企业官网建设流程全解析

Fabric 模式实战：基于 TELOS 文件用 t_create_h3_career 规划后自动化时代的 Head-Heart-Hands 职业路径

【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

本文以 Fabric 内置模式t_create_h3_career为绝对主体，逐段解读其指令结构（身份设定、四步执行流程、两条输出约束），说明如何将个人深度档案（TELOS 文件）与具体提问结合，产出面向"技能被自动化之后"的职业方向清单。同时结合仓库源码与配套文档，讲清该模式在t_*TELOS 模式家族中的定位、CLI 运行方式、上下文注入机制以及模式加载的底层原理，读者读完后可立即在自己的 Fabric 环境中复现整套流程。

模式定位：Fabric t_* TELOS 家族的一员

t_create_h3_career是 Fabric 内置模式之一，源文件位于 data/patterns/t_create_h3_career/system.md。该目录下只有system.md（系统提示词）一个文件，没有配套的user.md，属于"纯系统提示词驱动、依赖管道输入"的模式。

仓库内的官方描述数据给出了它的精确定位：

• 模式描述与标签数据：描述为Generate career plans using the Head, Heart, Hands framework.（使用 Head、Heart、Hands 框架生成职业规划），标签为BUSINESS、WRITING、SELF。
• suggest_pattern 模式索引：同样将其概括为 Head、Heart、Hands 框架的职业规划模式，并同时出现在 suggest_pattern/system.md 的BUSINESS与SELF推荐清单中。
• 模式说明索引：将其概括为"深度分析 TELOS 文件与输入指令之间的关系，产出基于智慧的输出"。

t_create_h3_career属于 Fabric 中一组以t_前缀命名的 TELOS 模式家族。该家族所有成员共享几乎相同的 IDENTITY 模板（"expert at understanding deep context about a person or entity…"）与前三步执行流程，差异仅在第四步的任务指令不同。同家族成员还包括t_year_in_review、t_find_blindspots、t_describe_life_outlook、t_red_team_thinking、t_threat_model_plans、t_check_metrics、t_give_encouragement、t_analyze_challenge_handling、t_check_dunning_kruger、t_find_negative_thinking、t_find_neglected_goals、t_create_opening_sentences、t_extract_intro_sentences、t_extract_panel_topics、t_visualize_mission_goals_projects等，全部以data/patterns/t_*目录组织。

指令结构逐段解析

t_create_h3_career的system.md全文按三段组织：IDENTITY、STEPS、OUTPUT INSTRUCTIONS。

IDENTITY：角色设定

模式将模型设定为"擅长理解关于某个人或实体的深度上下文，并结合输入中的指令或问题，从该上下文中提炼智慧"的专家。这一段的作用是让模型进入"深度上下文分析师"状态，而不是泛泛的问答助手——它要求模型同时理解"对象是谁"（TELOS 文件）和"对方想要什么"（输入指令），再产出二者交叉后的洞见。

STEPS 1～3：理解 TELOS 文件与输入的关联

前三步是执行前置：

1. 彻底通读传入的 TELOS 文件，完整理解这个人或实体；
2. 深入研究输入中的指令或问题；
3. 花费大量时间与精力思考两者如何关联，以及对于发送输入的人而言，什么才是最好的输出。

注意第 3 步的措辞是Spend significant time and effort thinking（投入大量时间与精力思考）——该模式刻意要求模型在"生成"之前先完成充分的推理，而非立刻吐字。这与 Fabric 其他深度分析类模式的编排思路一致：先建立上下文，再生成智慧。

STEPS 4：核心任务——自动化之后的职业重定位

第四步是该模式的灵魂：Analyze everything in my TELOS file and think about what I could and should do after my legacy corporate / technical skills are automated away. What can I contribute that's based on human-to-human interaction and exchanges of value?

