LifeOS Fabricexport_data_as_csvPattern 深度解析用提示词模式把任意文本中的数据结构无损导出为 CSV【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS导读本文围绕 LifeOS 内嵌的 Fabric 技能中export_data_as_csv提示词模式system.md展开讲解它如何让 AI 扮演数据结构探测器从会议纪要、财报、项目清单、KPI 报表等任意非结构化输入中自动识别字段与数值并输出严格合法的 CSV 数据。读完本文你将掌握该 pattern 的完整提示词结构、执行原理IDENTITY / STEPS / OUTPUT / OUTPUT INSTRUCTIONS 四段式、在 LifeOS 中的原生调用方式以及它与同目录下其他 CSV 类 patterncreate_graph_from_input、create_ttrc_graph的差异化用法可直接迁移到自己的数据分析工作流中。一、Pattern 是什么一段结构化的提示词而不是一段代码在 LifeOS 的 Fabric 技能体系中Pattern模式不是可执行的脚本而是一段经过精心设计的系统提示词system prompt。每个 pattern 占用一个独立目录目录内的system.md存放完整的提示指令。正如 Fabric/SKILL.md 所说明的Patterns run natively — LifeOS reads the patterns system.md and applies it directly, no CLI round-trip.也就是说当用户说用 fabric 导出 CSV时Agent 会直接读取Patterns/export_data_as_csv/system.md把其中的指令当作提示词应用到输入内容上全程不调用外部 CLI。只有 YouTube 字幕抓取-y和 URL 兜底抓取-u两个场景才需要用到 fabric 命令行。export_data_as_csv正是这 240 个 pattern 中负责结构化导出的一个。在 Patterns/pattern_explanations.md 中它的定位被一句话概括为export_data_as_csv: Extracts and outputs all data structures from the input in properly formatted CSV data.——从输入中提取全部数据结构并以格式正确的 CSV 数据输出。二、完整提示词逐段拆解四段式 pattern 结构export_data_as_csv的 system.md 全文只有四个段落与 official_pattern_template/system.md 所定义的 pattern 规范IDENTITY / STEPS / OUTPUT / OUTPUT INSTRUCTIONS完全对齐。下面逐段还原原文并做深度解读。2.1 IDENTITY角色设定You are a superintelligent AI that finds all mentions of data structures within an input and you output properly formatted CSV data that perfectly represents whats in the input.解读这段把模型锚定为一个超级智能的数据结构发现器强调两个核心承诺发现finds任务是主动搜索输入中所有数据结构而不是等用户点名完美还原perfectly represents输出的 CSV 必须忠实反映输入内容不允许失真或补造。这一段的写法与同目录下其他 CSV 类 pattern 一脉相承例如 create_graph_from_input/system.md 的角色是 an expert at data visualization and information securitycreate_ttrc_graph/system.md 则聚焦 Time to Remediate Critical Vulnerabilities 指标。角色设定决定了 pattern 的行为取向export_data_as_csv强调全量枚举而后者强调时序指标。2.2 STEPS执行步骤Read the whole input and understand the context of everything.Find all mention of data structures, e.g., projects, teams, budgets, metrics, KPIs, etc., and think about the name of those fields and the data in each field.解读仅两步但每一步都承担关键职责整体通读先完整读取输入并理解全局上下文避免只见树木不见森林——这是后面正确判断哪些是字段、哪些是数据的前提。枚举数据结构以projects项目、teams团队、budgets预算、metrics指标、KPIs等为典型例子要求模型找出输入中所有数据结构的提及并为每个结构思考两件事字段名the name of those fields每个字段承载的数据the data in each field。