这两天刷 GitHub，发现一个项目疯了似的涨星——上线不到一周，7600+ Star，Fork 超过 549+，问题区更是热闹得像菜市场。
随便点进去看一下，Issue 标题都能让人笑喷："爹味.skill"、"白月光.skill"、"前任.skill"…
原来这个叫 colleague-skill（同事.skill） 的项目，是想把我们身边那些离职同事、导师、搭档，用 AI 的方式"留下来"。
一个资深员工离职，带走的不只是人力，还有他多年沉淀的经验、对业务的理解、甚至是跟团队磨合出来的默契。这些东西很难量化，更难传承。
直到我看到了 colleague-skill 这个项目，感觉眼前一亮。
它不是简单的知识库问答，而是真的想把一个人的工作方式、说话风格、技术规范，全部"蒸馏"成一个 AI Skill——让他换个形式继续"陪伴"你。
项目介绍
colleague-skill 是由 @titanwings 开发、上海 AI 实验室 · AI 安全中心提供支持的开源项目。
它的核心理念很简单：提供同事的原材料（飞书消息、钉钉文档、邮件、截图）加上你的主观描述，生成一个真正能替他工作的 AI Skill。
这个项目的 slogan 特别有意思："将冰冷的离别化为温暖的 Skill，欢迎加入赛博永生！"
虽然听起来有点中二，但仔细想想还挺有道理的。在这个人员流动越来越快的时代，能把宝贵的经验留下来，确实是件很有价值的事。
项目刚上线几天，就已经有很多有趣的玩法了。有人做了"爹味.skill"，专门用来模拟那个说话总带说教味的前辈；有人求"白月光.skill"，想把当年暗恋的同事留下来；还有人开玩笑说要搞个"前任.skill"，让 AI 帮你分析前任当年为什么跟你分手…
虽然这些玩法有点搞笑，但也从侧面说明这个项目的想象力空间有多大。
核心亮点
colleague-skill 最牛的地方，在于它的 双层架构设计：
1、✨ Work Skill（工作能力层）
这一层负责沉淀技术规范、工作流程、经验知识库。比如：
这些都是实打实的工作能力，保证 AI 能真正帮你解决问题。
2、✨ Persona（人格层）
这一层就更有意思了，它通过五级结构来模拟人类行为模式：
运行逻辑也很清晰：接到任务 → Persona 判断态度 → Work Skill 执行 → 用他的语气输出。
这样生成的回复，不仅能解决问题，还特别"像"那个人。
功能特性
1、📊 多源数据采集，几乎涵盖所有办公场景
colleague-skill 支持的数据源简直不要太全：
2、🏷️ 丰富的标签支持，完美复刻同事性格
项目内置了超多标签，你可以随意组合：
个性标签： 认真负责 · 甩锅高手 · 完美主义 · 差不多就行 · 拖延症 · PUA 高手 · 职场政治玩家 · 向上管理专家 · 阴阳怪气 · 反复横跳 · 话少 · 只读不回 …
企业文化标签： 字节范 · 阿里味 · 腾讯味 · 华为味 · 百度味 · 美团味 · 第一性原理 · OKR 狂热者 · 大厂流水线 · 创业公司派 …
职级支持： 字节 2-13-3+ · 阿里 P5P11 · 腾讯 T1T4 · 百度 T5T9 · 美团 P4P8 · 华为 1321 级 · 网易 · 京东 · 小米 …
3、🔄 进化机制，越用越像
colleague-skill 不是一成不变的，它有一套完整的进化机制：
快速上手
好，说了这么多，让我们来看看怎么用。项目目前主要支持 Claude Code 和 OpenClaw 两种方式。
Claude Code 安装方式
# 安装到当前项目（在 git 仓库根目录执行） mkdir -p .claude/skills git clone https://github.com/titanwings/colleague-skill .claude/skills/create-colleague或安装到全局（所有项目都能用）
git clone https://github.com/titanwings/colleague-skill ~/.claude/skills/create-colleague
OpenClaw 安装方式
git clone https://github.com/titanwings/colleague-skill ~/.openclaw/workspace/skills/create-colleague如果需要使用飞书/钉钉自动采集等功能，还需要安装 Python 依赖：
pip3 install -r requirements.txt飞书/钉钉自动采集需要配置 App 凭证，详细说明请看项目中的 INSTALL.md 文件。
使用步骤
① 在 Claude Code 中输入：
/create-colleague② 按提示输入信息：
所有字段均可跳过，仅凭描述也能生成！
③ 调用生成的 Skill：
完成后用 /{slug} 调用该同事 Skill。
管理命令
数据质量建议
原材料质量决定 Skill 质量，建议优先收集：
项目结构
colleague-skill 遵循 AgentSkills 开放标准，整个 repo 就是一个 skill 目录：
create-colleague/ ├── SKILL.md # skill 入口（官方 frontmatter） ├── prompts/ # Prompt 模板 │ ├── intake.md # 对话式信息录入 │ ├── work_analyzer.md # 工作能力提取 │ ├── persona_analyzer.md # 性格行为提取（含标签翻译表） │ ├── work_builder.md # work.md 生成模板 │ ├── persona_builder.md # persona.md 五层结构模板 │ ├── merger.md # 增量 merge 逻辑 │ └── correction_handler.md # 对话纠正处理 ├── tools/ # Python 工具 │ ├── feishu_auto_collector.py # 飞书全自动采集 │ ├── feishu_browser.py # 飞书浏览器方案 │ ├── feishu_mcp_client.py # 飞书 MCP 方案 │ ├── dingtalk_auto_collector.py # 钉钉全自动采集 │ ├── slack_auto_collector.py # Slack 全自动采集 │ ├── email_parser.py # 邮件解析 │ ├── skill_writer.py # Skill 文件管理 │ └── version_manager.py # 版本存档与回滚 ├── colleagues/ # 生成的同事 Skill（gitignored） ├── docs/PRD.md ├── requirements.txt └── LICENSE项目还写了一篇技术论文《Colleague.Skill: Automated AI Skill Generation via Expert Knowledge Distillation》，详细介绍了系统设计、两层架构、多源数据采集、Skill 生成与进化机制，以及在真实场景中的评估结果。
感兴趣的话可以去看看！
写在最后
colleague-skill 这个项目，最打动我的不是技术有多酷炫，而是它背后的那个愿景——把人的工作经验结构化沉淀下来。
在这个快速变化的时代，人员流动是常态。但如果我们能把那些宝贵的经验、那些只可意会不可言传的默契，用 AI 的方式保留下来，那这件事就真的很有价值。
当然，目前它还是一个 beta 测试版本，还有很多可以完善的地方。但至少，它给了我们一个新的思路：离别不一定就是失去，换一种方式，也许还能继续"陪伴"。
正如项目 README 开头那段话所说："将冰冷的离别化为温暖的 Skill，欢迎加入数字生命 1.0！"
GitHub：
https://github.com/titanwings/colleague-skill
如果本文对您有帮助，也请帮忙点个 赞👍 + 在看 哈！❤️
在看你就赞赞我！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/255159.html