Fabric 行为预测 Pattern 实战指南用心理画像预测个体对挑战的行为反应predict_person_actions【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 predict_person_actions 系统提示词 为主线讲解如何在 Fabric 框架中让 AI 扮演心理画像分析师基于个体的心理特质画像与一个具体挑战情境系统化地推演该个体最可能的行为反应。读完本文你将掌握该 Pattern 的输入格式Psychodata Challenge 双区块、冲突特质加权推理逻辑、标准输出结构以及一条可直接复制运行的 CLI 调用路径。一、Pattern 是什么一个用于预判人的反应的系统提示词Fabric 是一个用 AI 增强人类的开源框架其核心资产是data/patterns/目录下数以百计的可复用提示词 Pattern每个 Pattern 是一个以目录组织的system.md可选的user.md与之为伴。pattern_explanations.md 中对它的定位是一句话predict_person_actionsPredicts behavioral responses based on psychological profiles and challenges.基于心理画像与挑战情境预测行为反应。与面向总结、提取、改写的大多数 Pattern 不同predict_person_actions面向的是人类行为的推断推理它要求模型把自己定位为专家级心理分析师输入是一段包含心理画像Psychodata与挑战情境Challenge的混合文本流输出则是对该个体在特定情境下最可能行为表现的结构化预测——包括其优势、弱点与可能结局。该 Pattern 的典型使用场景包括但不限于作为提示词能力的合理延伸读者可自行裁剪产品与用户体验设计预判特定性格画像的用户在摩擦点上的流失或投诉行为谈判、销售与客户成功评估关键人物在压力情境下的应对姿态写作与叙事为虚构角色建立行为可信度相邻的 create_story_about_people_interaction 即面向角色故事人力资源与管理从画像维度推演员工在变革或冲突中的可能反应辅助沟通预案设计。注意本 Pattern 是证据边界内的推断工具其原始文本明确规定仅基于提供的信息进行分析Base your analysis strictly on the information provided因此它不是算命而是把心理画像中每一条特质与挑战要求逐一对照的推理流程。二、Pattern 的结构拆解IDENTITY → STEPS → OUTPUT → EXAMPLEpredict_person_actions/system.md全文只有 37 行但包含四个清晰的组成区块它们共同约束了模型的角色、推理路径与汇报格式。下面逐块拆解。2.1 IDENTITY AND PURPOSE角色设定系统提示词要求模型以如下身份工作You are an expert psychological analyst AI. Your task is to assess and predict how an individual is likely to respond to a specific challenge based on their psychological profile and a challenge which will both be provided in a single text stream.要点有二专家心理分析师身份——给模型框定了专业语气与知识调用范围输入是单一文本流——心理画像与挑战描述会出现在同一段文本里靠固定标头Header区分模型不能要求用户分两次输入。2.2 STEPS强制性的推理链路STEPS 定义了四步推理流程这是整个 Pattern 的方法学核心解析输入输入文本被划分为两节——位于***Psychodata***标头之下的心理画像以及位于***Challenge***标头之下的挑战情境描述。原文特意强调两个区块由 Challenge 标头分隔该标头即挑战描述开始的信号。画像与情境双审从画像中提取关键特质、倾向与心理标记key traits, tendencies, and psychological markers并分析挑战情境的性质与要求nature and demands。逐特质交互评估系统性地评估画像中每一条心理特质如何与该情境的具体要求与整体性质相互作用。冲突加权与整体收敛当特质与特质之间、或特质与情境之间存在矛盾时冷静权衡哪一方占主导、最终决定反应走向并同时考察冲突本身的微妙效应——它是抑制反应还是反讽地放大反应强度是否会因张力或防御机制defense mechanism催生第三种行为最后把所有特质与冲突当作一个整体即心理结构 the psychological structure来审视据此修正预测结论。这段 STEPS 的本质是拒绝单变量预测。它强迫模型先做特质 × 情境的笛卡尔式交互分析再做冲突特质间的权重仲裁最后升维到整体人格结构的收敛判断——避免模型只抓住最显眼的一条特质就下结论。2.3 OUTPUT标准化的五段式汇报Pattern 要求输出五个部分原文缩进中的编号顺序即推荐顺序画像摘要bullet points——个体心理画像的简要概括挑战/情境摘要句子形式——本次情境是什么逐步评估step-by-step——心理特质如何与该挑战的具体要求交互行为预测——个体最可能如何反应或表现包含潜在优势strengths、脆弱点vulnerabilities与可能结局likely outcomes建议如适用——帮助个体获得更好结果的策略。另外还有一条贯穿全篇的纪律性约束Base your analysis strictly on the information provided. If important information is missing or ambiguous, note the limitations in your assessment.仅基于所给信息进行分析若关键信息缺失或含糊须在评估中指出局限。这条约束把输出限制在可依据输入辩护的推断范围内是防止模型臆测的关键护栏。2.4 EXAMPLE内嵌示例附残缺说明Pattern 末尾附带了一个用户侧示例骨架展示输入格式的长相***Psychodata*** The subject is a 27 year old male. - He has poor impulse control and low level of patience. He lacks the ability to focus and/or commit to sustained challenges requiring effort. - He is ego driven to the point of narcissim, every criticism is a threat to his self esteem. - In his wors ← 原文在此处截断 ***challenge*** While standing in line for the cashier in a grocery store, a rude customer cuts in line in front of the subject.需要如实指出仓库中该 EXAMPLE 的第三行心理特质In his wors...在 system.md 中处于截断状态并非完整文本。这提示我们——示例本身就是可验证的一个低冲动控制、低耐心、自恋型自我驱动的 27 岁男性在超市排队被人插队。读者可以用这个场景自行测试模型的输出检验它是否会给出情绪爆发/当面冲突/事后懊悔等合乎画像的推断链。三、输入规范如何构造一段可被正确解析的输入整个 Pattern 对输入格式的依赖度极高——它没有使用传统的自由粘贴任意文字方式而是要求两块数据用固定标头隔开。为保证模型能稳定区分画像与情境构造输入时请遵循以下模板***Psychodata*** 画像主体年龄、性别/身份等基本盘如有 - 特质 1具体、可观察、最好含强度修饰 - 特质 2 - …… ***Challenge*** 情境描述谁、在哪里、发生了什么、对个体提出了什么要求或威胁构造时的实操建议标头必须使用***...***加粗星号包裹如***Psychodata***与***Challenge***与 Pattern 内部识别规则一致EXAMPLE 中小写***challenge***亦可被接受但正式使用时建议与 STEPS 声明的大小写保持一致减少解析歧义。画像用无序列表逐条列出每条尽量带强度/频度修饰如 always / usually / under stress因为后面的冲突加权需要可比较的强度信息。情境描述写清对该个体的具体要求或威胁被冒犯、被拒绝、被要求长时间专注、被置于公开评价之下……不同类型的需求会激活不同特质。关键信息缺失时不必硬补Pattern 本身允许模型在评估中标注信息局限因此宁可少写也不要用编造的细节污染画像。四、底层原理Fabric 如何把一个 system.md 变成可运行的推理任务要真正用起来有必要了解 Fabric 把system.md组装进一次对话的机制相关实现集中在内置数据库插件中。4.1 Pattern 的目录结构与加载规则每个 Pattern 是一个子目录如 data/patterns/predict_person_actions/其内容就是system.md在 internal/plugins/db/fsdb/db.go 中Pattern 目录内的系统提示文件名被固定为system.mdSystemPatternFile: system.md按名字加载时internal/plugins/db/fsdb/patterns.go 会拼接patternDir filepath.Join(o.Dir, name, o.SystemPatternFile)即data/patterns/predict_person_actions/system.md会被整体读入该加载器同时支持把source当作文件系统路径以/、\、~、.开头直接从任意.md文件加载 Pattern见 patterns.go——也就是说如果你想在别处维护一个心理预测专用提示词副本也可以直接-p ./my_predict.md引用。4.2 {{input}} 占位与自动追加Fabric 的用户输入通过{{input}}占位符注入 Pattern。predict_person_actions/system.md本身不含{{input}}此时 patterns.go 的ensureInput逻辑会自动把{{input}}追加到 Pattern 末尾——因此你在终端传入的整块Psychodata Challenge文本会被无缝接在系统提示之后构成完整请求。4.3 Pattern 的获取与更新data/patterns本身是框架的默认 Pattern 目录该常量定义在 internal/tools/patterns_loader.go 的DefaultPatternsGitRepoFolder data/patterns。用户可通过fabric -U/--updatepatterns触发下载/更新流程加载器会克隆官方 Pattern 仓库、校验目录内实际 Pattern 数量并在成功落地后生成标记文件详见 internal/tools/patterns_loader.go。五、实战完整可运行的预测会话5.1 准备输入文件把下面的完整输入保存为subject.txt注意画像给足可触发冲突的信息密度***Psychodata*** The subject is a 34 year old senior engineer, team lead. - He is highly conscientious and detail-oriented, rarely misses deadlines, and feels personally responsible for team output. - He avoids interpersonal conflict: he never confronts colleagues directly and rephrases feedback to soften it. - Under public criticism he becomes visibly anxious, over-apologizes, but afterwards holds grudges and reduces collaboration. - He strongly identifies with his professional reputation as the reliable one. ***Challenge*** During a sprint demo in front of the whole company, the product manager publicly blames him for a delivery delay that was actually caused by the PMs own late requirement changes. The PM asks him, in front of everyone, to explain why he failed.5.2 执行命令# 把输入文本经 stdin 交给 predict_person_actions Pattern cat subject.txt | fabric -p predict_person_actions # 先不真正调用模型仅预览最终会发送的组装提示词 cat subject.txt | fabric -p predict_person_actions --dry-run # 查看该 Pattern 的完整原文离线可用 fabric --readpattern predict_person_actions对应的命令参数均可在 internal/cli/flags.go 中找到定义-p, --pattern选择 Pattern、--dry-run预览不发送、--readpattern打印指定 Pattern 内容、-l, --listpatterns列出全部可用 Pattern。若需要更严格约束输出随机性可追加-e/--seed若希望降低创造性、逼近基线保守推断可调低默认-t/--temperature默认 0.7。5.3 期望输出结构对照检查清单调用后合格的输出应能对号入座地覆盖以下五块内容可用作验收清单输出区块应包含的关键要素心理画像摘要逐条 bullet 还原高尽责、冲突回避、公开批评焦虑、名誉认同挑战摘要13 句话陈述公开场合被不公正指责并被迫当众解释逐步交互评估每条特质 × 情境的推演如尽责→把延迟归因于己→当众自责行为预测同时给优势当场不爆发、姿态职业、脆弱点过度道歉、事后记恨、协作收缩与可能结局建议例如私下复盘澄清事实、把当众解释转化为书面时间线沟通、练习非防御性话术若某条关键信息缺失例如画像没写情绪强度Pattern 会要求模型在输出中显式标注该局限这也是判断模型是否忠实遵循提示词的一个可测试信号。六、方法论纵深冲突特质的权重仲裁为何是本 Pattern 的精华多数朴素提示词只会让模型根据性格推测行为而本 Pattern 的特殊之处在于 STEPS 第三步与第四步对冲突处理的显式要求值得单独展开理解双向冲突仲裁当同一人格内同时存在想争辩的自尊与怕冲突的回避时模型须判断谁更占主导、谁决定最终行为冲突本身的二阶效应模型必须追问——这场内在张力是会抑制某个特质的外显压抑还是反常地放大反应强度反弹式爆发亦或通过某种防御机制合理化、外归因、躯体化、攻击性幽默等衍生出第三个行为通道结构级收敛逐个特质、逐个冲突推完后再升维把人格当作一个相互作用的系统如高尽责 × 冲突回避 × 名誉认同组合形成的可预测行为模式修正局部推断可能产生的偏差。