这段提示隐含了一个先建模、后填表的思维链模型先在内部把非结构化文本归纳成一张字段-取值对照表再进入输出阶段。2.3 OUTPUT输出形式Output a CSV file that contains all the data structures found in the input.解读明确唯一交付物是包含输入中全部数据结构的 CSV 文件。注意all这个限定词——它把该 pattern 与只挑重点的摘要类 pattern 区分开完整性优先于精炼性。2.4 OUTPUT INSTRUCTIONS输出约束Use the fields found in the input, dont make up your own.解读这是全文最关键的一条硬约束——字段必须来自输入禁止自创。它直接决定了 CSV 的列名不能由模型发挥例如输入里写的是 Monthly Revenue就不能改写成 Income 或 Sales。这与 create_graph_from_input/system.md 中的 Use the field names in the input; dont make up your own. 完全一致说明字段保真是整个 Fabric CSV 家族共享的纪律。三、在 LifeOS 中如何触发与执行原生 Pattern 调用链路3.1 从用户意图到 pattern 选择export_data_as_csv没有专属的意图关键词路由表但它遵循 ExecutePattern.md 定义的通用选择规则显式指名用户直接说 export data as csv 或 把这份数据导成 CSVAgent 直接选用export_data_as_csv关键词联想请求中出现 csv、export data、data structure、表格导出 等表达时Agent 会优先匹配到本 pattern。3.2 加载 pattern 的参考命令按 ExecutePattern 工作流的 Step 2加载 pattern 系统提示词的方式如下脚本等价于读取本地 system.mdPATTERN_NAMEexport_data_as_csv PATTERN_PATH$HOME/.claude/skills/Fabric/Patterns/$PATTERN_NAME/system.md if [ -f $PATTERN_PATH ]; then cat $PATTERN_PATH else echo Pattern not found: $PATTERN_NAME echo Available patterns: ls ~/.claude/skills/Fabric/Patterns/ | head -20 fi3.3 原生执行的完整链路按 Fabric/SKILL.md 的说明执行链路是User Request → Pattern Selection → Read system.md → Apply → Return Results具体到本 pattern[用户提供任意文本如会议纪要、财报段落] ↓ [读取 Patterns/export_data_as_csv/system.md] ↓ [遵循 STEPS通读全文 → 枚举数据结构并建模字段] ↓ [遵循 OUTPUT生成完整 CSV] ↓ [遵循 OUTPUT INSTRUCTIONS字段全部取自输入不自创] ↓ [返回可直接粘贴进表格软件的 CSV 数据]整个过程中 Agent 扮演的是读取并遵守提示词的角色而不是调用外部工具——这也是 LifeOS 中 Fabric 技能与上游 fabric CLI 的最大区别CLI 仅保留给 YouTube/URL 场景。3.4 更新与维护如果希望获得上游 fabric 仓库对该 pattern 的最新修订可走 UpdatePatterns.md 工作流# 1. 检查当前 pattern 数量 CURRENT_COUNT$(ls -1 ~/.claude/skills/Fabric/Patterns/ 2/dev/null | wc -l | tr -d ) echo Current patterns: $CURRENT_COUNT # 2. 通过 fabric CLI 拉取上游模式 fabric -U # 3. 同步到 Fabric 技能本地目录 rsync -av --delete ~/.config/fabric/patterns/ ~/.claude/skills/Fabric/Patterns/注意该工作流前置条件是 fabric CLI 已安装go install github.com/danielmiessler/fabriclatest且同步目标以本机实际安装路径为准。四、实战从一段混合文本到一张合法 CSV下面用一个贴近 LifeOS 使用场景的示例演示该 pattern 的完整工作方式。假设输入是某团队的一季度经营纪要Q1 各项目进度如下Project Alpha 预算 $50k已用 $32k负责人 AliceProject Beta 预算 $80k已用 $45k负责人 Bob。团队扩张方面Q1 新增 3 人Q2 计划新增 2 人。KPI 层面客户满意度 4.2 分NPS 62On-time delivery rate 88%。