即：分析 TELOS 文件中的全部信息，思考"当我的传统企业/技术技能被自动化取代之后，我能做什么、应该做什么"，并聚焦于"基于人与人互动、基于价值交换"的贡献方向。这正是仓库描述中 Head-Heart-Hands（头脑-心灵-双手）框架的落点：

• Head（头脑）：TELOS 文件中沉淀的知识、技能与经验积累；
• Heart（心灵）：自动化无法替代的"人与人互动"部分——共情、信任、陪伴、判断、沟通等人类特质；
• Hands（双手）：具体能提供的价值交换形式，即"我应该做什么"的可执行落点。

该步骤的提问视角是"被自动化之后"（after my legacy corporate / technical skills are automated away），因此输出的职业方向天然偏向咨询、教练、社群、手作、教学、照护、创作等依赖人际信任与价值交换的路径，而非继续追逐可被脚本取代的岗位。

OUTPUT INSTRUCTIONS：两条硬性约束

1. 仅使用基础 Markdown 格式：不允许特殊格式、斜体、加粗或其他任何富文本修饰；
2. 只输出列表，其他什么都不输出：整个回复应是一个干净的列表。

这两条约束保证了输出的机器可读性与可复用性——结果可以直接被其他模式或工具继续消费，而不需要先清洗 Markdown 噪声。这也是 Fabric 模式设计的常见风格（同家族的t_describe_life_outlook、t_year_in_review均采用"仅基础 Markdown + 只输出列表"的相同约束）。

TELOS 文件从哪来：用 Context 机制注入

模式反复引用"incoming TELOS File"，但仓库并未随模式附赠 TELOS 模板，也没有在模式目录中提供user.md。从模式结构可以推断：TELOS 是一份描述"某个人或实体"深度上下文的文档，由使用者在运行时提供。Fabric 的 Context 机制正是承载这类"可复用的系统级提示文本"的官方方案。

根据 上下文与会话教程，Context 是 Fabric 在对话开头注入的命名文本，存放在~/.config/fabric/contexts下，每个文件名即上下文名，内容会作为系统消息参与请求。相关 CLI 参数：

• --context <name>选择一个上下文；
• --listcontexts列出所有上下文；
• --printcontext <name>查看指定上下文内容；
• --wipecontext <name>删除指定上下文。

典型的 TELOS 注入流程如下：

# 1. 编写个人 TELOS 档案（身份、经历、技能、价值观、关系、目标等） mkdir -p ~/.config/fabric/contexts cat > ~/.config/fabric/contexts/my_telos <<'EOF' # 我的 TELOS ## 我是谁 ... ## 技能与经历 ... ## 价值观与驱动力 ... EOF # 2. 运行模式时用 --context 注入 TELOS，用 stdin 传入具体指令 fabric --context my_telos --pattern t_create_h3_career \ "在自动化浪潮下，我该转向什么方向？请基于我的 TELOS 给出建议列表"

也可以将 TELOS 与指令合并后直接通过管道一次性传入（因为 模式加载源码 会在模式文本末尾自动追加{{input}}占位符，stdin 内容会完整拼接到模式之后）。此外，上下文与会话教程 还说明了 Session 机制：--session <name>可保留多轮对话历史，适合"先补充 TELOS 信息、再追问职业方向"的交互式探索。

命令行运行方式

在完成fabric --setup初始化（配置模型供应商等）之后，即可使用该模式。Fabric 的完整 CLI 参数表见 README 使用说明，与本模式相关的常用组合：

# 直接运行：stdin 传入 TELOS + 指令 cat my_telos.md | fabric --pattern t_create_h3_career "我该做什么？" # 流式输出，配合上下文注入 cat my_telos.md | fabric --context my_telos -s --pattern t_create_h3_career \ "哪些基于人际互动的方向最适合我？" # 查看模式原文，便于理解其提示词结构 fabric --readpattern t_create_h3_career # 在模式清单中确认其存在 fabric --listpatterns | grep t_create_h3_career

值得注意的参数：

• -s, --stream：流式输出，职业规划这类长列表建议开启；
• -t, --temperature：默认 0.7，若希望结果更收敛可调低；
• -m, --model与-V, --vendor：指定模型与供应商；
• -o, --output：将结果写入文件，便于存档到笔记系统。

