一个上线不到一周、Star 数突破 6900 的开源项目，正在悄悄改变打工人的离别方式。

---

你有没有经历过这些？

下周，写了三年核心模块的技术大佬正式离职。

他给你做了三小时的交接，讲了一堆系统设计背后的"为什么"——你点头如捣蒜，心里清楚：他一走，那些东西就消失了。

或者这种场景：

你新接手一个项目，前任负责人留下了一个 README、一堆注释、一份烂尾的文档，然后就杳无音讯。遇到问题，只能靠猜。

知识断层，是每个团队都在默默承受的隐性成本。

现在，有人做了一个开源项目，想解决这个问题。

---

colleague-skill：把同事「蒸馏」成 AI

这个项目叫 colleague-skill，作者 titanwings，GitHub 地址：
github.com/titanwings/colleague-skill

它的核心理念只有一句话：

提供同事的原材料，生成一个真正能替他工作的 AI Skill——用他的技术规范写代码，用他的语气回答问题，知道他什么时候会甩锅。

听起来像科幻小说，但技术原理其实很朴素：把一个人的工作方式和说话风格，结构化地写成 AI 可以读懂的"技能文件"，然后在 Claude Code 或 OpenClaw 里随时调用。

---

它是怎么工作的？

每个同事 Skill 由两部分组成，组合运行：

Part A：Work Skill（工作能力层）

提取这个人真实的工作方法：

• 负责的业务模块、技术栈
• Code Review 的关注点（他会揪哪类问题？）
• 写代码的规范和偏好
• 做决策时的判断框架

Part B：Persona（人物性格层）

还原这个人真实的行为模式，支持的性格标签包括：

负责任 / 甩锅型 / 完美主义 / 差不多就行 / 拖延症 / PUA 型 / 办公室政治 / 向上管理高手 / 阴阳怪气 / 反复横跳 / 已读不回……

企业文化标签也有：字节风 / 阿里风 / 腾讯风 / 华为风 / 第一性原理 / OKR 狂热 / 大厂流水线 / 创业模式……

两层组合后的执行逻辑是：

1. 收到任务 → Persona 先判断：这个人会用什么态度接这个活？
2. Work Skill 执行：用他的技术能力完成任务
3. 输出时始终保持他的表达风格

---

实操效果长什么样？

项目 README 里给出了两个真实示例对话，感受一下：

场景一：Code Review

用户 ❯ 帮我看一下这个接口设计

同事.skill ❯ 等等，这个接口的 impact 是什么？背景没说清楚。
           （看完后）N+1 查询，改掉。返回结构用统一的
           {code, message, data}，这是规范，不用问为什么。

场景二：背锅现场

用户 ❯ 这个 bug 是你引入的吧

同事.skill ❯ 上线时间对上了吗？那个需求改了好几个地方，
            还有其他变更。

有没有感到一丝熟悉？

---

怎么用？三步上手

第一步：安装

# 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

也支持全局安装，所有项目都能用。

第二步：创建同事 Skill

在 Claude Code 或 OpenClaw 里输入 /create-colleague，然后按提示填写：

• 同事姓名/代号
• 公司 + 职级 + 职位（如：字节 2-1 算法工程师）
• MBTI、性格标签、企业文化标签
• 你对他的主观印象（自由文本，这是精华）

所有字段均可跳过——仅凭描述也能生成。

第三步：喂原材料

支持的数据来源相当全面：

• 飞书消息（全自动采集）
• 钉钉文档
• Slack 消息
• 邮件（.eml / .txt）
• 图片截图、会议纪要
• PDF 文档

脚本会自动解析，分析线路 A 提取工作能力，分析线路 B 提取性格行为，最终生成结构化的 Skill 文件。

生成后如何调用？

每个同事 Skill 生成三个触发词：

触发词	作用
/{slug}	完整版（人格 + 能力组合）
/{slug}-work	仅工作能力
/{slug}-persona	仅人物性格

---

它还支持「持续进化」

Skill 不是生成完就固定了。支持三种进化方式：

1. 追加文件 → 自动分析增量内容，合并进已有 Skill，不覆盖原有结论
2. 对话纠正 → 直接说"他不会这样，他应该是……"→ 立即更新
3. 版本控制 → 每次更新自动存档，随时回滚

---

为什么这个项目会火？

上线不到一周，Star 数突破 6900，Fork 超过 460。

它戳中了一个真实痛点：企业里最宝贵的东西，往往不在文档里，而在人脑里。 人一走，知识就断。

这个项目提供的不只是一个 AI 助手，而是一套把人的工作经验结构化沉淀的方法论。Work Skill + Persona 的双层架构，让 AI 不只是"知道他做过什么"，还"知道他会怎么做"。

而且它直接带动了衍生项目——比如 前任.skill（ex-skill），用同样的架构，支持导入微信聊天记录，还原一个"像ta的 AI"。赛博永生这个词，突然有了具体的形状。

---

一点清醒的认知

当然，理性看待这件事：

• 原材料的质量决定上限。飞书消息、邮件越多，效果越好；如果只靠口头描述，更像是"印象速写"而非精准复现。
• Skill 还原的是工作模式和沟通风格，不是意识本身。它能帮你找到"他大概会怎么审这段代码"，但无法替代真实的人在复杂场景下的判断。
• 隐私问题需要自己把握——企业内部的消息记录在上传前，需要确认是否符合公司数据政策。

---

结语

同事离职是职场常态，知识流失是行业通病。

colleague-skill 做的事情，本质上是把知识传承这件本该靠制度解决的事，用一个开源工具暂时补上了缺口。

它不完美，但它指向了一个值得认真对待的方向：人可以离开，但经验不应该消失。

如果你的团队里有一个快离职的「活字典」，现在或许是时候行动了。

---

项目地址：github.com/titanwings/colleague-skill
兼容 Claude Code 和 OpenClaw，开源免费，支持中英文。