模型按 STEPS 通读后会枚举出三组数据结构项目projects、团队扩张headcount、KPI 指标并分别建模字段与取值project,budget_usd,spent_usd,owner Project Alpha,50000,32000,Alice Project Beta,80000,45000,Bob quarter,new_hires Q1,3 Q2,2 metric,value customer_satisfaction,4.2 nps,62 on_time_delivery_rate,88需要强调的合规点源自 OUTPUT INSTRUCTIONS字段名全部取自输入例如输入是 budget就不能写成 total_cost输入是 NPS就不能自创成 net_promoter_score数据忠实还原数值、人名、百分号单位等均按原文呈现不做推断、补齐或四舍五入覆盖全部结构三组数据结构缺一不可all the data structures found in the input 是硬性要求。实际使用时生成的 CSV 可以直接导入 Excel / Google Sheets / pandas也可以继续交给 LifeOS 中的数据分析类工具做下游处理。五、与同类 CSV Pattern 的边界什么时候选谁Fabric 的 Patterns 目录下还有多个输出 CSV 的 pattern理解它们的差异能帮你选对工具。以仓库中实际存在的两个为例Pattern角色定位输出焦点典型输入export_data_as_csv数据结构全量导出输入中的所有数据结构字段名完全取自输入项目清单、预算表、KPI 报表等任意文本create_graph_from_inputsystem.md安全项目进度可视化专家能讲述随时间改进故事的时序指标如 TTD_hours、TTR-C_days要求两轴数据安全项目治理报告create_ttrc_graphsystem.md关键漏洞修复时长专家仅输出 Date 与 TTR-C_days 两列的时序 CSV且强调修复时长下降是改进漏洞管理台账三者都遵守共同的纪律Only output valid CSV data and nothing else、Use the field names in the input; dont make up your own区别在于export_data_as_csv是通用型不预设业务领域适合任何把杂乱文本变成结构化表格的需求另外两个是领域专用型前者面向安全程序整体改进趋势后者只盯 TTRTime to Remediate单一指标且对列名、数值格式有更严格的约定如禁止, , 等特殊字符。从源码结构看这种通用底座 领域变体的组合是 Fabric pattern 生态的常见组织方式共性的字段保真原则沉淀在每个 pattern 的 OUTPUT INSTRUCTIONS 里而差异化的角色与步骤决定了各自的使用场景。六、使用注意事项与最佳实践结合 Fabric/SKILL.md 的 Gotchas 部分与 pattern 自身约束给出以下实操建议长文本先分段超长输入可能超出 pattern 的上下文处理能力。遇到超长材料先拆分或用summarize类 pattern 预处理再交给export_data_as_csv。字段保真是红线不要为了让 CSV 更好看而改写字段名或补全缺失值保持输入有什么输出就有什么。区分原生执行与 CLI绝大多数场景下直接让 Agent 读取 system.md 原生执行即可只有需要抓取 YouTube 字幕fabric -y URL或 URL 兜底抓取fabric -u URL时才动用 CLI。pattern 名称必须精确export_data_as_csv不是export_csv或export_data不确定时可参考 pattern_explanations.md 的索引或浏览Patterns/目录。下游可直接消费输出是标准 CSV可直接粘贴进电子表格或写入数据管道无需二次清洗即可作为pandas.read_csv、csv.reader等工具的输入。七、小结export_data_as_csv是 LifeOS Fabric 技能中一个轻量但严谨的提示词模式它用四段式结构IDENTITY / STEPS / OUTPUT / OUTPUT INSTRUCTIONS把任意文本 → 规范 CSV这个任务拆解为角色设定、通读建模、全量输出、字段保真四个环节。它的价值不在于代码逻辑而在于把数据工程师清洗建表的隐性经验固化成了可复用的提示词资产——配合 LifeOS 的原生 pattern 执行机制一句把这份数据导成 CSV就能得到一份字段可信、结构完整、可直接落盘的结构化数据。进一步探索该 pattern 的上下文可阅读Patterns/export_data_as_csv/system.md本文主文档Fabric/SKILL.mdFabric 技能总览与原生执行机制Workflows/ExecutePattern.mdpattern 选择与执行工作流Patterns/create_graph_from_input/system.md 与 Patterns/create_ttrc_graph/system.md同族 CSV 变体对比【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 LifeOS Fabric `export_data_as_csv` Pattern 深度解析：用提示词模式把任意文本中的数据结构无损导出为 CSV
