LifeOS Fabric create_keynote 模式实战：用 LLM 一键生成 TED 级演讲幻灯片

LifeOS Fabric create_keynote 模式实战：用 LLM 一键生成 TED 级演讲幻灯片

【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS

导读

create_keynote是 LifeOS 内置 Fabric 技能体系中用于「创建型」任务的高质量提示词模式（Pattern），它把 TED 演讲的叙事结构、幻灯片信息密度与演讲者讲稿完整地编码进一份系统提示词中。本文以 create_keynote/system.md 为骨架，结合 Fabric 技能定义 与 ExecutePattern 工作流 的源码级实现，讲清该模式的角色设定、执行步骤、四要素幻灯片结构、三段式输出规范，以及如何在 LifeOS 中不依赖外部 CLI、原生驱动该模式完成从原始素材到可演讲幻灯片集的完整转换。读完本文，你将能直接调用该模式把任意输入转化为带叙事主线、演讲者讲稿与 AI 配图描述的 10～25 页演讲幻灯片。

模式定位：create_keynote 在 Fabric 模式体系中的位置

LifeOS 的 Fabric 技能内置了 240+ 个经过验证的提示词模式，按能力划分为提取（Extraction）、摘要（Summarization）、分析（Analysis）、创建（Creation）、改进（Improvement）、安全（Security）、评分（Rating）等类别（见 Fabric/SKILL.md）。create_keynote属于Creation（创建）类别，与create_threat_model、create_prd、create_mermaid_visualization、create_academic_paper等并列（见 ExecutePattern.md 的模式分类清单）。

pattern_explanations.md 对该模式的官方一句话定位是：

create_keynote: Creates TED-style keynote presentations with a clear narrative, structured slides, and speaker notes, emphasizing impactful takeaways and cohesive flow.

即：生成具备清晰叙事、结构化幻灯片与演讲者讲稿的 TED 风格主题演讲，强调「有冲击力的核心收获」与「连贯的叙事流」。这三个关键词——叙事（narrative）、讲稿（speaker notes）、核心收获（takeaway）——正是整个system.md反复强调的设计主轴。

与它形成互补的是同仓库中的 analyze_presentation/system.md：后者负责从「创意密度（IDEAS）、无私性（SELFLESSNESS）、娱乐性（ENTERTAINMENT）」三个维度给一场现有演讲打分复盘；而create_keynote负责从零创建一场演讲。二者一「建」一「评」，可组成内容生产闭环。

IDENTITY 与 PURPOSE：模式如何定义自己的角色

create_keynote/system.md的开头直接声明了模式的身份与使命：

# IDENTITY and PURPOSE You are an expert at creating TED-quality keynote presentations from the input provided. Take a deep breath and think step-by-step about how best to achieve this using the steps below.

要点有三：

1. 专家身份锚定：模型被要求扮演「能从给定输入制作 TED 级别主题演讲的专家」，这一设定在 Fabric/SKILL.md 中被称为模式的标准结构之一——每个模式的system.md都通过IDENTITY（模型是谁）、PURPOSE（要达成什么）、STEPS（如何处理输入）、OUTPUT（结构化输出格式）四个部分来约束模型行为。
2. 分步思考的显式指令："Take a deep breath and think step-by-step" 是一条典型的链式思考（chain-of-thought）触发指令，要求模型在动笔前先完成全篇规划，而不是拿到输入直接输出幻灯片。
3. PURPOSE 的克制：模式的目标被严格限定为「TED-quality keynote」，这意味着它追求的是可公开演讲、有舞台感染力的演示文稿，而非普通文档转 PPT。

STEPS 详解：从原始素材到完整叙事的四步流水线

system.md的 STEPS 部分定义了处理输入的完整流程，共五条，构成一条「先立意、再定结局、后铺陈、再量化、终成稿」的流水线：

第一步：先在脑中完成整体叙事流

Think about the entire narrative flow of the presentation first. Have that firmly in your mind. Then begin.

这是整个模式的第一性原则：先想清楚整场演讲的叙事弧线，再开始写任何一页幻灯片。模型被要求把完整的故事走向牢牢固定在脑中，避免边写边改导致结构漂移。

第二步：从实用角度确定真正的核心收获（takeaway）

Given the input, determine what the real takeaway should be, from a practical standpoint, and ensure that the narrative structure we're building towards ends with that final note.

模式强调 takeaway 必须来自实用角度（practical standpoint）——即听众听完后真正能带走、能行动的结论，而非输入文本的字面复述。并且整个叙事结构必须「向着这个最终音符收束」（ends with that final note），也就是说 takeaway 不是随便放在结尾，而是叙事的终点站，前面的每一页都在为它蓄力。

第三步：为每一页幻灯片建立<hr>分隔块

Take the concepts from the input and create

---

delimited sections for each slide.

