分享一下最近的 fabric 工作流

2024-07-24

Development

使用 fabric 可以直接在终端里调用各种 AI，例如下面：

1	yt --transcript https://www.youtube.com/watch\?v\=wPEyyigh10g \| fabric -p extract_wisdom \| glow -s dark - \| less -R

有的视频内容太长，暂时没时间看，可以先获取油管视频内容，然后使用 fabric 的 extract_wisdom 获取它的摘要，默认有很多提示词模式，你可以加自己的，也可以把英文改为中文的，比如我把默认的 extract_wisdom 改成中文的并命名为 dacongming。

输出内容类似下面：
fabric

### 摘要
在这段演讲中,发言人介绍了名为"Fabric"的新AI项目,目的是利用AI技术增强人类,而不是将其视为替代人类。发言人强调了从人的需求出发来设计AI应用的重要性,并展示了几个具体的应用场景,如提取讨论内容中的见解、撰写高质量文章以及增强角色扮演游戏体验等。整个项目采用开源的模式,允许大家贡献自己创建的AI组件,以持续改进和增强这个人机协作的框架。

### 想法:
- 从人的需求出发,设计AI应用,而不是单纯追求技术本身
- 开源协作模式可以持续改进和丰富AI应用
- 利用AI增强人类的能力,而不是替代人类
- 提取讨论内容中的见解、生成文章、增强角色扮演等具体用例
- 建立人与AI的融合,实现人机协作

### 见解:
- 以人为本,设计AI应用
- 开源合作可以不断完善和扩展AI应用
- 利用AI增强人而非替代人
- 具体应用场景包括:洞见提取、内容生成、娱乐活动增强

### 引语:
- "我们不做AI为了做AI,我们是在做增强人类的AI。"
- "AI应该是对人类的一种增强,而不是替代。"
- "我们鼓励大家也要以人为本,以这种方式来思考和使用AI。"
- "这个项目采用开源的模式,我们很期待看到大家贡献自己的创意和想法。"
- "利用AI可以让我们更好地记录和分享有趣的人类活动。"

### 参考资料:
- 视频: "On Creative Process, Meaningful Work, and the Alchemy of Ideas"
- 书籍: "Man's Search for Meaning" by Viktor Frankl

### 一句话启示:
利用AI来增强人类的能力,而不是替代人类。

### 建议:
- 以人为本的方式设计和使用AI应用
- 积极参与开源AI项目的建设和改进
- 尝试将AI应用于日常生活中的各种活动
- 保持开放和好奇的心态学习新技术
- 关注人类需求,而不只是追求技术本身
- 利用AI来增强而非替代人类的能力
- 定期记录和分享有趣的人类活动
- 保持批判性思维,评估AI对人类的影响
- 鼓励他人也以人为本的方式使用AI
- 关注AI如何能为人类谋福利,而不是害怕它

设置：

1
2
3

OPENAI_BASE_URL=https://api.groq.com/openai/v1/
export DEFAULT_MODEL="llama-3.1-70b-versatile"
OPENAI_API_KEY=gsk_7ZL0EcagkFXVWxxDhY8MWGhereisyourapikey

配合 Raycast 的 Snippets 可以快速地输入。也可以自己增加处理输入的 markdown 数据。例如我就用一个 m2hs, 可以将 pipe 中的 markdown 数据转换为 html，同时同步到 backblaze 的 bucket，而这个 bucket 又可以通过赛博菩萨 cloudflare 的 worker 访问，这样不同设备间就可以方便地通过网页查看内容了。

raycast snippets

获取视频摘要只是其中一种用法，可以用它写小红书，写论文，获取一个网站长内容的摘要等等。就是一个数据流的处理接口。
比如通过以下方式配合 jina.ai 可以获取 example.com 的内容摘要，储存并同步到 bucket。

1	curl https://r.jina.ai/https://example.com \| fabric -p dacongming \| m2hs jinazj \| glow -s dark - \| less -R

你也可以获取 example.com 的长内容并通过 deeplx 翻译，然后储存并同步翻译好的内容到 bucket。

1	curl https://r.jina.ai/https://example.com \| dacm \| m2hs jinazj \| glow -s dark - \| less -R

其中 dacm 就是自己写的一个获取输入的数据使用 deeplx 翻译的接口。

已知的问题，一些 api 的 stream 模式支持不是很好，所以 fabric -sp pattern，只用 fabric -p pattern。