fabric

Fabric est un cadre open-source conçu pour augmenter les capacités humaines grâce à l'IA. Son objectif déclaré est de résoudre un problème d'intégration plutôt qu'un problème de capacités : bien qu'il existe de nombreuses applications IA, intégrer leurs fonctionnalités dans les flux de travail quotidiens s'avère difficile. Fabric aborde ce problème en considérant les prompts comme l'unité fondamentale du travail avec l'IA et en les organisant par tâche du monde réel. Concept clé : les Patterns Fabric recueille et organise les prompts, qu'il appelle Patterns, en un seul endroit pour une utilisation dans les outils préférés de l'utilisateur. Le README liste des exemples d'utilisation tels que l'extraction de highlights depuis des vidéos YouTube et des podcasts, la rédaction d'essais dans une voix personnelle, la synthèse de documents académiques, la génération de prompts pour l'art IA, l'évaluation de la qualité de contenu, l'explication de code, l'amélioration de la documentation et la création de publications pour les réseaux sociaux. Les Patterns peuvent être utilisés directement via l'interface en ligne de commande de Fabric ou copiés dans d'autres outils. Interfaces et utilisation Fabric est distribué principalement sous forme d'outil en ligne de commande. Il prend en charge des installateurs en une ligne pour Unix/Linux/macOS et Windows PowerShell, des téléchargements binaires manuels, des gestionnaires de paquets dont Homebrew, AUR, Winget et Scoop, l'installation depuis les sources avec Go, ainsi que des images Docker préconstruites. Un mode serveur API REST est disponible, incluant un mode de compatibilité Ollama, et une documentation API interactive est fournie via Swagger/OpenAPI. Une interface web est également mentionnée. Des complétions de shell sont documentées pour Zsh, Bash et Fish, et le README explique comment générer des alias de shell afin que chaque Pattern puisse être invoqué comme une commande à part entière. Prise en charge des fournisseurs Le README liste les intégrations natives avec OpenAI, OpenAI Codex, Anthropic (Claude), Google Gemini, Ollama pour les modèles locaux, Azure OpenAI, Amazon Bedrock, Vertex AI, LM Studio et Perplexity. Il liste également de nombreux fournisseurs compatibles avec OpenAI, dont Abacus, AIML, Cerebras, DeepSeek, DigitalOcean, GitHub Models, GrokAI, Groq, Langdock, LiteLLM, MiniMax, Mistral, Novita AI, OpenRouter, Pzero, SiliconCloud, Synthorai, Together, Venice AI et Z AI. L'installation se fait via une commande setup, et les fournisseurs peuvent être listés depuis la ligne de commande. Une mappage modèle par pattern est pris en charge via des variables d'environnement. Personnalisation et extensions Le README décrit des Patterns personnalisés, des stratégies de prompts, des applications auxiliaires telles que to_pdf, code2context et generate_changelog, ainsi qu'un helper pbpaste. Il documente les niveaux de débogage, un mode test (dry run) et les extensions. La prise en charge de la reconnaissance vocale est mentionnée avec des drapeaux pour la transcription de fichiers, le choix d'un modèle de transcription et le fractionnement de fichiers multimédias. L'internationalisation est un thème récurrent dans les notes de version, avec un support de locale dans plusieurs langues et une normalisation des variantes linguistiques. Contexte du projet Le projet est sous licence MIT et écrit principalement en Go, après migration depuis une implémentation Python antérieure ; des instructions de migration et de mise à niveau sont incluses. Le README met en avant une philosophie selon laquelle l'IA amplifie la créativité humaine et que les problèmes doivent être décomposés en composants et résolus un par un. Il renvoie vers de la documentation, un journal des modifications, des vidéos communautaires et une ressource DeepWiki. Le contenu provient du README du projet et doit être traité comme une documentation descriptive plutôt que comme une évaluation indépendante ; les affirmations concernant les fonctionnalités émanent du projet lui-même.