企业官网建设流程全解析

Fabric 模式深度解析：用 t_analyze_challenge_handling 复盘与审视个人挑战应对策略

【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

导读

t_analyze_challenge_handling是 Fabric 开源仓库中一组以t_为前缀（即"thought/thinking"系列）的思维分析模式之一，它要求 AI 以"深读 TELOS 文件 + 生成结构化评语"的方式，客观评估一个人正在如何应对自己的挑战，并毫不留情地指出投入不足或避重就轻的迹象。本文将以该模式的 system.md 为骨架，逐段解析其角色设定、执行步骤与输出约束，并结合仓库中同系列模式、模式描述索引与 CLI 实现，说明如何在日常反思、周报复盘、目标管理中实际落地使用。

模式定位：它是"教练"而非"鼓励师"

在仓库的模式描述索引 pattern_descriptions.json 中，该模式被概括为：

Evaluate challenge handling by analyzing response strategies.

即"通过分析应对策略来评估挑战处理情况"，标签为ANALYSIS、STRATEGY、CR THINKING（批判性思维）。与之对应，pattern_explanations.md 中的一句话说明进一步点明了它的犀利风格：

Provides 8-16 word bullet points evaluating how well challenges are being addressed, calling out any lack of effort.

也就是说，这个模式的核心产出不是安慰或泛泛而谈，而是指出问题——如果你没有在挑战上投入真正的努力，它会直接点名批评。这一点在 system.md 的 STEPS 第 4 步中写得很明确："Call me out if I'm not putting work into them"（如果你没有为这些挑战付出努力，就直接指出）。

system.md 逐段拆解

完整的模式文件只有三个区块（IDENTITY / STEPS / OUTPUT INSTRUCTIONS），共 19 行，但每段都承载了明确的行为约束：

1. IDENTITY：角色即"深挖语境、产出智慧"

You are an expert at understanding deep context about a person or entity, and then creating wisdom from that context combined with the instruction or question given in the input.

身份设定有两层要求：

• 理解深层语境：不仅阅读表面文字，还要从人物/实体的大量背景资料中提取模式与动机；
• 产出智慧：将背景语境与当前输入问题结合，生成有洞察力、可指导行动的输出，而不是复述输入。

2. STEPS：四步强制流程

1. Read the incoming TELOS File thoroughly. Fully understand everything about this person or entity. 2. Deeply study the input instruction or question. 3. Spend significant time and effort thinking about how these two are related, and what would be the best possible output for the person who sent the input. 4. Write 8 16-word bullets describing how well or poorly I'm addressing my challenges. Call me out if I'm not putting work into them, and/or if you can see evidence of them affecting me in my journal or elsewhere.

四步构成一条完整的处理流水线：

注意第 4 步的两个细节：

• 数量与长度硬约束：恰好 8 条、每条 16 词以内（"8 16-word bullets"），这是在压缩信息密度的同时保证输出的聚焦度；
• 证据采集范围：不仅看"当前输入"，还允许（且鼓励）从用户的 journal（日志/日记）或其他可观察材料中寻找挑战影响用户的实际证据——这意味着该模式天然适合配合个人反思记录类输入使用。

3. OUTPUT INSTRUCTIONS：纯文本、纯列表

1. Only use basic markdown formatting. No special formatting or italics or bolding or anything. 2. Only output the list, nothing else.

输出约束同样严苛：

• 禁用强调格式：不允许加粗、斜体、特殊排版，只保留最基础的 Markdown 列表；
• 只输出列表：除 8 条评语外不允许出现任何解释、总结或附加内容。

这种"去装饰化"的设计保证了输出可以被机械地拼接进其他工作流（例如日志归档、批量复盘脚本），也符合 Fabric 模式"输出即数据"的设计哲学。

输入侧：TELOS 文件是什么

system.md 第 1 步要求"Read the incoming TELOS File"。需要说明的是，当前仓库中并不存在一份独立的 TELOS 格式规范文档，"TELOS 文件"是该t_系列模式之间共享的一种约定输入形态——用户需要提供一份关于自身/某实体全面背景的文本材料（如人生档案、年度总结、目标与挑战清单、近期的 journal 记录等），供模式深度挖掘。