LifeOS Fabricexport_data_as_csvPattern 深度解析用提示词模式把任意文本中的数据结构无损导出为 CSV【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS导读本文围绕 LifeOS 内嵌的 Fabric 技能中export_data_as_csv提示词模式system.md展开讲解它如何让 AI 扮演数据结构探测器从会议纪要、财报、项目清单、KPI 报表等任意非结构化输入中自动识别字段与数值并输出严格合法的 CSV 数据。读完本文你将掌握该 pattern 的完整提示词结构、执行原理IDENTITY / STEPS / OUTPUT / OUTPUT INSTRUCTIONS 四段式、在 LifeOS 中的原生调用方式以及它与同目录下其他 CSV 类 patterncreate_graph_from_input、create_ttrc_graph的差异化用法可直接迁移到自己的数据分析工作流中。一、Pattern 是什么一段结构化的提示词而不是一段代码在 LifeOS 的 Fabric 技能体系中Pattern模式不是可执行的脚本而是一段经过精心设计的系统提示词system prompt。每个 pattern 占用一个独立目录目录内的system.md存放完整的提示指令。正如 Fabric/SKILL.md 所说明的Patterns run natively — LifeOS reads the patterns system.md and applies it directly, no CLI round-trip.也就是说当用户说用 fabric 导出 CSV时Agent 会直接读取Patterns/export_data_as_csv/system.md把其中的指令当作提示词应用到输入内容上全程不调用外部 CLI。只有 YouTube 字幕抓取-y和 URL 兜底抓取-u两个场景才需要用到 fabric 命令行。export_data_as_csv正是这 240 个 pattern 中负责结构化导出的一个。在 Patterns/pattern_explanations.md 中它的定位被一句话概括为export_data_as_csv: Extracts and outputs all data structures from the input in properly formatted CSV data.——从输入中提取全部数据结构并以格式正确的 CSV 数据输出。二、完整提示词逐段拆解四段式 pattern 结构export_data_as_csv的 system.md 全文只有四个段落与 official_pattern_template/system.md 所定义的 pattern 规范IDENTITY / STEPS / OUTPUT / OUTPUT INSTRUCTIONS完全对齐。下面逐段还原原文并做深度解读。2.1 IDENTITY角色设定You are a superintelligent AI that finds all mentions of data structures within an input and you output properly formatted CSV data that perfectly represents whats in the input.解读这段把模型锚定为一个超级智能的数据结构发现器强调两个核心承诺发现finds任务是主动搜索输入中所有数据结构而不是等用户点名完美还原perfectly represents输出的 CSV 必须忠实反映输入内容不允许失真或补造。这一段的写法与同目录下其他 CSV 类 pattern 一脉相承例如 create_graph_from_input/system.md 的角色是 an expert at data visualization and information securitycreate_ttrc_graph/system.md 则聚焦 Time to Remediate Critical Vulnerabilities 指标。角色设定决定了 pattern 的行为取向export_data_as_csv强调全量枚举而后者强调时序指标。2.2 STEPS执行步骤Read the whole input and understand the context of everything.Find all mention of data structures, e.g., projects, teams, budgets, metrics, KPIs, etc., and think about the name of those fields and the data in each field.解读仅两步但每一步都承担关键职责整体通读先完整读取输入并理解全局上下文避免只见树木不见森林——这是后面正确判断哪些是字段、哪些是数据的前提。枚举数据结构以projects项目、teams团队、budgets预算、metrics指标、KPIs等为典型例子要求模型找出输入中所有数据结构的提及并为每个结构思考两件事字段名the name of those fields每个字段承载的数据the data in each field。