近期 GitHub 上一个开源项目强势出圈，colleague-skill（同事.skill）上线不到一周，就斩获 7600+ Star、549+ Fork，问题区的讨论更是热闹非凡，「爹味.skill」「白月光.skill」「前任.skill」等趣味话题层出不穷。这个看似小众的项目，凭借 “用 AI 留住身边人” 的独特理念，戳中了无数人的痛点，也让 “数字遗产” 的传承有了全新的打开方式。
职场中最遗憾的事，莫过于资深员工的离职带走了难以量化的宝贵财富 —— 多年沉淀的行业经验、对业务的深度理解、和团队磨合出的工作默契，这些口口相传、只可意会的内容，往往随着人员流动烟消云散，成为团队发展的隐形损失。而 colleague-skill 的出现，恰好填补了这一空白。
该项目由 @titanwings 开发，背靠上海 AI 实验室・AI 安全中心的技术支持，核心理念十分直白：只需提供离职同事、导师或搭档的办公数据素材，比如飞书消息、钉钉文档、工作邮件、业务截图，再加上对其的主观描述，就能将这个人的工作能力、说话风格、行为模式全部 “蒸馏” 成一个 AI Skill，让他以数字形式继续 “陪伴” 团队工作，真正实现经验的永久传承。项目那句 “将冰冷的离别化为温暖的 Skill，欢迎加入赛博永生！” 的 slogan，看似中二却精准诠释了其核心价值，在人员流动常态化的当下，这份对经验的留存显得尤为珍贵。
上线数日，colleague-skill 就被网友玩出了各种花样，衍生出一系列趣味衍生项目：有人开发「前任.skill」，让 AI 复刻前任的说话方式，甚至分析分手原因；有人打造「白月光.skill」，留住心中难忘的那个 TA；还有人做「yourself-skill」，选择把自己的能力和性格炼成 AI，提前开启个人的 “数字永生”。这些有趣的玩法，不仅让项目的热度持续攀升，更印证了其背后巨大的想象空间，它不仅能用于职场经验传承，更能延伸到情感陪伴、个人能力复刻等多个场景。
能快速出圈并收获认可，colleague-skill 的硬核技术实力是核心支撑，其中双层架构设计更是其最大亮点，让 AI 复刻的 “同事” 不止于表面，而是真正能做事、有性格的 “数字分身”。
工作能力层（Work Skill）：实打实的业务解决能力
这一层专注于沉淀专业的工作硬实力，把目标人物的技术规范、工作流程、经验知识库进行结构化提取，比如团队专属的接口设计规范、业务问题的排查思路、统一的代码风格、业务的历史背景与发展脉络等。通过这一层的构建，让 AI 拥有实打实的工作能力，能真正接手具体业务问题，成为团队的 “技术后盾”。
人格层（Persona）：高度还原的个人行为模式
如果说工作能力层是让 AI “会做事”，那人格层就是让 AI “像本人”。该层级通过五级结构精准模拟人类的行为模式，从底层规则到表层表达实现全方位复刻：
-
硬规则：工作中绝对不能触碰的底线和原则；
-
身份：在团队中的角色定位，是技术负责人还是执行岗，是前辈还是新人；
-
表达风格：说话是直来直去还是委婉含蓄，是严肃专业还是幽默风趣；
-
决策模式：做判断时是激进冒险还是保守稳健，是重数据支撑还是凭行业直觉；
-
人际行为：和团队相处的特点，是勇于担责还是爱推诿甩锅，是擅长向上管理还是专注埋头做事。
项目的运行逻辑也十分清晰：接到工作任务后，先由人格层判断应对态度，再交由工作能力层执行具体操作，最后以目标人物的专属语气输出结果，让回复既解决问题，又充满 “个人特色”。
除了核心架构，colleague-skill 的三大功能特性更是让其实用性拉满，兼顾了采集的全面性、复刻的精准性和使用的成长性。
-
多源数据采集，覆盖全办公场景
项目支持的数据源几乎囊括了所有办公场景，既有飞书、Slack 的 API 自动采集，也支持钉钉浏览器采集、微信聊天记录解析，同时还能手动上传 PDF、截图、邮件、Markdown 文件，甚至直接粘贴文字描述。不同采集方式适配不同平台特性，比如飞书仅需输入姓名就能全自动采集，最大程度降低了数据收集的门槛。
-
丰富标签体系，精准复刻性格与职场属性
内置超全标签库，可自由组合打造专属 “数字同事”：个性标签涵盖认真负责、拖延症、阴阳怪气等上百种特质，精准还原个人性格；企业文化标签包含字节范、阿里味、腾讯味等大厂特色，适配不同职场环境；更支持字节、阿里、腾讯、华为等主流企业的职级标注，从底层贴合目标人物的职场定位。
