Fabric review_design 模式实战用 AI 对架构设计进行全维度评审【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 Fabric 开源框架中内置的review_design模式为核心讲解如何把一份架构设计文档交给 AI 进行系统化评审。文中会完整还原该模式的八维评审框架架构清晰度、外部系统集成、安全架构、性能与可扩展性、数据管理、可维护性、潜在风险、文档可读性并结合当前仓库的源码说明模式文件的组织方式、fabric --pattern的调用机制与底层实现帮助你直接在项目中落地一套可复用的架构评审流程。review_design 模式是什么Fabric 是一个面向 AI 的模块化框架其核心思路是把解决特定问题的高质量提示词封装为一个个可复用的 pattern模式。review_design就是其中用于架构设计评审的专用模式其模式文件位于 data/patterns/review_design/system.md。从模式文件的结构看review_design在提示词层面约定了三件事AI 的**身份IDENTITY是专家解决方案架构师expert solution architect它的任务PURPOSE是完全消化输入并评审设计它的工作方式STEPS**是退后一步按步骤逐步思考如何达成最佳结果。该模式的设计初衷很明确让架构师把待评审的架构设计文档含组件图、系统集成说明、部署拓扑等作为输入喂给 AIAI 会按八个固定维度输出结构化的评审结论包括优点、缺点与改进建议并在最后汇总设计亮点与最值得调整的关键区域。模式的八个评审维度review_design的核心是 STEPS 节中列出的八项评审要求这是整个模式的骨架逐条继承如下。1. 架构清晰度与组件设计Architecture Clarity and Component Design要求 AI 分析输入中的图表diagrams包括所有内部组件与外部系统评估每个组件的角色与职责是否定义清晰组件之间的交互是否高效、合理且有据可查是否存在冗余、不必要的复杂性或职责不清的区域。2. 外部系统集成External System Integrations要求评估与外部系统的集成重点考虑这些集成的安全性、性能与可靠性并判断系统是否能在不影响性能与安全的前提下承载多样化的外部客户端。3. 安全架构Security Architecture要求审查系统中的安全机制识别认证authentication、授权authorization与数据保护方面的潜在弱点判断设计是否符合最佳实践并针对访问控制与潜在攻击向量attack vectors提出加固建议。4. 性能、可扩展性与韧性Performance, Scalability, and Resilience要求分析设计如何通过限流rate limiting、容器化部署containerized deployments与数据库交互来保证高性能与可扩展性重点评估系统能否**水平扩展scale horizontally**以支撑持续增长的客户端或负载瓶颈在哪里故障容忍与韧性如何某个组件故障时是否存在系统可用性风险。5. 数据管理与存储安全Data Management and Storage Security要求审查数据的处理与存储方式判断数据存储是否能安全管理信息评估组件间的**数据流data flow是否优化且安全并针对数据隔离data segregation**提出改进建议以保证客户端之间的隔离、降低数据泄露风险。6. 可维护性、灵活性与未来增长Maintainability, Flexibility, and Future Growth要求评估系统在容器化架构与组件模块化方面的可维护性判断新客户端如何低成本接入、新功能如何在不大量返工的前提下加入设计是否能灵活适配不断演进的业务需求如何为预期的增长与技术演进做面向未来future-proof的规划。7. 潜在风险与改进区域Potential Risks and Areas for Improvement要求重点指出当前设计的风险或局限例如对第三方服务的依赖、安全漏洞、性能瓶颈并就安全、性能、集成与数据管理给出可执行的改进建议actionable recommendations。8. 文档可读性Document readability要求指出文档内部以及与所用术语之间的不一致之处并建议需要重写的部分。最后模式要求 AI 在结论部分总结设计的优点strengths以及调整或增强后能产生显著正面影响的最关键区域。输出要求纯 Markdown 与输入约定review_design对输出格式有两条硬性约束只输出有效的 Markdown不使用加粗或斜体Only output valid Markdown with no bold or italics不给出警告或备注只输出要求的章节Do not give warnings or notes; only output the requested sections。输入约定同样直白模式文件末尾以INPUT:收尾使用时把你的架构设计文档直接作为输入传入即可。这种身份 步骤 输出指令 输入占位符的四段式结构与仓库中 data/patterns/official_pattern_template/system.md 展示的官方模式模板IDENTITY / GOALS / STEPS / OUTPUT / POSITIVE EXAMPLES / NEGATIVE EXAMPLES / OUTPUT INSTRUCTIONS / INPUT完全同构说明review_design是遵循官方模板编写的标准模式。如何在 Fabric 中使用该模式准备工作初始化与获取模式首次使用需要运行 setup让 Fabric 下载模式库并完成厂商vendor与模型的配置fabric --setupFabric 的模式库默认从data/patterns目录加载。从源码看internal/tools/patterns_loader.go 中的PopulateDB()会从DefaultPatternsGitRepoUrl克隆仓库再把data/patterns目录下的模式拷贝到本地配置目录最后生成unique_patterns.txt清单文件PersistPatterns()还会保留用户自定义的模式避免更新时被覆盖。因此review_design与仓库data/patterns/下所有模式一样会在首次 setup 后被同步到本地。查看模式内容在调用之前可以先确认模式存在并查看其完整内容# 列出所有已安装的模式确认 review_design 存在 fabric --listpatterns # 打印 review_design 模式的完整提示词内容 fabric --readpattern review_design从 internal/cli/listing.go 的源码可以看到--readpattern会调用fabricDb.Patterns.PrintPattern(...)直接把模式文件打印到终端方便你审阅、调试或复刻这个模式。执行架构评审把架构设计文档通过管道喂给review_design模式即可cat architecture-design.md | fabric --pattern review_design # 也可以直接传文件内容并写入输出文件 fabric --pattern review_design architecture-design.md --output review-report.md常用辅助参数定义于 internal/cli/flags.go参数说明-p, --pattern选择要使用的模式这里是review_design-m, --model指定模型默认值可在 setup 中配置-V, --vendor指定厂商例如-V LM Studio -m openai/gpt-oss-20b-t, --temperature采样温度默认0.7-T, --toppTop-P 采样默认0.9-s, --stream流式输出-o, --output把结果写入文件-c, --copy复制到剪贴板-C, --context绑定上下文context--session绑定会话session便于多轮迭代评审--dry-run只打印将要发送给模型的内容不真正调用模型--config指定 YAML 配置文件路径对于架构评审这类需要深度推理的任务还可以配合--thinking参数设置推理强度off/low/medium/high或为 Anthropic/Gemini 指定数值 token。调用机制的源码视角--pattern参数的解析与执行链路在 internal/cli/cli.go 与 internal/cli/chat.go 中Init()解析命令行参数并合并~/.config/fabric/config.yaml中的默认值BuildChatRequest()internal/cli/flags.go把PatternName写入ChatRequest同时支持-v注入模式变量pattern variablesregistry.GetChatter(...)取得聊天执行器后chatter.Send(...)会把review_design的 system.md 内容与用户输入的架构文档一起组装成对话请求发送给模型。值得注意的细节在 internal/cli/flags.go 的Init()中如果可执行文件名不是fabric、main、cmd它会被自动当作模式名——这意味着你可以把可执行文件软链成review_design直接以./review_design design.md的方式调用该模式。另外模式还支持按模式绑定模型通过环境变量FABRIC_MODEL_REVIEW_DESIGNvendor|model参见 internal/cli/chat.go 中的FABRIC_MODEL_前缀逻辑可以让架构评审默认使用某个更强的大模型而其他任务不受影响。通过 REST API 调用Fabric 还提供了 REST API 服务fabric --serve默认绑定127.0.0.1:8080可用--api-key保护路由。模式相关的路由注册在 internal/server/patterns.goGET /patterns/:name获取原始模式内容GET /patterns/names列出全部模式名POST /patterns/:name/apply携带{ input: ..., variables: {...} }请求体应用模式并做变量替换ApplyPattern会把 query 参数与 body 中的 variables 合并body 优先。这意味着你可以在 CI 或内部评审平台中通过 API 把架构文档 POST 给/patterns/review_design/apply实现架构评审的自动化接入。接口文档可参考 docs/rest-api.md。与相关模式的配合使用review_design是 Fabric 设计/评审主题模式家族的一员仓库data/patterns/下还有多个与之互补的模式可组合成完整的设计-评审-修订流水线模式文件定位create_design_documentdata/patterns/create_design_document/system.md基于 C4 模型生成设计文档含系统上下文图是评审的上游输入create_stride_threat_modeldata/patterns/create_stride_threat_model/system.md按 STRIDE per element 方法论对设计做威胁建模输出含 THREAT ID、组件名、STRIDE 类别、缓解措施与风险严重度的威胁表可补强 review_design 第 3 项安全架构的深度review_designdata/patterns/review_design/system.md本文主题八维架构评审refine_design_documentdata/patterns/refine_design_document/system.md依据设计评审结论修订设计文档是评审的下游闭环review_codedata/patterns/review_code/system.md对代码实现做正确性、安全性与性能评审可与设计评审衔接典型工作流是先用create_design_document产出设计稿再用review_design做架构级评审用create_stride_threat_model补安全威胁视角最后把评审意见交给refine_design_document修订设计文档形成闭环。最佳实践与注意事项输入质量决定评审质量。review_design的评审对象是图表与组件交互因此输入文档应尽量包含系统上下文图、组件关系图、数据流标注与部署拓扑缺失这些信息时AI 只能基于文字推断评审结论会打折扣。输出格式约定。该模式明确要求无加粗、无斜体、纯 Markdown、不输出警告。若你后续要把评审报告接入自动解析流程应保持该约定避免人为添加格式导致解析失败。配合会话做多轮追问。架构评审往往需要针对潜在风险章节追问细节可配合--session参数在会话上下文中连续追问让 AI 基于上一轮结论深化分析。用 dry-run 先行验证。不确定模式变量或输入格式是否正确时先执行fabric --pattern review_design --dry-run design.md只查看将要发送的内容而不消耗模型调用。按模式指定更强大的模型。评审质量对模型推理能力敏感可通过FABRIC_MODEL_REVIEW_DESIGNvendor|model环境变量为评审单独指定更强模型兼顾成本与质量。安全边界。若架构文档包含敏感信息注意 Fabric REST API 的--api-key保护服务端源码参见 internal/server/auth.go并优先在本地或内网环境中运行评审。小结review_design把资深解决方案架构师的评审心智封装成了一个可直接调用的 AI 模式输入架构设计文档即可获得覆盖架构清晰度、外部集成、安全、性能、数据管理、可维护性、风险与文档可读性八个维度的结构化评审报告并在结论中给出最值得改进的关键区域。配合 Fabric 的 CLIfabric --pattern review_design、REST APIPOST /patterns/review_design/apply以及与create_stride_threat_model、refine_design_document等模式的组合你可以把设计-评审-修订固化为一套可重复、可自动化、可追溯的工程流程。【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