这段提示隐含了一个先建模、后填表的思维链模型先在内部把非结构化文本归纳成一张字段-取值对照表再进入输出阶段。2.3 OUTPUT输出形式Output a CSV file that contains all the data structures found in the input.解读明确唯一交付物是包含输入中全部数据结构的 CSV 文件。注意all这个限定词——它把该 pattern 与只挑重点的摘要类 pattern 区分开完整性优先于精炼性。2.4 OUTPUT INSTRUCTIONS输出约束Use the fields found in the input, dont make up your own.解读这是全文最关键的一条硬约束——字段必须来自输入禁止自创。它直接决定了 CSV 的列名不能由模型发挥例如输入里写的是 Monthly Revenue就不能改写成 Income 或 Sales。这与 create_graph_from_input/system.md 中的 Use the field names in the input; dont make up your own. 完全一致说明字段保真是整个 Fabric CSV 家族共享的纪律。三、在 LifeOS 中如何触发与执行原生 Pattern 调用链路3.1 从用户意图到 pattern 选择export_data_as_csv没有专属的意图关键词路由表但它遵循 ExecutePattern.md 定义的通用选择规则显式指名用户直接说 export data as csv 或 把这份数据导成 CSVAgent 直接选用export_data_as_csv关键词联想请求中出现 csv、export data、data structure、表格导出 等表达时Agent 会优先匹配到本 pattern。3.2 加载 pattern 的参考命令按 ExecutePattern 工作流的 Step 2加载 pattern 系统提示词的方式如下脚本等价于读取本地 system.mdPATTERN_NAMEexport_data_as_csv PATTERN_PATH$HOME/.claude/skills/Fabric/Patterns/$PATTERN_NAME/system.md if [ -f $PATTERN_PATH ]; then cat $PATTERN_PATH else echo Pattern not found: $PATTERN_NAME echo Available patterns: ls ~/.claude/skills/Fabric/Patterns/ | head -20 fi3.3 原生执行的完整链路按 Fabric/SKILL.md 的说明执行链路是User Request → Pattern Selection → Read system.md → Apply → Return Results具体到本 pattern[用户提供任意文本如会议纪要、财报段落] ↓ [读取 Patterns/export_data_as_csv/system.md] ↓ [遵循 STEPS通读全文 → 枚举数据结构并建模字段] ↓ [遵循 OUTPUT生成完整 CSV] ↓ [遵循 OUTPUT INSTRUCTIONS字段全部取自输入不自创] ↓ [返回可直接粘贴进表格软件的 CSV 数据]整个过程中 Agent 扮演的是读取并遵守提示词的角色而不是调用外部工具——这也是 LifeOS 中 Fabric 技能与上游 fabric CLI 的最大区别CLI 仅保留给 YouTube/URL 场景。3.4 更新与维护如果希望获得上游 fabric 仓库对该 pattern 的最新修订可走 UpdatePatterns.md 工作流# 1. 检查当前 pattern 数量 CURRENT_COUNT$(ls -1 ~/.claude/skills/Fabric/Patterns/ 2/dev/null | wc -l | tr -d ) echo Current patterns: $CURRENT_COUNT # 2. 通过 fabric CLI 拉取上游模式 fabric -U # 3. 同步到 Fabric 技能本地目录 rsync -av --delete ~/.config/fabric/patterns/ ~/.claude/skills/Fabric/Patterns/注意该工作流前置条件是 fabric CLI 已安装go install github.com/danielmiessler/fabriclatest且同步目标以本机实际安装路径为准。四、实战从一段混合文本到一张合法 CSV下面用一个贴近 LifeOS 使用场景的示例演示该 pattern 的完整工作方式。假设输入是某团队的一季度经营纪要Q1 各项目进度如下Project Alpha 预算 $50k已用 $32k负责人 AliceProject Beta 预算 $80k已用 $45k负责人 Bob。团队扩张方面Q1 新增 3 人Q2 计划新增 2 人。KPI 层面客户满意度 4.2 分NPS 62On-time delivery rate 88%。