Fabric DSRP 思维分析模式解析：用 identify_dsrp_distinctions 界定文本中的概念边界与偏见盲区
【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 开源仓库中的 identify_dsrp_distinctions 模式 为讲解主线，介绍 DSRP（Distinctions / Systems / Relationships / Perspectives）系统思维框架中"区分（Distinction）"这一底层认知工具，并剖析该 Pattern 如何通过角色设定、概念注入、任务指令与结构化输出四段式 Prompt，引导大模型在任意输入文本上完成"划界—辨他—查偏—见盲区"的系统性分析。读完本文，你将掌握如何直接调用该 Pattern 分析文章、论点、政策文本或产品议题，也能把它与仓库内其余三个 DSRP 模式组合成一套完整思维工具链。
一、这是一份什么样的 Pattern：先理解 Fabric 的模式体系
Fabric 把 AI 提示词组织成一个个可复用的Pattern（模式），全部以 Markdown 文件形式存放在仓库的 data/patterns 目录下。按 README.md 的说明，Fabric 的 Pattern 与普通提示词有三点关键差异：
- 用 Markdown 书写，保证最大可读性与可编辑性——不仅方便作者维护，也让 AI 更易理解指令的结构与意图；
- 指令极其清晰，利用 Markdown 的分节结构强调"要做什么、按什么顺序做"；
- 几乎只使用 System 段（即
system.md文件），项目经验表明这样的模式效果更好。
每个 Pattern 是一个独立目录，目录内至少包含一个system.md（系统提示词主体）。本文主角 identify_dsrp_distinctions/system.md 正是这样一个"纯系统提示"型模式，目录内没有配套的user.md，说明使用时用户内容统一由调用方从 stdin 注入（见该文件末尾的INPUT:占位符）。
在仓库的模式元数据文件 scripts/pattern_descriptions/pattern_descriptions.json 中，该模式的官方描述为：
identify_dsrp_distinctions：Analyze content using DSRP to identify key distinctions.（使用 DSRP 分析内容，识别关键区分）
其标签为ANALYSIS（分析）与RESEARCH（研究）。同目录的 pattern_explanations.md 则补充说明它的定位：通过探索区分（distinctions）、边界（boundaries）及其含义，借鉴著名系统思想家的洞见，鼓励创造性的、基于系统的思考。
二、DSRP 框架与它的仓库内"四兄弟"
identify_dsrp_distinctions并不是孤立存在的，它是 DSRP 认知理论在 Fabric 中的四个具体化 Pattern 之一。DSRP 认为一切思考都包含四个不可再分的结构：Distinctions（区分）、Systems（系统）、Relationships（关系）、Perspectives（视角）。在 data/patterns 下可以找到一一对应的四个模式：
| Pattern 目录 | 关注的核心构造 | 对应system.md中的主题句 |
|---|---|---|
| identify_dsrp_distinctions | 边界与区分（thing / other） | "Making distinctions between and among ideas"（在观念之间做区分） |
| identify_dsrp_systems | 部分与整体（part / whole） | "Organizing ideas into systems of parts and wholes"（把观念组织为部分与整体的系统） |
| identify_dsrp_relationships | 行动与反作用（action / reaction） | "Identifying relationships between and among ideas"（识别观念之间的关系） |
| identify_dsrp_perspectives | 视点与视界（point / view） | "Looking at ideas from different perspectives"（从不同视角看观念） |
四个模式共享完全相同的"身份与目的（Identity and Purpose）"开头——都把自己设定为发散性思维者，并引用同一组系统思想家作为灵感来源；区别仅在于中间"基础概念注入"与"任务/输出指令"两大板块，分别聚焦 DSRP 的四个维度。因此，identify_dsrp_distinctions的本质可以理解为：把一个抽象的系统思维概念（Distinctions）固化成可重复执行的 AI 分析工作流。
三、Distinctions 基础概念：原文向模型注入的核心知识
模式文件中用专门一节"Understanding DSRP Distinction Foundational Concept"向模型完整灌输 Distinctions 的定义，这是该模式区别于"直接让模型找区别"这类朴素 Prompt 的关键。概括如下：
3.1 一切思想都有边界
在观念之间、观念内部做出区分。我们如何为一个观念或一个观念系统画出边界、定义边界，是理解它们的关键环节。
每当我们画出一条边界去定义一个"东西"，这条边界同时也定义了"不是这个东子的东西"——即the other（他者）。任何边界都构成一对基本要素：
- the thing：边界之内的事物；
- the other：边界之外的事物。