模式的输出是 Markdown 文本，因此用<hr>（即 Markdown 水平分隔线）作为每页幻灯片的物理边界，使输出可以直接被解析为逐页结构。这也与 ExecutePattern.md 的说明一致——「返回模式 OUTPUT INSTRUCTIONS 定义的结构化输出，始终保留模式指定的格式以保证一致性」。

第四步：控制每页的信息密度

The slide's content will be 3-5 bullets of no more than 5-10 words each.

这是模式最硬性的量化约束之一：

约束维度	数值
每页要点数	3～5 条 bullet
每条 bullet 字数	不超过 5～10 个词
整场幻灯片总数	10～25 页（视输入而定）

5～10 词的信息密度对应 TED 舞台上「一页只说一件事」的经典原则——观众在 30 秒内能消化多少信息，讲稿才是细节的承载体。

第五步：以「讲故事」的方式组织幻灯片序列

Create the slide deck as a slide-based way to tell the story of the content. Be aware of the narrative flow of the slides, and be sure you're building the story like you would for a TED talk.

模式反复强调两层：幻灯片是「以幻灯片为载体的讲故事方式」，且要像编排 TED 演讲一样有意识地设计页面之间的叙事流——起承转合、情绪曲线、悬念与回响都在规划范围内，而不是把输入按段落机械切分。

每页幻灯片的四要素结构

system.md规定每一页幻灯片必须包含四个组成部分（Each slide's content:）：

1. Title（标题）

每页需要一个明确的标题，承担「这一页在讲什么」的定位功能。

2. Main content（主体内容）

3～5 条 bullet，每条不超过 5～10 个词。这是页面唯一的信息实体，必须精炼到可以直接投上大屏的程度。

3. Image description（配图描述）

为AI 图像生成器准备的画面描述。这是该模式的一个特色设计：模式输出的不是最终图片，而是交给图像生成模型（如 Midjourney、DALL·E 类工具）的提示词素材，从而把「写幻灯片」和「配图」两个环节解耦。描述应足够具体，让生成器能还原出与当前页面情绪、信息一致的画面。

4. Speaker notes（演讲者讲稿）

These should be the exact words the speaker says for that slide. Give them as a set of bullets of no more than 16 words each.

讲稿是演讲者逐字要说的原话（the exact words），而非要点提示；同样以 bullet 形式给出，每条不超过 16 个词。system.md在 OUTPUT INSTRUCTIONS 中进一步强调：

Ensure the speaker notes are in the voice of the speaker, i.e. they're what they're actually going to say.

即讲稿必须符合演讲者本人的语气与表达习惯，读出来就是一段自然的口语，而不是书面化的「本页要点」。

OUTPUT INSTRUCTIONS：三段式输出规范

模式的输出被严格规定为三个固定小节，这种强结构输出正是 ExecutePattern.md 所述模式价值的体现——「模式指令以 IDENTITY AND PURPOSE / STEPS / OUTPUT INSTRUCTIONS 组织，AI 阅读并遵循指令后返回模式规格规定的结构化输出」。

FLOW 小节：叙事流的 10～20 条快照

Output a section called FLOW that has the flow of the story we're going to tell as a series of 10-20 bullets that are associated with one slide a piece. Each bullet should be 10-words max.

FLOW 是整场演讲的叙事地图：10～20 条 bullet，每条对应一页幻灯片，每条不超过 10 个词。观众视角的「故事走向」在这一节被完整预览——它同时充当了给模型自己的创作蓝图，和给使用者的事前审查清单。

DESIRED TAKEAWAY 小节：一句话的核心收获

Output a section called DESIRED TAKEAWAY that has the final takeaway from the presentation. This should be a single sentence.

一句话写出整场演讲最终要让听众带走什么。它与 STEPS 第二步呼应：FLOW 展示「怎么讲到那儿」，DESIRED TAKEAWAY 锚定「终点是哪」。

PRESENTATION 小节：Markdown 格式的完整幻灯片清单

Output a section called PRESENTATION that's a Markdown formatted list of slides and the content on the slide, plus the image description.

PRESENTATION 是最终交付物：以 Markdown 列表形式逐页输出标题、要点、配图描述（以及讲稿），配合<hr>分隔符形成可直接使用的幻灯片脚本。

OUTPUT GUIDANCE：质量闸门

These should be TED level presentations focused on narrative. Ensure the slides and overall presentation flows properly. If it doesn't produce a clean narrative, start over.

模式明确设置了重做机制：若成品没有形成干净的叙事流，就推翻重来。这说明该模式对「叙事连贯性」的优先级高于信息罗列，与 OUTPUT INSTRUCTIONS 的 FLOW 检查形成双重保险。

在 LifeOS 中原生执行该模式：完整调用链

在 LifeOS 中执行create_keynote不需要安装或调用外部 fabric CLI，而是走「原生模式执行」路径。Fabric/SKILL.md 明确描述了这一机制：

1. 读取Patterns/{pattern_name}/system.md；
2. 将模式指令直接作为提示词应用；
3. 直接返回结果，无需外部 CLI 往返（no CLI round-trip）。

