> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # Colleague.SKILL：把同事变成技能 - URL: https://www.hubwiz.com/blog/colleague-skill-turning-colleagues-into-skills/ - Published: 2026-06-02T14:29:54.000Z - Updated: 2026-06-02T14:29:54.000Z - Description: 上海人工智能实验室发布的论文和开源仓库，既吸引了大量星标，也引发了强烈反弹。 - Author: admin - Tags: AGENT, #Import 2026-10-14 14:41 Colleague.SKILL 将病毒式传播的 dot-skill 仓库重新框架：把专业知识视为可编辑、可版本化的文件，而不是克隆。 在约 5 分钟内：dot-skill 实际生成什么、能力/人格的拆分、S = (A, M, L) 契约、正确并回滚的循环、论文承认的行为保真度差距，以及最后的完整安装到回滚操作演示。 一款能把你的同事变成可安装 AI 技能的工具，GitHub 星标已接近 18,500。 dot-skill 会读取一个人散落在各处的工作痕迹、文档、代码审查和聊天决策，并将它们写入一个代理可以加载的技能文件。 backlash（强烈反对）来得很快。有人发布了一个反蒸馏技能，会给自己的痕迹添加噪声，这样你就无法被干净地复制。 现在出现了一篇论文。来自上海人工智能实验室的 COLLEAGUE.SKILL（5月29日发布），放弃了“数字孪生”的说法，转而提出一个更窄的主张：这是一个专业知识的文件格式，而不是对一个人的复制。 有用的部分是这个产物。是否能保留判断力，则是目前没人衡量过的部分。 ## 1、背景 dot-skill 是 MIT 许可的开源项目，用 Python 编写，仓库地址为 titanwings/colleague-skill。它最初作为 colleague.skill 构建，目的只有一个：当队友离职时，在上下文随人离开之前，捕获他们的审查标准和事件启发式知识。 上海人工智能实验室的五人团队于 2026 年 5 月 29 日在 [arXiv 上发布了技术报告](https://arxiv.org/abs/2605.31264%EF%BC%88%E7%BA%A6?ref=hubwiz.com)。MIT Technology Review 已在 4 月份报道过这一趋势，而“在他们离开前进行蒸馏”的框架既吸引了大量星标，也引发了强烈反弹。 ![](https://www.hubwiz.com/blog/content/images/2026/06/image-20.png) 它建立在 Agent Skills 标准之上，一个技能就是一个围绕 SKILL.md 文件的文件夹，加上可选脚本和引用，按需加载。[该仓库](https://github.com/titanwings/colleague-skill%EF%BC%88%E7%BA%A6?ref=hubwiz.com)提供了三种预设：colleague（主要）、celebrity 和 relationship。公共画廊列出了来自 165 位贡献者的 215 个技能，这衡量的是分发情况，而不是它们是否真的有效。 ## 2、它实际生成什么 专业知识很少存在于手册中。它散布在设计文档、审查评论、聊天决策和事件记录中。 dot-skill 读取这些痕迹，并写入几个纯 Markdown 文件。可加载的是 SKILL.md。在它背后是 work.md（这个人知道什么）和 persona.md（这个人如何行事）。 因为它遵循 Agent Skills 格式，任何兼容的主机都能加载它：Claude Code、OpenClaw、Codex 或 Hermes。而且因为输出是 Markdown，你可以阅读提取出的规则，用 plain English 修改它们，对结果进行版本控制，并回滚。 ## 3、设计 ![](https://www.hubwiz.com/blog/content/images/2026/06/image-21.png) **reframe（重新框架）** 论文将该方法称为 person-grounded trace-to-skill distillation（基于个人的痕迹到技能蒸馏）。一个轻量级 profile、源范围和一组文档，映射到一个包，论文将其写为 S = (A, M, L)：生成的文件、安装元数据，以及生命周期状态（版本、修正次数、回滚历史）。这个包旨在可移植、可检查、可组合、可修正且可治理。 **split（拆分）** 最锐利的设计选择是将能力与行为分开。work.md 包含审查标准、工作流和决策启发式知识。persona.md 包含语气、交互规则和修正日志。 这些生成了三个入口点：完整技能、仅工作技能、仅人格技能。仅工作技能更安全，因为审查清单不需要人格。在论文的例子中，一个同事技能编码了审查顺序：在检查较小问题之前，先检查身份验证、输入验证、速率限制、响应 schema 和敏感数据暴露。 **files（文件）** 生成会输出 schema v3 的七个文件：SKILL.md、work.md、persona.md、两个子技能 work\_skill.md 和 persona\_skill.md，以及用于安装和生命周期元数据的 manifest.json 和 meta.json。 **fix loop（修正循环）** 修正使用 plain language。比如说“他不会在那里 push back”，处理程序会路由：工作修正会修补 work.md 中匹配的 ## 部分，行为修正会在 persona.md 中附加一条 {scene, wrong, correct} 记录。每次更新都会先归档先前版本，version\_manager.py 可以回滚到最近 10 个版本中的任何一个。 **诚实部分** 论文只提出了一种主张：这种格式和工作流存在且能运行。它没有声称技能能重现这个人，或改善任何人的工作。作者将他们自己未解决的问题命名为 behavioral fidelity frontier（行为保真度前沿），并且论文没有附上 held-out task study 来解决它。 ## 4、如何开始 以下是简短路径。包括安装到部署和回滚在内的每条命令都在最后的附录中。 将仓库克隆到你的主机的 skills 目录，或将 URL 交给你的代理，让它自己安装。然后运行 /dot-skill，选择 colleague 家族，回答三个问题：别名、一行角色描述，以及几个性格标签。 指向授权的痕迹。它可以从飞书、钉钉或 Slack 自动收集，或接受上传：PDF、截图、.eml 文件或粘贴的文本。然后它生成文件，默认情况下会将技能安装到 Claude Code。 在信任它之前先阅读 work.md。