如果希望固定使用某个模型运行该模式，可以按 README 的"每模式模型映射"约定（README.md#L386-L391）在 shell 启动文件中设置环境变量，命名规则为FABRIC_MODEL_<模式名大写>，例如：

export FABRIC_MODEL_T_CREATE_H3_CAREER="anthropic|claude-sonnet-4-5"

还可以按 README 自定义模式与别名 的做法为模式创建 shell 别名（如alias h3career='fabric --pattern t_create_h3_career'），把使用成本降到最低。

底层机制：模式如何被加载与注入输入

理解模式底层的加载链路，有助于把握"TELOS 文件 + 指令"最终如何进入模型。核心实现在 internal/plugins/db/fsdb/patterns.go：

• GetApplyVariables（patterns.go#L29-L39）是入口：先loadPattern读取模式文本，再applyVariables做模板变量替换；
• loadPattern（patterns.go#L61-L90）根据名称判断是"文件路径"（以/、~、.等开头）还是"数据库中的模式名"，后者会优先检查自定义模式目录（CustomPatternsDir），同名自定义模式优先于内置模式；
• ensureInput（patterns.go#L53-L59）检查模式文本是否包含{{input}}占位符；若不包含，则在末尾追加换行与{{input}}——这正是t_create_h3_career这类未写{{input}}的模式也能接收 stdin 的原因；
• applyInput/applyVariables（patterns.go#L43-L51 与 patterns.go#L79-L99）完成替换：先把{{input}}替换为哨兵 token 防止递归解析，再处理其他模板变量，最后把真实输入写回。

此外，internal/tools/patterns_loader.go#L19-L20 显示内置模式来源于 Fabric 官方 Git 仓库的data/patterns目录，可通过fabric --updatepatterns更新；个人自定义模式则存放在独立目录，不会被更新覆盖。

对本文主角而言，这意味着：system.md中的 IDENTITY、STEPS、OUTPUT INSTRUCTIONS 会被完整保留，管道输入的 TELOS 文件与指令被追加在其后，共同组成发给模型的系统提示与用户输入。因此输入的 TELOS 质量直接决定输出质量——建议在 TELOS 中覆盖身份背景、技能经历、价值观、人际网络、可支配资源等维度。

与同家族模式协同：搭建个人发展工作流

t_create_h3_career不是孤立存在的。将它与同家族的 TELOS 模式串联，可以形成一套完整的"自我认知 → 职业规划 → 执行监督"循环。以下模式均位于data/patterns/t_*目录：

例如，一条典型流水线可以是：先用t_year_in_review完成复盘 → 用t_find_blindspots找出盲区 → 用t_create_h3_career生成职业方向清单 → 用t_threat_model_plans对选定方向做风险推演 → 用t_check_metrics定期检视执行。由于所有模式都接受 TELOS 文件且输出为干净列表，前一个模式的输出可以无缝作为后一个模式的输入素材。

使用建议与注意事项

1. TELOS 文件是地基：模式的所有输出都建立在对 TELOS 的解读之上，档案越具体、越诚实，规划越有针对性；建议通过--context固化并持续维护。
2. 输出即数据：两条 OUTPUT INSTRUCTIONS（纯基础 Markdown、只输出列表）意味着结果可直接重定向进文件、笔记库或交给下一个模式，无需清洗。
3. 定位边界：该模式聚焦"自动化之后的职业重定位"，擅长产出方向性清单与可能性探索，不负责落地执行细节——落地环节可交由其他执行类模式配合。
4. 适用前提：文中命令均以当前仓库 Fabric 版本为准，需要先完成fabric --setup并配置可用模型供应商；模式路径、t_*家族成员与描述数据均可在本仓库对应文件中核验。

小结

t_create_h3_career是一个设计精巧的 TELOS 驱动模式：以统一的 IDENTITY 模板建立"深度上下文专家"角色，通过四步流程引导模型从个人档案中提炼"技能被自动化之后、基于人际互动与价值交换"的职业方向，并以严格的输出约束保证结果可复用。结合 Fabric 的 Context 注入、CLI 参数、每模式模型映射与模式加载源码，使用者完全可以把它嵌入一套持续运行的个人发展工作流中，让 AI 从"回答工具"升级为"职业参谋"。

【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