Об этом проекте

Fabric — open-source фреймворк для усиления возможностей человека за счёт ИИ. Его заявленная цель — решить проблему интеграции, а не проблему возможностей: хотя существует множество ИИ-приложений, интегрировать их функциональность в повседневные рабочие процессы сложно. Fabric подходит к этому, рассматривая промпты как фундаментальную единицу ИИ-работы и организуя их по реальным задачам. Ключевая концепция: Patterns Fabric собирает и организует промпты, которые он называет Patterns, в едином месте для использования в предпочитаемых пользователем инструментах. В README указаны примеры использования: извлечение ключевых моментов из YouTube-видео и подкастов, написание эссе в личном стиле, краткий пересказ научных статей, генерация промптов для ИИ-арта, оценка качества контента, объяснение кода, улучшение документации и создание публикаций для социальных сетей. Patterns можно использовать напрямую через командную строку Fabric или копировать в другие инструменты. Интерфейсы и использование Fabric распространяется преимущественно как инструмент командной строки. Поддерживаются однострочные установщики для Unix/Linux/macOS и Windows PowerShell, ручная загрузка бинарных файлов, пакетные менеджеры, включая Homebrew, AUR, Winget и Scoop, установка из исходного кода с помощью Go, а также готовый Docker-образ. Доступен режим сервера REST API, включая Ollama compatibility mode, и интерактивная документация API через Swagger/OpenAPI. Также упоминается веб-интерфейс. Документированы shell completions для Zsh, Bash и Fish, а в README показано, как сгенерировать shell aliases, чтобы каждый Pattern можно было вызывать как отдельную команду. Поддержка провайдеров В README указаны нативные интеграции с OpenAI, OpenAI Codex, Anthropic (Claude), Google Gemini, Ollama для локальных моделей, Azure OpenAI, Amazon Bedrock, Vertex AI, LM Studio и Perplexity. Также перечислены многие OpenAI-compatible провайдеры: Abacus, AIML, Cerebras, DeepSeek, DigitalOcean, GitHub Models, GrokAI, Groq, Langdock, LiteLLM, MiniMax, Mistral, Novita AI, OpenRouter, Pzero, SiliconCloud, Synthorai, Together, Venice AI и Z AI. Настройка выполняется с помощью команды setup, а вендоры можно просматривать из CLI. Поддерживается маппинг моделей на уровне каждого Pattern через переменные окружения. Кастомизация и расширения В README описаны кастомные Patterns, стратегии промптов, вспомогательные приложения, такие как to_pdf, code2context и generate_changelog, а также pbpaste helper. Документированы уровни отладки, dry run mode и расширения. Упоминается поддержка speech-to-text с флагами для транскрипции файлов, выбора модели транскрипции и разделения медиафайлов. Интернационализация — повторяющаяся тема в release notes: поддержка локалей на нескольких языках и нормализация лocale для языковых вариантов. Контекст проекта Проект лицензирован под MIT и написан преимущественно на Go, при этом была миграция с более ранней Python-реализации; включены инструкции по миграции и обновлению. В README подчёркивается философия, согласно которой ИИ усиливает человеческое творчество, а проблемы следует разбивать на компоненты и решать поэтапно. Указаны ссылки на документацию, changelog, community videos и ресурс DeepWiki. Материал представляет собой README проекта и должен восприниматься как описательная документация, а не как независимая оценка; утверждения о функциях основаны на заявлениях самого проекта.