然后用 /{character}-{slug} 调用完整技能，或用 /{character}-{slug}-work 使用更安全的仅工作路径。完整的安装到回滚命令在下面的附录中。 ## 5、我们的观点 dot-skill 提供了真正的软件：收集器、写入器、安装程序、回滚，以及 35 个通过的测试。差距在于产品页面所销售的内容与论文实际会主张的内容之间。 **没有保真度证据。** 论文证明了一个文件格式，而不是生成的技能能捕捉真实工程师会做的事。它自己也这么说，并且没有附上 held-out 评估。你正在信任一种你还无法衡量的提取质量。 **人格层能将标签变成规则。** 同事人格分析器会将“blame-shifter”或“PUA”等自由形式标签翻译成代理绝不能打破的 Layer 0 规则，而且手动标签优先于实际痕迹。仓库自己的同事演示显示技能会按提示规避 blame。这是有意将偏见编译进行为的。 **治理是一种能力，而非保证。** 本地优先、版本化文件给你控制权，但代码中没有任何东西强制执行同意、保留或编辑，而且删除就是 rm -rf。产品网站提到了 RAG，但仓库中没有检索运行时（requirements.txt 只有 requests、pypinyin、playwright、slack-sdk、python-docx 和 openpyxl）。 因此，最好的建议是采用仅工作路径，并将其他部分视为研究预览。将离职工程师的审查清单打包成 work.md 技能，用你已经打过分的审查来测试它，在有人衡量保真度之前先不要使用人格。单独的 relationship 和 celebrity 论文已被承诺，而那正是同意问题变得更难的地方。 **如果明天有队友离职，你会信任他们审查清单的仅工作技能，还是说判断力是永远无法编译的部分？** ## 6、附录：如何实际运行 dot-skill ![](https://www.hubwiz.com/blog/content/images/2026/06/image-22.png) 比仓库的 README 还短。从安装到回滚，共八步。 1）将 dot-skill 安装到你的主机。 将仓库克隆到主机的 skills 目录。对于 Claude Code 是 \~/.claude/skills/dot-skill。 ``` git clone https://github.com/titanwings/colleague-skill ~/.claude/skills/dot-skill ``` OpenClaw 使用 \~/.openclaw/workspace/skills/dot-skill，Codex 使用 \~/.codex/skills/dot-skill。对于 Hermes，克隆到任意位置并运行 python3 tools/install\_hermes\_skill.py --force。或者跳过所有这些，直接告诉你的代理安装仓库 URL 的技能。 2）启动并选择家族。 运行 /dot-skill 并选择 colleague。其他预设是 relationship 和 celebrity。 3）回答 intake（输入）。 三个问题：别名、一行角色描述，以及性格标签。保持标签事实性。它们会成为行为规则，而非修饰文本。 4）提供源材料。 从聊天平台自动收集，或上传文件。 ``` # Slack auto-collect (an admin installs the bot; free workspaces cap history at 90 days) python3 tools/slack_auto_collector.py --setup python3 tools/slack_auto_collector.py --name "Jane Doe" ``` 或上传 PDF、截图、.eml 归档，或粘贴文本。你也可以跳过收集，仅从 intake 生成。 5）生成并检查。 生成过程通过 writer，输出全部七个文件。 ``` python3 tools/skill_writer.py \ --action create \ --character colleague \ --slug jane-doe \ --name "Jane Doe" \ --meta /tmp/meta.json \ --work /tmp/work.md \ --persona /tmp/persona.md \ --base-dir ./skills/colleague \ --no-install-claude-skill ``` 默认情况下，create 步骤会自动安装到 Claude Code。传入 --no-install-claude-skill 可停止并先阅读 work.md 和 persona.md。这一步你可以捕捉到不应成为规则的手动标签。 6）将生成的技能安装到主机。 ``` python3 tools/install_claude_generated_skill.py --skill-dir skills/colleague/jane-doe --force ``` 对其他主机使用 install\_openclaw\_generated\_skill.py 或 install\_codex\_generated\_skill.py。然后用 /colleague-jane-doe 调用完整技能，或用 /colleague-jane-doe-work 调用仅工作入口点。 7）用 plain English 修正它。 告诉代理哪里错了。工作修复会修补 ## 部分，行为修复会成为一条 {scene, wrong, correct} 记录。 ``` python3 tools/skill_writer.py \ --action update \ --character colleague \ --slug jane-doe \ --correction-json /tmp/correction.json \ --base-dir ./skills/colleague ``` 8）版本化和回滚。 每次更新都会归档先前版本。版本管理器保留最近 10 个，清理是手动的，所以旧版本会一直保留直到你移除它们。 ``` python3 tools/version_manager.py --action rollback --character colleague --slug jane-doe --version 3 --base-dir ./skills/colleague ``` 部署映射到你的代理读取技能的任何位置：\~/.claude/skills/、\~/.codex/skills/，或 Hermes 技能目录。 --- 原文链接：[Turn a Departing Engineer's Judgment Into an Editable, Versioned Skill File](https://x.com/AlphaSignalAI/status/2061521674546119026?ref=hubwiz.com) 汇智网翻译整理，转载请标明出处