其执行链路由 ExecutePattern.md 定义，共四步：

Step 1 — 根据意图选择模式：用户请求命中「create」类关键词（如"create a keynote"、"make a presentation"）或显式指名create_keynote时，工作流路由表将其映射到该模式。决策树中create分支的规则是「Match keyword → create_[keyword]」（见 ExecutePattern.md 决策树），显式指名则直接使用（"use create_keynote" →create_keynote）。

Step 2 — 加载模式系统提示词：工作流读取模式的system.md。仓库中该模式目录结构为：

LifeOS/install/skills/Fabric/Patterns/create_keynote/ └── system.md # 本模式的全部提示指令

Step 3 — 将模式应用于输入内容：这是原生执行的本质——AI 阅读并遵循system.md中的 STEPS 与 OUTPUT INSTRUCTIONS，对用户提供的输入直接产出结构化结果，而不是调用外部工具。

Step 4 — 特殊场景才用 CLI：仅当输入是 YouTube 链接（用fabric -y URL提取字幕）或 URL 抓取受阻（用fabric -u URL兜底）时才引入 CLI；纯文本/文档输入全程走原生路径。

此外，Fabric 技能在执行工作流前后还有两项集成约定（见 Fabric/SKILL.md）：执行前检查用户自定义覆盖目录，执行时发送语音通知与文本通知。工作流结束后按 SKILL.md 的执行日志规范 追加一条 JSONL 记录到~/.claude/LIFEOS/MEMORY/SKILLS/execution.jsonl。

实战演练：把一段原始输入变成幻灯片脚本

下面根据create_keynote/system.md的完整规范，以「把一段关于时间管理的观点输入转化为主题演讲」为例，演示模式预期的产出形态（示例输出，用于验证模式结构）：

输入（示例）：一段关于"深度工作与注意力管理"的观点笔记。

模式产出结构示意：

## FLOW - 开场：注意力危机无处不在 - 反直觉：忙碌不等于产出 - 引子：一次被切碎的工作日 - 问题根源：任务切换的隐性成本 - 概念引入：深度工作的定义 - 数据佐证：专注时长与产出质量 - 方法一：时间块规划 - 方法二：数字斋戒 - 方法三：精力峰值对齐 - 挑战：如何对抗分心诱惑 - 案例：一位工程师的转变 - 回归：注意力是可训练的能力 - 号召：从明天的一个小时开始 ## DESIRED TAKEAWAY 深度工作是可以被刻意训练的能力，从明天起为自己保留一个不被切碎的时间块。 ## PRESENTATION --- # 注意力危机 - 平均每 11 分钟被打断一次 - 专注时长持续萎缩 - 深度思考正在稀缺化 **Image description**: 一位现代工作者在闪烁的多个屏幕前，画面被切割成碎片，冷色调都市夜景。 **Speaker notes**: - 我们都在假装忙碌，却失去了专注的能力。 - 今天我想聊聊，如何把注意力找回来。 --- # 忙碌不等于产出 - 邮件秒回 ≠ 创造价值 - 反应式工作吞噬深度时间 - 产出质量取决于连续专注 **Image description**: 跑步机上奔跑的仓鼠与安静工作的工匠并置对比。 **Speaker notes**: - 你有多久没有一口气完成一件重要的事了？ - 反应式工作让我们忙，却未必让我们有产出。 ---

这个示例严格遵循了模式的全部约束：每页 3～5 条 bullet 且每条 ≤10 词、讲稿每条 ≤16 词、<hr>分隔、FLOW 每条 ≤10 词且一页一条、DESIRED TAKEAWAY 为单句。实际使用时，把任意文本、文档或网页内容作为INPUT:之后的输入喂给模式即可。

使用注意与边界

根据 Fabric/SKILL.md 的 Gotchas 一节与create_keynote模式自身设计，使用时需注意：

• 模式名必须精确：create_keynote不是create_keynote_presentation；不确定时可先用suggest_pattern或浏览Patterns/目录确认名称。
• 超长输入需先行分块：若原始素材远超模式的上下文容量，应先把素材切块，或先用summarize类模式压缩，再交给create_keynote——模式的 10～25 页设计本身也暗示它更适合「中等密度」的输入。
• 叙事的最终裁判是输出质量：若 PRESENTATION 未能形成干净叙事流，应重新执行而非手动修补——这是模式内建的质量闸门。
• 配图是描述而非成品：Image description面向 AI 图像生成器，需自行将其交给图像生成工具完成最终视觉呈现。

小结

create_keynote用一份约 46 行的system.md，把 TED 演讲工业化的关键方法论——先定 takeaway、再设计叙事流、严格限制每页信息量、逐字写讲稿、配图与内容解耦——完整固化成了可复用的提示词资产。在 LifeOS 中，它通过 ExecutePattern 工作流 的原生执行机制，以「读system.md→ 应用 → 返回结构化结果」的方式零依赖运行；与 analyze_presentation 配合，还能构成「生成 → 复盘 → 再生成」的演讲内容迭代闭环。对任何需要把原始素材快速变成可演讲、可配图、可排练的完整幻灯片的开发者与内容创作者而言，这是一个开箱即用的高质量基线。

【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS