你是否遇到过这样的场景：

• 核心同事离职，知识和上下文一起带走；
• 交接文档只有几页，项目细节没人说得清；
• 新人接手后，代码风格、评审标准、沟通语气全部重置。

colleague-skill 想解决的，就是这类“人走经验散”的问题：把某位同事的工作经验和风格，沉淀成一个可调用的 AI Skill。

---

目录

• 1. 项目介绍
  • 1.1 colleague-skill 是什么？
  • 1.2 核心能力
  • 1.3 适用场景
  • 1.4 支持的数据来源
• 2. 环境准备
• 3. 安装指南
  • 3.1 在 Claude Code 中安装
  • 3.2 在 OpenClaw 中安装
  • 3.3 安装依赖（可选）
• 4. 使用教程
  • 4.1 创建同事 Skill
  • 4.2 调用与管理命令
  • 4.3 实战示例
• 5. 项目机制详解
  • 5.1 双模块结构：Work + Persona
  • 5.2 增量进化与版本回滚
• 6. 最佳实践与注意事项
• 7. 总结

---

1. 项目介绍

1.1 colleague-skill 是什么？

colleague-skill 是一个基于 AgentSkills 标准 的项目。它可以把“某位同事”的材料（聊天记录、文档、邮件、截图等）转化为可复用的 AI Skill。

生成后的 Skill 不只是“像他讲话”，还会尽量保留其工作方法、评审习惯和决策偏好。

项目地址：

• GitHub: https://github.com/titanwings/colleague-skill

---

1.2 核心能力

1. 同事画像生成

   • 输入：岗位、级别、标签、语料材料。
   • 输出：可调用的同事 Skill。

2. 工作风格 + 人格风格双通道

   • Work：技术规范、流程方法、经验知识。
   • Persona：表达语气、决策方式、人际倾向。

3. 可持续迭代

   • 新材料可追加分析并增量合并；
   • 支持“纠正式学习”（例如：他不会这么做，应改成xxx）；
   • 支持历史版本归档与回滚。

---

1.3 适用场景

• 核心成员离职后的知识延续；
• 导师/前辈经验复用；
• 团队风格统一（代码评审、文档标准、沟通口径）；
• 项目交接期的“上下文补全”。

---

1.4 支持的数据来源

当前 README 中提到的来源包括：

• 自动采集：飞书、钉钉（部分能力）、Slack
• 手动导入：PDF、截图、飞书 JSON 导出、.eml/.mbox 邮件、Markdown、粘贴文本
• 微信聊天记录：可通过第三方开源工具导出后再导入

提示：原始材料质量越高，生成 Skill 的效果越好。

---

2. 环境准备

建议准备：

• Git
• Python 3.9+
• 一个可运行 Skill 的环境（如 Claude Code 或 OpenClaw）

如果需要自动采集企业平台数据，还需要准备对应平台的 App 凭证与权限配置（详见项目 INSTALL.md）。

---

3. 安装指南

3.1 在 Claude Code 中安装

注意：应在 git 仓库根目录 执行。

mkdir -p .claude/skills
git clone https://github.com/titanwings/colleague-skill .claude/skills/create-colleague

如果你希望全局可用：

git clone https://github.com/titanwings/colleague-skill ~/.claude/skills/create-colleague

---

3.2 在 OpenClaw 中安装

git clone https://github.com/titanwings/colleague-skill ~/.openclaw/workspace/skills/create-colleague

---

3.3 安装依赖（可选）

pip3 install -r requirements.txt

如果你要启用飞书/钉钉/Slack 自动采集，请继续完成 INSTALL.md 里的凭证配置。

---

4. 使用教程

4.1 创建同事 Skill

在 Claude Code 中输入：

/create-colleague

根据提示填写（可部分跳过）：

• 同事别名/姓名
• 公司与职级（例如：字节 2-1 后端工程师）
• 性格标签（例如：INTJ、完美主义、甩锅高手）
• 数据来源（飞书、文档、邮件等）

完成后会生成一个 slug，用于后续调用。

---

4.2 调用与管理命令

常见命令如下：

• /list-colleagues：列出所有同事 Skill
• /{slug}：调用完整 Skill（Work + Persona）
• /{slug}-work：只调用工作能力
• /{slug}-persona：只调用人格风格
• /colleague-rollback {slug} {version}：回滚历史版本
• /delete-colleague {slug}：删除技能

---

4.3 实战示例

假设你创建了一个后端同事技能：

/dev-zhangsan

你可以这样提问：

帮我 review 这个 API 设计，重点看性能、规范和可维护性。

该 Skill 会倾向于按“这个同事的习惯”输出：

• 会不会先追问业务影响范围；
• 会不会强调统一返回结构；
• 会不会优先指出 N+1、索引、缓存等问题；
• 用接近该同事平时的表达方式反馈。

---

5. 项目机制详解

5.1 双模块结构：Work + Persona

项目将一个“人”的能力拆成两个层面：

1. Work Skill

   • 技术方案偏好
   • 代码规范与流程
   • 经验知识库

2. Persona

   • 表达风格
   • 决策方式
   • 对外沟通策略

运行逻辑可理解为：

接到任务 -> Persona 决定态度与语气 -> Work 执行专业内容 -> 输出

---

5.2 增量进化与版本回滚

这部分是项目实用价值的关键：

• 增量合并：追加材料时，优先“合并新信息”，而非暴力覆盖旧结论；
• 对话纠偏：你可以直接告诉系统“他不会这么说/做”，并立即生效；
• 版本管理：每次变更自动留档，可回滚。

这让 Skill 更像一个“可维护资产”，而不是一次性 Prompt。

---

6. 最佳实践与注意事项

1. 先收集高质量材料

   • 优先级建议：
     • 同事本人写的长文档/方案
     • 决策型对话记录
     • 日常聊天片段

2. 从小范围试点开始

   • 先选一个人、一个场景（如 code review）验证价值，再扩展。

3. 注意隐私与合规

   • 涉及企业内部数据时，要遵循公司制度和权限边界。

4. 不要过度拟人化依赖

   • Skill 是“经验压缩工具”，不是完整替代真人判断。

---

7. 总结

colleague-skill 的价值不在“模仿口头禅”，而在于把隐性经验显性化、可复用化。

如果你的团队长期受困于“人走知识散”，这个项目值得试一轮：

• 先用真实历史材料建立技能；
• 用增量更新持续维护；
• 用版本机制控制风险。

这样你得到的不是一次性的 Prompt，而是一个可演进的“团队知识体”。