从源码结构可以推断，这一约定贯穿整个t_思考系列：同目录下的 t_check_dunning_kruger/system.md、t_year_in_review/system.md、t_check_metrics/system.md、t_create_h3_career/system.md 等都使用了完全相同的开头四步模板（读 TELOS 文件 → 研读输入 → 深度思考关联 → 面向具体分析目标输出）。因此可以认为：

• TELOS 文件 ≈ 背景档案：可以是纯文本、Markdown 或导出的人格/经历描述；
• 输入问题 = 本次分析诉求：例如"我最近三个月对健身目标的应对如何？""我的创业项目挑战处理得怎样？"；
• 二者的"背景 + 问题"组合，正是该模式生成 8 条评语的全部原料。

t_analyze_challenge_handling与其他t_模式的差异只在第 4 步的分析目标：Dunning-Kruger 模式评估认知偏差、t_year_in_review回顾年度成就、t_check_metrics检查指标趋势，而本模式专门盯住"挑战应对过程本身"。

实战使用：如何运行这个模式

Fabric 的 CLI 通过--pattern（短参数-p）指定模式，其参数定义位于 internal/cli/flags.go：

Pattern string `short:"p" long:"pattern" yaml:"pattern" description:"Choose a pattern from the available patterns" default:""` PatternVariables map[string]string `short:"v" long:"variable" description:"Values for pattern variables, e.g. -v=#role:expert -v=#points:30"`

典型调用方式（将 TELOS 背景档案通过标准输入传入）：

# 基础用法：将背景档案 + 反思问题一并管道输入 cat my_telos_and_journal.md | fabric -p t_analyze_challenge_handling # 查看该模式的完整提示词内容 fabric --readpattern t_analyze_challenge_handling # 查看仓库中全部可用模式，确认 t_ 系列的存在 fabric --listpatterns

--readpattern的实现位于 internal/cli/listing.go，底层通过fabricDb.Patterns.PrintPattern直接打印指定模式文件内容，方便你随时核对提示词是否被本地修改过。

实用建议：

1. 准备高质量的 TELOS 输入：把"我的核心挑战列表、每项挑战当前的投入证据、近期的 journal/日志片段"整理成一份 Markdown 文件，作为稳定输入。输入越具体，8 条评语越有针对性；
2. 组合使用形成复盘闭环：先用t_analyze_challenge_handling定位"哪些挑战没被认真对待"，再用t_check_metrics检查量化指标是否改善，最后用 t_find_blindspots/system.md 挖掘认知盲区，形成一套周期性的自我审视流程；
3. 容忍直接的批评输出：该模式的产出刻意不带粉饰，收到"你并没有真正投入"这类评语是设计使然——这正是它区别于普通鼓励式提示词的价值所在。

源码侧的印证

• 模式存在性与用途：除了 system.md 本身，suggest_pattern/user.md 中的模式速览表给出了与描述索引一致的一句话定义；pattern_extracts.json 保留了该模式的完整原文提取，可用于校验本地文件与索引的一致性；
• 模式加载机制：Fabric 通过 internal/tools/patterns_loader.go 加载data/patterns/目录下的模式文件，因此所有t_系列模式与普通模式遵循同一套注册、变量替换与输出处理流程；
• 变量替换能力：-v参数支持注入自定义变量（如-v=#challenge:健身计划），可以将具体挑战名注入提示词，避免每次手写重复输入。

适用场景与边界

该模式最适合以下场景：

• 个人目标复盘：月度/季度回顾时评估自己在关键挑战上的投入与进展；
• 创业与项目自我审视：客观评估一个项目负责人是否在真正解决核心挑战；
• 第三方观察评估：结合他人提供的背景档案，生成独立于本人视角的应对评估。

需要说明的边界是：模式本身不定义 TELOS 文件的格式标准，其分析质量高度依赖输入材料的完整性与真实性；同时，输出为纯列表、无结构化字段，若需要机器可读的结构化结果，需配合其他模式或自行后处理。

通过将"深读背景 + 严格格式 + 直接批评"三者结合，t_analyze_challenge_handling为个人反思提供了一面不带滤镜的镜子——它不会替你解决问题，但会清楚地告诉你，哪些挑战你其实还没有真正开始应对。

【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