这套局部交互 → 冲突仲裁 → 系统收敛的三级推理正是该 Pattern 能被复用于产品决策、谈判预案、角色塑造等场景的根本原因——它产出的不是直觉式一句话而是可追溯、可质疑、可修正的推断链。七、使用边界与注意事项推断 ≠ 事实模型产出是基于文本画像的模式外推不是诊断结论。凡涉及真实个体的高利害决策招聘、风控、人际仲裁应仅将输出作为假设生成器而非判定依据。画像质量决定上限输入画像越具体、越带强度与触发条件信息冲突仲裁越有据可依空泛画像会触发 Pattern 自带的标注信息局限行为。可配合变量与策略使用Fabric 支持-v传变量对 Pattern 内{{变量}}做替换也支持--strategy套用推理策略如 Cot/ToT见 data/strategies。当问题足够复杂时为 Predict 追加思维链可见的策略可进一步提升推理可审性。原始文本存在拼写瑕疵system.md 中保留了若干原文的拼写/编号笔误如seperatedparadocixcally及残缺的示例。使用该 Pattern 不必改动仓库文件——它们不影响模型对指令意图的理解此说明仅为如实交代源文档状态。八、相关资源索引本文主文档predict_person_actions/system.mdPattern 加载与注入机制internal/plugins/db/fsdb/patterns.go、internal/plugins/db/fsdb/db.goPattern 目录默认路径与下载更新internal/tools/patterns_loader.go命令行参数定义-p、--dry-run、--readpattern等internal/cli/flags.go全局 Pattern 速查与自动提取文案data/patterns/pattern_explanations.md、scripts/pattern_descriptions/pattern_extracts.json若要复现与验证推荐先从--readpattern predict_person_actions通读原文再以第三节的模板构造一段输入、配合--dry-run预览组装效果最后正式运行对比模型是否真的覆盖了五段式输出与优势/脆弱点/结局三要素。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Fabric 行为预测 Pattern 实战指南：用心理画像预测个体对挑战的行为反应（predict_person_actions）
Fabric 行为预测 Pattern 实战指南用心理画像预测个体对挑战的行为反应predict_person_actions【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 predict_person_actions 系统提示词 为主线讲解如何在 Fabric 框架中让 AI 扮演心理画像分析师基于个体的心理特质画像与一个具体挑战情境系统化地推演该个体最可能的行为反应。读完本文你将掌握该 Pattern 的输入格式Psychodata Challenge 双区块、冲突特质加权推理逻辑、标准输出结构以及一条可直接复制运行的 CLI 调用路径。一、Pattern 是什么一个用于预判人的反应的系统提示词Fabric 是一个用 AI 增强人类的开源框架其核心资产是data/patterns/目录下数以百计的可复用提示词 Pattern每个 Pattern 是一个以目录组织的system.md可选的user.md与之为伴。pattern_explanations.md 中对它的定位是一句话predict_person_actionsPredicts behavioral responses based on psychological profiles and challenges.基于心理画像与挑战情境预测行为反应。与面向总结、提取、改写的大多数 Pattern 不同predict_person_actions面向的是人类行为的推断推理它要求模型把自己定位为专家级心理分析师输入是一段包含心理画像Psychodata与挑战情境Challenge的混合文本流输出则是对该个体在特定情境下最可能行为表现的结构化预测——包括其优势、弱点与可能结局。该 Pattern 的典型使用场景包括但不限于作为提示词能力的合理延伸读者可自行裁剪产品与用户体验设计预判特定性格画像的用户在摩擦点上的流失或投诉行为谈判、销售与客户成功评估关键人物在压力情境下的应对姿态写作与叙事为虚构角色建立行为可信度相邻的 create_story_about_people_interaction 即面向角色故事人力资源与管理从画像维度推演员工在变革或冲突中的可能反应辅助沟通预案设计。注意本 Pattern 是证据边界内的推断工具其原始文本明确规定仅基于提供的信息进行分析Base your analysis strictly on the information provided因此它不是算命而是把心理画像中每一条特质与挑战要求逐一对照的推理流程。