-
动态进化机制，让 AI 越用越像本人
colleague-skill 并非一成不变的静态模型，而是拥有完整的进化体系：追加新的办公文件后，系统会自动分析增量内容并融合进原有模型，不覆盖已有结论；使用中若发现 AI 表达不符，只需说出 “他不会这样，应该是 xxx”，纠正内容会立即写入 Correction 层生效；每次更新都会自动存档，支持随时回滚到任意历史版本，让模型在使用中不断优化，无限贴近本人。
为了让普通用户也能轻松上手，colleague-skill 目前已适配 Claude Code 和 OpenClaw 两大主流平台，安装和使用流程简单易懂，核心操作几步就能完成。
快速安装
Claude Code 安装
可选择安装到当前项目或全局，满足不同使用需求：
plaintext
# 安装到当前项目（git仓库根目录执行）
mkdir -p .claude/skills
git clone https://github.com/titanwings/colleague-skill .claude/skills/create-colleague
# 安装到全局（所有项目可用）
git clone https://github.com/titanwings/colleague-skill ~/.claude/skills/create-colleague
OpenClaw 安装
plaintext
git clone https://github.com/titanwings/colleague-skill ~/.openclaw/workspace/skills/create-colleague
若需使用飞书、钉钉自动采集功能，需额外安装 Python 依赖：
plaintext
pip3 install -r requirements.txt
飞书 / 钉钉自动采集需配置 App 凭证，详细步骤可参考项目 INSTALL.md 文件。
简单使用
-
在 Claude Code 中输入指令
/create-colleague，启动创建流程； -
按系统提示输入信息，包括同事姓名、公司职级、性格标签、数据来源，所有字段均可跳过，仅凭主观描述也能生成 AI Skill；
-
生成完成后，输入
/{slug}即可调用专属同事 Skill，开展工作交互。
同时，项目还提供了完善的管理命令，支持列出所有 AI 同事、单独调用工作能力 / 人格层、版本回滚、删除模型等操作，全方位满足使用和管理需求。
值得一提的是，colleague-skill 的模型质量取决于原始素材的质量，建议优先收集目标人物主动撰写的长文、决策类工作回复，搭配日常聊天记录和长文档，比单纯的手动描述复刻效果更佳。
从项目结构来看，colleague-skill 严格遵循 AgentSkills 开放标准，整个仓库为一个完整的 skill 目录，包含 Prompt 模板、Python 工具、生成的同事 Skill 等核心模块，其中 Prompt 模板负责信息录入、能力提取、模型生成，Python 工具实现各平台数据采集、版本管理等功能，模块划分清晰，便于开发者二次开发和优化。项目还发布了技术论文《Colleague.Skill: Automated AI Skill Generation via Expert Knowledge Distillation》，详细拆解了系统设计、架构原理、进化机制及真实场景评估结果，为行业提供了可参考的技术思路。
colleague-skill 的爆火，并非只因酷炫的技术，更在于其背后温暖且有价值的愿景 —— 让不可量化的人类经验，以结构化的数字形式永久留存。在这个快速变化、人员流动频繁的时代，我们总在失去那些珍贵的 “隐性财富”，而这个项目给了我们一个全新的思路：离别不一定是终点，换一种方式，那些重要的人依然能以数字形式，继续参与我们的工作和生活。
目前该项目仍处于 beta 测试版本，还有诸多细节等待完善，但它已然为 “数字遗产” 的传承、职场经验的沉淀打开了新的大门。未来，随着技术的不断优化，或许我们能看到更多行业的经验通过这种方式被留存，让每一份宝贵的知识和记忆，都能在数字世界中实现 “永生”。
项目 GitHub 地址：https://github.com/titanwings/colleague-skill