模型按 STEPS 通读后会枚举出三组数据结构项目projects、团队扩张headcount、KPI 指标并分别建模字段与取值project,budget_usd,spent_usd,owner Project Alpha,50000,32000,Alice Project Beta,80000,45000,Bob quarter,new_hires Q1,3 Q2,2 metric,value customer_satisfaction,4.2 nps,62 on_time_delivery_rate,88需要强调的合规点源自 OUTPUT INSTRUCTIONS字段名全部取自输入例如输入是 budget就不能写成 total_cost输入是 NPS就不能自创成 net_promoter_score数据忠实还原数值、人名、百分号单位等均按原文呈现不做推断、补齐或四舍五入覆盖全部结构三组数据结构缺一不可all the data structures found in the input 是硬性要求。实际使用时生成的 CSV 可以直接导入 Excel / Google Sheets / pandas也可以继续交给 LifeOS 中的数据分析类工具做下游处理。五、与同类 CSV Pattern 的边界什么时候选谁Fabric 的 Patterns 目录下还有多个输出 CSV 的 pattern理解它们的差异能帮你选对工具。以仓库中实际存在的两个为例Pattern角色定位输出焦点典型输入export_data_as_csv数据结构全量导出输入中的所有数据结构字段名完全取自输入项目清单、预算表、KPI 报表等任意文本create_graph_from_inputsystem.md安全项目进度可视化专家能讲述随时间改进故事的时序指标如 TTD_hours、TTR-C_days要求两轴数据安全项目治理报告create_ttrc_graphsystem.md关键漏洞修复时长专家仅输出 Date 与 TTR-C_days 两列的时序 CSV且强调修复时长下降是改进漏洞管理台账三者都遵守共同的纪律Only output valid CSV data and nothing else、Use the field names in the input; dont make up your own区别在于export_data_as_csv是通用型不预设业务领域适合任何把杂乱文本变成结构化表格的需求另外两个是领域专用型前者面向安全程序整体改进趋势后者只盯 TTRTime to Remediate单一指标且对列名、数值格式有更严格的约定如禁止, , 等特殊字符。从源码结构看这种通用底座 领域变体的组合是 Fabric pattern 生态的常见组织方式共性的字段保真原则沉淀在每个 pattern 的 OUTPUT INSTRUCTIONS 里而差异化的角色与步骤决定了各自的使用场景。六、使用注意事项与最佳实践结合 Fabric/SKILL.md 的 Gotchas 部分与 pattern 自身约束给出以下实操建议长文本先分段超长输入可能超出 pattern 的上下文处理能力。遇到超长材料先拆分或用summarize类 pattern 预处理再交给export_data_as_csv。字段保真是红线不要为了让 CSV 更好看而改写字段名或补全缺失值保持输入有什么输出就有什么。区分原生执行与 CLI绝大多数场景下直接让 Agent 读取 system.md 原生执行即可只有需要抓取 YouTube 字幕fabric -y URL或 URL 兜底抓取fabric -u URL时才动用 CLI。pattern 名称必须精确export_data_as_csv不是export_csv或export_data不确定时可参考 pattern_explanations.md 的索引或浏览Patterns/目录。下游可直接消费输出是标准 CSV可直接粘贴进电子表格或写入数据管道无需二次清洗即可作为pandas.read_csv、csv.reader等工具的输入。七、小结export_data_as_csv是 LifeOS Fabric 技能中一个轻量但严谨的提示词模式它用四段式结构IDENTITY / STEPS / OUTPUT / OUTPUT INSTRUCTIONS把任意文本 → 规范 CSV这个任务拆解为角色设定、通读建模、全量输出、字段保真四个环节。它的价值不在于代码逻辑而在于把数据工程师清洗建表的隐性经验固化成了可复用的提示词资产——配合 LifeOS 的原生 pattern 执行机制一句把这份数据导成 CSV就能得到一份字段可信、结构完整、可直接落盘的结构化数据。进一步探索该 pattern 的上下文可阅读Patterns/export_data_as_csv/system.md本文主文档Fabric/SKILL.mdFabric 技能总览与原生执行机制Workflows/ExecutePattern.mdpattern 选择与执行工作流Patterns/create_graph_from_input/system.md 与 Patterns/create_ttrc_graph/system.md同族 CSV 变体对比【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考