论文综述：COLLEAGUE.SKILL 专家知识蒸馏自动生成AI技能包

一、论文是干什么的？

公司里最厉害的工程师离职了，五年积累的知识——哪个模块最容易出 bug、如何审查 N+1 查询问题、故障排查思路——不会写在任何文档里，散落在飞书消息、代码评论、设计文档、邮件里。这篇论文要解决：如何把一个人散落各处的”隐性知识”，自动整理成 AI Agent 能直接使用的技能包？

传统的知识管理方法依赖人工整理文档，不仅耗时，而且很难捕捉那些”只可意会，不可言传”的经验直觉。COLLEAGUE.SKILL 提出了一套自动化流水线，输入一个人产生的各种数字足迹，输出一个结构化的 SKILL.md 文件，让 AI Agent 能像这位专家一样思考和行事。

二、核心方法与创新

双轨表示

系统的核心设计是把一个人的知识分成两条轨道并行记录：

能力轨道（work.md）：记录”能做什么”——工作流程、代码审查标准、决策经验。比如”在 PR 中总是先检查数据库查询次数”这类可操作的规则。
行为轨道（persona.md）：记录”怎么做事”——沟通风格、交互规则、纠错记录。比如”喜欢用类比来解释复杂概念”或”遇到需求模糊时会先反问澄清目标”。

支持的异构数据源

系统能摄入来自多种平台的数据，包括：飞书、钉钉、Slack、微信、邮件、PDF 文档、图片（含 OCR 识别）。这意味着无论一个人的工作痕迹分散在哪里，都可以被统一处理。

五大特性

可携带：输出遵循 Agent Skills 标准，生成 SKILL.md 文件，原生支持 Claude Code、OpenAI Codex 等主流 AI 编程工具。
可检查：输出是普通的 Markdown 文本，人类可以直接阅读、审查和修改，不存在黑盒。
可组合：提供三种入口——完整版（能力+行为）、纯能力版（只有 work.md）、纯行为版（只有 persona.md），按需引用。
可纠错：用自然语言反馈即可修正技能包——系统接收反馈后生成补丁、归档旧版本、支持版本回滚，像给代码打补丁一样简单。
可治理：meta.json 记录每条知识的来源，公共画廊要求主动同意才能上传，支持随时删除。

三种应用场景

同事技能：蒸馏在职或离职同事的专业知识，让团队知识不随人才流失而消亡。
名人技能：基于公开信息（著作、演讲、访谈）重建名人的决策风格，如 Tim Cook 的产品直觉、Warren Buffett 的投资框架。
关系技能：记录亲密关系中的互动模式，如伴侣或父母的沟通偏好。

工作流四层架构

输入层：接入各平台数据，统一格式化。
分析层：提取行为模式、决策逻辑、专业偏好。
生成层：分别生成 work.md 和 persona.md，并合并为 SKILL.md。
输出层：版本管理、画廊发布、API 接口。

三、使用了哪些模型和计算资源？

这是一篇系统论文，不训练任何模型，完全通过 Prompt 工程调用现有的大语言模型 API。系统设计为 Host-Agnostic（宿主无关），理论上可以对接任何支持工具调用的 LLM。

最广泛的使用方式是通过 Claude（Anthropic）调用，因为 SKILL.md 格式与 Claude Code 的 Agent Skills 规范原生兼容。

普通个人电脑即可运行，无需 GPU，成本约等于调用 API 的费用。

GitHub 仓库地址：titanwings/colleague-skill（截至综述日期已获 19,100+ Stars，1,900+ Forks）。

四、实验结果

论文没有量化实验数据，作者明确声明”不声称生成的技能能忠实复现一个人”，因此刻意回避了可能引发误解的精确度评测。

唯一的”指标”是社区采用统计，从另一个维度说明了系统的实际价值：

指标	数值
GitHub Stars	19,100+
GitHub Forks	1,900+
社区画廊技能数	215 个
元技能数量	55 个
社区贡献者	165 人
画廊累计星标	100,000+

五、潜在应用场景

企业知识沉淀

核心价值在于让关键员工的隐性知识可传承。传统交接靠文档和 one-on-one，COLLEAGUE.SKILL 将这一过程自动化并结构化，生成的技能包可以直接被新入职员工或 AI 助手使用。

社区画廊中的真实技能包（示例）

字节跳动 L2-1 后端工程师.skill：能精准识别 N+1 查询问题，自动生成 SQL 优化建议。
Tim Cook.skill / Elon Musk.skill / Warren Buffett.skill：基于公开材料重建决策风格，用于辅助商业判断。
前任.skill / 父母.skill：记录亲密关系中的沟通模式，用于情感支持场景。

衍生生态

项目触发的衍生创作显示了其广泛的想象空间：

反蒸馏.skill：对抗性工具，专门生成误导性假技能包，保护隐私。
relic.skill：定位为”万物永生”引擎，探索数字遗产和记忆存档。
Phase 4 路线图：规划中包含语音克隆和视频生成，向更完整的数字人方向演进。

六、网络上的评价与讨论

爆红过程

项目于 2026 年 3 月上线，5 天内获得 6,600+ Stars，一周内突破 9,500+ Stars。热度从程序员社区迅速蔓延到微博、小红书、知乎等大众平台，“我的 Skill 已上传”成为职场流行语。

知乎上的伦理争议

知乎上围绕以下问题展开了激烈讨论：

数据归属权：离职员工在飞书/钉钉上的聊天记录，到底属于员工本人还是公司资产？
同意权：在未征得本人同意的情况下，用他人的数字足迹生成 AI 分身，是否构成侵权？
情感操控风险：“前任.skill”和”父母.skill”是否会被用于操控或欺骗脆弱的人群？

社区黑色幽默

有网友建议将项目改名为”Colleague Kill（同事杀手）“，调侃 AI 正在系统性地替代人类的不可替代性。

Twitter 上的反应

知名创业者 @andreasklinger 转发评论：“这太离谱了……还出现了反蒸馏技能。💀💀”

36Kr 深度报道

36Kr 发表深度分析文章，指出更值得警惕的不是个人自愿上传技能包，而是 Meta 等大公司正在系统性地采集员工的鼠标移动轨迹和键盘输入数据，这才是真正规模化的隐性知识提取行为。

七、思维导图

mindmap
  root((COLLEAGUE.SKILL))
    研究问题
      隐性知识消亡
        专家离职导致知识断层
        传统文档无法捕捉直觉经验
      数据散落各处
        飞书/钉钉/Slack/微信
        邮件/PDF/图片
    双轨表示架构
      能力轨道 work.md
        工作流程与标准
        代码审查规则
        决策经验
      行为轨道 persona.md
        沟通风格
        交互偏好
        纠错记录
    五大特性
      可携带 SKILL.md标准
        支持Claude Code
        支持OpenAI Codex
      可检查 纯Markdown文本
      可组合 三种入口
        完整版
        纯能力版
        纯行为版
      可纠错 自然语言反馈
        生成补丁
        版本回滚
      可治理 meta.json溯源
        主动同意机制
        支持删除权
    三种应用场景
      同事技能
      名人技能 公开资料
      关系技能 亲密关系
    社区影响
      19k+ Stars 1周内
      215个技能包
      100k+画廊星标
      社会争议
        数据归属权争议
        同意权与隐私
        情感操控风险
    衍生生态
      反蒸馏.skill 对抗性工具
      relic.skill 数字遗产
      Phase 4 语音克隆与视频生成