二、Pattern 的结构拆解IDENTITY → STEPS → OUTPUT → EXAMPLEpredict_person_actions/system.md全文只有 37 行但包含四个清晰的组成区块它们共同约束了模型的角色、推理路径与汇报格式。下面逐块拆解。2.1 IDENTITY AND PURPOSE角色设定系统提示词要求模型以如下身份工作You are an expert psychological analyst AI. Your task is to assess and predict how an individual is likely to respond to a specific challenge based on their psychological profile and a challenge which will both be provided in a single text stream.要点有二专家心理分析师身份——给模型框定了专业语气与知识调用范围输入是单一文本流——心理画像与挑战描述会出现在同一段文本里靠固定标头Header区分模型不能要求用户分两次输入。2.2 STEPS强制性的推理链路STEPS 定义了四步推理流程这是整个 Pattern 的方法学核心解析输入输入文本被划分为两节——位于***Psychodata***标头之下的心理画像以及位于***Challenge***标头之下的挑战情境描述。原文特意强调两个区块由 Challenge 标头分隔该标头即挑战描述开始的信号。画像与情境双审从画像中提取关键特质、倾向与心理标记key traits, tendencies, and psychological markers并分析挑战情境的性质与要求nature and demands。逐特质交互评估系统性地评估画像中每一条心理特质如何与该情境的具体要求与整体性质相互作用。冲突加权与整体收敛当特质与特质之间、或特质与情境之间存在矛盾时冷静权衡哪一方占主导、最终决定反应走向并同时考察冲突本身的微妙效应——它是抑制反应还是反讽地放大反应强度是否会因张力或防御机制defense mechanism催生第三种行为最后把所有特质与冲突当作一个整体即心理结构 the psychological structure来审视据此修正预测结论。这段 STEPS 的本质是拒绝单变量预测。它强迫模型先做特质 × 情境的笛卡尔式交互分析再做冲突特质间的权重仲裁最后升维到整体人格结构的收敛判断——避免模型只抓住最显眼的一条特质就下结论。2.3 OUTPUT标准化的五段式汇报Pattern 要求输出五个部分原文缩进中的编号顺序即推荐顺序画像摘要bullet points——个体心理画像的简要概括挑战/情境摘要句子形式——本次情境是什么逐步评估step-by-step——心理特质如何与该挑战的具体要求交互行为预测——个体最可能如何反应或表现包含潜在优势strengths、脆弱点vulnerabilities与可能结局likely outcomes建议如适用——帮助个体获得更好结果的策略。另外还有一条贯穿全篇的纪律性约束Base your analysis strictly on the information provided. If important information is missing or ambiguous, note the limitations in your assessment.仅基于所给信息进行分析若关键信息缺失或含糊须在评估中指出局限。这条约束把输出限制在可依据输入辩护的推断范围内是防止模型臆测的关键护栏。2.4 EXAMPLE内嵌示例附残缺说明Pattern 末尾附带了一个用户侧示例骨架展示输入格式的长相***Psychodata*** The subject is a 27 year old male. - He has poor impulse control and low level of patience. He lacks the ability to focus and/or commit to sustained challenges requiring effort. - He is ego driven to the point of narcissim, every criticism is a threat to his self esteem. - In his wors ← 原文在此处截断 ***challenge*** While standing in line for the cashier in a grocery store, a rude customer cuts in line in front of the subject.需要如实指出仓库中该 EXAMPLE 的第三行心理特质In his wors...在 system.md 中处于截断状态并非完整文本。这提示我们——示例本身就是可验证的一个低冲动控制、低耐心、自恋型自我驱动的 27 岁男性在超市排队被人插队。读者可以用这个场景自行测试模型的输出检验它是否会给出情绪爆发/当面冲突/事后懊悔等合乎画像的推断链。三、输入规范如何构造一段可被正确解析的输入整个 Pattern 对输入格式的依赖度极高——它没有使用传统的自由粘贴任意文字方式而是要求两块数据用固定标头隔开。为保证模型能稳定区分画像与情境构造输入时请遵循以下模板***Psychodata*** 画像主体年龄、性别/身份等基本盘如有 - 特质 1具体、可观察、最好含强度修饰 - 特质 2 - …… ***Challenge*** 情境描述谁、在哪里、发生了什么、对个体提出了什么要求或威胁构造时的实操建议标头必须使用***...***加粗星号包裹如***Psychodata***与***Challenge***与 Pattern 内部识别规则一致EXAMPLE 中小写***challenge***亦可被接受但正式使用时建议与 STEPS 声明的大小写保持一致减少解析歧义。画像用无序列表逐条列出每条尽量带强度/频度修饰如 always / usually / under stress因为后面的冲突加权需要可比较的强度信息。情境描述写清对该个体的具体要求或威胁被冒犯、被拒绝、被要求长时间专注、被置于公开评价之下……不同类型的需求会激活不同特质。关键信息缺失时不必硬补Pattern 本身允许模型在评估中标注信息局限因此宁可少写也不要用编造的细节污染画像。四、底层原理Fabric 如何把一个 system.md 变成可运行的推理任务要真正用起来有必要了解 Fabric 把system.md组装进一次对话的机制相关实现集中在内置数据库插件中。4.1 Pattern 的目录结构与加载规则每个 Pattern 是一个子目录如 data/patterns/predict_person_actions/其内容就是system.md在 internal/plugins/db/fsdb/db.go 中Pattern 目录内的系统提示文件名被固定为system.mdSystemPatternFile: system.md按名字加载时internal/plugins/db/fsdb/patterns.go 会拼接patternDir filepath.Join(o.Dir, name, o.SystemPatternFile)即data/patterns/predict_person_actions/system.md会被整体读入该加载器同时支持把source当作文件系统路径以/、\、~、.开头直接从任意.md文件加载 Pattern见 patterns.go——也就是说如果你想在别处维护一个心理预测专用提示词副本也可以直接-p ./my_predict.md引用。4.2 {{input}} 占位与自动追加Fabric 的用户输入通过{{input}}占位符注入 Pattern。predict_person_actions/system.md本身不含{{input}}此时 patterns.go 的ensureInput逻辑会自动把{{input}}追加到 Pattern 末尾——因此你在终端传入的整块Psychodata Challenge文本会被无缝接在系统提示之后构成完整请求。4.3 Pattern 的获取与更新data/patterns本身是框架的默认 Pattern 目录该常量定义在 internal/tools/patterns_loader.go 的DefaultPatternsGitRepoFolder data/patterns。用户可通过fabric -U/--updatepatterns触发下载/更新流程加载器会克隆官方 Pattern 仓库、校验目录内实际 Pattern 数量并在成功落地后生成标记文件详见 internal/tools/patterns_loader.go。五、实战完整可运行的预测会话5.1 准备输入文件把下面的完整输入保存为subject.txt注意画像给足可触发冲突的信息密度***Psychodata*** The subject is a 34 year old senior engineer, team lead. - He is highly conscientious and detail-oriented, rarely misses deadlines, and feels personally responsible for team output. - He avoids interpersonal conflict: he never confronts colleagues directly and rephrases feedback to soften it. - Under public criticism he becomes visibly anxious, over-apologizes, but afterwards holds grudges and reduces collaboration. - He strongly identifies with his professional reputation as the reliable one. ***Challenge*** During a sprint demo in front of the whole company, the product manager publicly blames him