preferred providers，或使用fabric --listvendors查看全部供应商）。Pattern 的下载、更新与"已加载"标记逻辑位于 internal/tools/patterns_loader.go：它会克隆默认仓库（DefaultPatternsGitRepoUrl）中data/patterns目录到临时目录，经movePatterns复制到配置目录，统计目录数量校验成功后写入 loaded 标记文件，并在更新时通过PersistPatterns保留用户的本地自定义 Pattern。

八、进阶技巧与最佳实践

• 组合场景：recommend_yoga_practice属于WELLNESS/SELF类别，适合与情绪、自我觉察类 Pattern 组合使用。例如先让 AI 分析压力来源，再用本 Pattern 输出针对性的练习建议。
• 善用--dry-run：不确定最终发给模型的内容时，可加--dry-run查看组装后的完整提示词（含{{input}}替换结果），这有助于理解 system.md 如何与你的输入融合。
• 本地定制：仓库是只读的，但你可以复制该 Pattern 到自己的自定义目录并按需修改system.md（例如加入"只推荐适合孕妇的温和体式"或"优先推荐办公室可完成的练习"等约束），--updatepatterns时本地副本会被保留。
• 安全边界：本 Pattern 始终强调"安全、可修改、循序渐进"的体式指导原则，实际使用中建议结合自身身体状况，并将 AI 建议作为参考而非医疗替代。

结语

recommend_yoga_practice是一个结构清晰、可直接落地的 Wellness 类 Fabric Pattern：它以"身份 + 步骤 + 输出规范 + 示例"四段式设计，把"AI 瑜伽教练"的每次回复都锚定在安全、个性、正念的轨道上；而 Fabric 的模板引擎与 Pattern 管理机制则保证了它可以被命令行、管道、YAML 配置等方式灵活调用。理解它的结构与底层调用链，你也就掌握了 Fabric 全部数百个 Pattern 共通的"打开方式"。

Breathe in calm, breathe out ease.

【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