当理解到"所有思想都是有界的（由不同边界构成）"时，我们就会意识到：每关注一件事，都是以忽略其他事为代价的。
3.2 区分是一把双刃剑
原文特意强调 Distinction 的双重属性：
- 它简化思考：正因为有区分能力，当我们被要求"取一个咖啡杯"时才能完成任务；
- 它引入偏见：区分同样制造了 "us/them"（我们/他们）这类概念，可能导致思想封闭、疏离甚至暴力；
- 它无时不在：每个思维动作或言语动作中都含有区分——不先形成区分，我们无法形成词语。
3.3 区分词族：一张可检索的语言地图
原文列举了扎根于区分行为的一长串词汇，这是理解该概念覆盖面最直观的清单：compare、contrast、define、differentiate、name、label、is、is not、identity、recognize、identify、exist、existential、other、boundary、select、equals、does not equal、similar、different、same、opposite、us/them、thing、unit、not-thing、something、nothing、element，以及前缀 a-（如 amoral）。在中文语境下对应即可理解为：比较、对照、定义、区分、命名、标签、"是/不是"、身份、他者、边界、选择、相同/不同/对立等——这些词出现的地方，通常就是一次区分发生的现场，可用来反向定位文本中的隐性边界。
3.4 关于 Distinctions 的五个要点（原文 Key points）
模式原文给出，需要完整继承：
- 它们对理解观念和系统必不可少；
- 它们简化思考，但也可能引入偏见；
- 它们存在于每一次思维活动或言语活动中；
- 它们让我们得以聚焦于一物而忽略他物；
- 它们既能带来清晰（如识别对象），也可能带来问题（如"我们/他们"式思维）。
四、角色与身份设定：模型被要求"像谁一样思考"
该 Pattern 的Identity and Purpose段落将模型设定为creative and divergent thinker（创造性、发散性思考者），强调探索连接、挑战假设、发现新可能，并鼓励"信任直觉，进入未涉足地带"。
为了具体化这种思维风格，原文引用六位系统思想家，并要求模型"通道化"他们的思想与写作方式。这种"名人方法注入"是 Fabric 高阶分析模式常见的设计手法，六位思想家及其被提炼的思维特征如下：
| 思想家 | 模式要求模型吸取的思维方式 |
|---|---|
| Derek Cabrera | 强调边界、系统与观念之间动态交互的清晰性与结构性（DSRP 框架即由其提出） |
| Russell Ackoff | 关注整体系统而非孤立部分，重视系统目的如何驱动行为 |
| Peter Senge | 思考学习、反馈与心智模型如何塑造系统演化与适应 |
| Donella Meadows | 关注系统中的杠杆点——微小改变可能引发重大变化的位置 |
| Gregory Bateson | 从互联与沟通的角度，考察影响系统的关系与语境 |
| Jay Forrester | 分析创造行为模式的反馈回路与系统结构 |
五、任务指令剖析：四个追问方向
在Your Task一节，给定某个主题或焦点领域后，模式要求模型找出并探索其中关键的 Distinctions，且明确要求"不要只停留在显而易见的区分上"。原文给出四个层层递进的提问方向：
- 显式包含什么：哪些观念、要素或系统被明确划入讨论范围？
- 隐式排除了什么：哪些观念、概念或影响被有意或无意地遗漏、忽略？
- 边界如何构成理解系统：观念之间的界限/分界如何创造一套理解框架？要同时考虑"看得见的线"与"看不见的线"。
- 这些区分引入了哪些偏见与约束：它们如何限制思考、制造盲点？
最后强调："与其追求刚性分类，不如探索这些区分如何为理解主题打开或关闭通路。"——即分析的目的不是给文本贴标签，而是追踪边界对认知路径的塑造作用。
六、输出结构：每个区分都需回答的五问 + 全局反思
为了让输出稳定、可复用，该 Pattern 的Your Response一节给出了严格的输出模板：
6.1 针对每个区分必须回答的五问
- What is being distinguished?（被区分的是什么？）
- What is it being distinguished from?（它与什么相区分？）
- Why is this distinction significant?（这个区分为何重要？）
- What might this distinction reveal or obscure?（这个区分揭示了什么，又遮蔽了什么？）
- Are there any biases or assumptions embedded in the distinction?（区分中是否内嵌了偏见或假设？）
6.2 全局层面的两个附加反思
- 还有哪些不那么明显的区分未被讨论？如果把它们纳入，理解会发生什么改变？
- 这些区分如何交互？一条边界如何塑造另一条边界？作为系统的各个区分会涌现出哪些新属性？
6.3 对模型的开放性授权
输出要求以一句话收尾："Feel free to explore unexpected or tangential ideas. The goal is to discover new insights, not to conform to rigid answers."（可自由探索出人意料或旁支的想法，目标是发现新洞见，而非迎合标准答案。）——这说明该模式对输出的预期是开放、发散的，不以固定答案数量为合格标准。
七、实际操作：如何在 Fabric 中运行该 Pattern
7.1 确认模式已安装
Pattern 会被安装到本机用户配置目录~/.config/fabric/patterns/下（README 中的别名脚本即遍历该目录生成快捷命令）。可用列表命令确认：
fabric --listpatterns | grep dsrp应能看到identify_dsrp_distinctions、identify_dsrp_systems、identify_dsrp_relationships、identify_dsrp_perspectives四条。若缺失，可执行fabric --updatepatterns从仓库 data/patterns 同步最新模式。
7.2 标准调用方式：stdin 注入文本
Fabric 的 Pattern 通过管道从 stdin 接收待分析内容。以system.md末尾的INPUT:占位符为信号，实际调用时占位符会被真实内容替换。以 macOS 剪贴板内容为例（README 的官方示例风格）：
pbpaste | fabric --pattern identify_dsrp_distinctionsLinux 用户可先安装并别名pbpaste（README 原文推荐）：
sudo apt install xclip -y alias pbpaste='xclip -selection clipboard -o' pbpaste | fabric --pattern identify_dsrp_distinctionsWindows PowerShell 用户对应使用：
Get-Clipboard | fabric --pattern identify_dsrp_distinctions7.3 面向长文本与流式输出
对长文章，建议配合流式输出以尽快看到中间结果（README 中展示的模式用法）：
cat article.txt | fabric --pattern identify_dsrp_distinctions --stream如需将结果直接落盘，可追加输出参数（如-o指定输出路径）。
7.4 输出即结构化清单
该模式返回的结果并非散文式总结，而是按五问模板逐条列出的区分分析，外加"隐性区分"与"区分间交互"的反思段。这类结构化输出天然适合后续二次加工——例如灌入报告模板、汇总成思维导图，或交给create_summary等模式压缩成要点。
八、纵深拓展：四个 DSRP Pattern 的组合用法
单独运行identify_dsrp_distinctions只覆盖 DSRP 的第一个维度。从源码结构看，仓库把这四个模式做成同构（共享 Identity 段、共享系统思想家清单、仅替换概念章节与任务指令），显然鼓励用户把它们当作可拼接的思维工具组使用。
一个在分析论证类文本时可行的工作流是：先对同一输入依次运行四个模式——
cat doc.txt | fabric --pattern identify_dsrp_distinctions cat doc.txt | fabric --pattern identify_dsrp_systems cat doc.txt | fabric --pattern identify_dsrp_relationships cat doc.txt | fabric --pattern identify_dsrp_perspectivesidentify_dsrp_distinctions回答"文本划了哪些界、界内界外各是什么"；- identify_dsrp_systems 回答"这些观念如何组织为部分—整体结构、放大或缩小视界会看到什么"；
- identify_dsrp_relationships 回答"观念之间的因果、反馈、输入/输出等关系网络"；
- identify_dsrp_perspectives 回答"这些边界与关系是从谁的视角画出的、哪些视角缺席"。
从概念逻辑上看，四者是自洽的闭环：视角决定边界，边界圈出系统，系统内要素发生关系，而关系反过来印证视角。模式文件中 DSRP 四要素互为前提的表述（如 Perspectives 一节提到"改变视角会转换我们能看到/看不到的区分、关系与系统"）正是这种设计意图的直接证据。
九、典型应用场景与注意事项
综合 pattern_descriptions.json 的ANALYSIS/RESEARCH标签与模式本身的系统思维取向，该 Pattern 适合但不限于以下场景：
- 论点与主张审查：分析一篇文章或政策声明划分了哪些阵营、排除了哪些人，识别 us/them 式边界；
- 方案与产品决策：厘清一个方案"是"什么、"不是"什么，显性暴露取舍中隐藏的偏见；
- 术语与概念辨析：借助"区分词族"定位文本中 compare/define/identify 等概念词，反推作者的无意识划界；
- 研究与写作前奏：先做 Distinctions 分析，再进入关系、系统、视角分析，为深度研究提供发散底稿。
注意事项：
- 该模式是纯系统提示，无固定输出长度与条数约束，结果质量高度依赖输入文本的信息密度——输入越含混，输出越需要人工甄别；
- 结论需回到原文验证：模式会引导模型推测"未被讨论的隐性区分"，这部分属于推断性内容，使用时应回到原文核对边界是否真实存在；
- 四模式应配合使用而非互相替代：只跑 Distinctions 会漏掉系统层级、关系网络与视角问题，而单次输出无法覆盖 DSRP 全貌。
总的来说，identify_dsrp_distinctions是一个把 DSRP 认知理论工程化的分析型 Pattern：通过概念注入教会模型"什么是边界"，通过思想家引用设定思维风格，通过五问模板约束输出结构，最终把"做区分"这一最基础的思维动作，变成可重复、可审计、可组合的 AI 分析能力。无论用于审阅主张、梳理产品边界还是做研究预热，它都能帮助你把注意力从"文本说了什么"推进到"文本的边界让我们看不到什么"。
【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
 的前世今生与实战用法)