for a delivery delay that was actually caused by the PMs own late requirement changes. The PM asks him, in front of everyone, to explain why he failed.5.2 执行命令# 把输入文本经 stdin 交给 predict_person_actions Pattern cat subject.txt | fabric -p predict_person_actions # 先不真正调用模型仅预览最终会发送的组装提示词 cat subject.txt | fabric -p predict_person_actions --dry-run # 查看该 Pattern 的完整原文离线可用 fabric --readpattern predict_person_actions对应的命令参数均可在 internal/cli/flags.go 中找到定义-p, --pattern选择 Pattern、--dry-run预览不发送、--readpattern打印指定 Pattern 内容、-l, --listpatterns列出全部可用 Pattern。若需要更严格约束输出随机性可追加-e/--seed若希望降低创造性、逼近基线保守推断可调低默认-t/--temperature默认 0.7。5.3 期望输出结构对照检查清单调用后合格的输出应能对号入座地覆盖以下五块内容可用作验收清单输出区块应包含的关键要素心理画像摘要逐条 bullet 还原高尽责、冲突回避、公开批评焦虑、名誉认同挑战摘要13 句话陈述公开场合被不公正指责并被迫当众解释逐步交互评估每条特质 × 情境的推演如尽责→把延迟归因于己→当众自责行为预测同时给优势当场不爆发、姿态职业、脆弱点过度道歉、事后记恨、协作收缩与可能结局建议例如私下复盘澄清事实、把当众解释转化为书面时间线沟通、练习非防御性话术若某条关键信息缺失例如画像没写情绪强度Pattern 会要求模型在输出中显式标注该局限这也是判断模型是否忠实遵循提示词的一个可测试信号。六、方法论纵深冲突特质的权重仲裁为何是本 Pattern 的精华多数朴素提示词只会让模型根据性格推测行为而本 Pattern 的特殊之处在于 STEPS 第三步与第四步对冲突处理的显式要求值得单独展开理解双向冲突仲裁当同一人格内同时存在想争辩的自尊与怕冲突的回避时模型须判断谁更占主导、谁决定最终行为冲突本身的二阶效应模型必须追问——这场内在张力是会抑制某个特质的外显压抑还是反常地放大反应强度反弹式爆发亦或通过某种防御机制合理化、外归因、躯体化、攻击性幽默等衍生出第三个行为通道结构级收敛逐个特质、逐个冲突推完后再升维把人格当作一个相互作用的系统如高尽责 × 冲突回避 × 名誉认同组合形成的可预测行为模式修正局部推断可能产生的偏差。这套局部交互 → 冲突仲裁 → 系统收敛的三级推理正是该 Pattern 能被复用于产品决策、谈判预案、角色塑造等场景的根本原因——它产出的不是直觉式一句话而是可追溯、可质疑、可修正的推断链。七、使用边界与注意事项推断 ≠ 事实模型产出是基于文本画像的模式外推不是诊断结论。凡涉及真实个体的高利害决策招聘、风控、人际仲裁应仅将输出作为假设生成器而非判定依据。画像质量决定上限输入画像越具体、越带强度与触发条件信息冲突仲裁越有据可依空泛画像会触发 Pattern 自带的标注信息局限行为。可配合变量与策略使用Fabric 支持-v传变量对 Pattern 内{{变量}}做替换也支持--strategy套用推理策略如 Cot/ToT见 data/strategies。当问题足够复杂时为 Predict 追加思维链可见的策略可进一步提升推理可审性。原始文本存在拼写瑕疵system.md 中保留了若干原文的拼写/编号笔误如seperatedparadocixcally及残缺的示例。使用该 Pattern 不必改动仓库文件——它们不影响模型对指令意图的理解此说明仅为如实交代源文档状态。八、相关资源索引本文主文档predict_person_actions/system.mdPattern 加载与注入机制internal/plugins/db/fsdb/patterns.go、internal/plugins/db/fsdb/db.goPattern 目录默认路径与下载更新internal/tools/patterns_loader.go命令行参数定义-p、--dry-run、--readpattern等internal/cli/flags.go全局 Pattern 速查与自动提取文案data/patterns/pattern_explanations.md、scripts/pattern_descriptions/pattern_extracts.json若要复现与验证推荐先从--readpattern predict_person_actions通读原文再以第三节的模板构造一段输入、配合--dry-run预览组装效果最后正式运行对比模型是否真的覆盖了五段式输出与优势/脆弱点/结局三要素。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考