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.SKILL5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。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。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-skillOpenClaw 使用 ~/.openclaw/workspace/skills/dot-skillCodex 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/colleague8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Colleague.SKILL把同事变成技能 - 汇智网
Colleague.SKILL：把同事变成技能
发布时间：2026/6/3 16:54:35
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.SKILL5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。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。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-skillOpenClaw 使用 ~/.openclaw/workspace/skills/dot-skillCodex 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/colleague8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Colleague.SKILL把同事变成技能 - 汇智网
