安装了同事.skill，你的同事就被"炼化"了？

• 你的同事被"炼化"了，他知道吗？

• colleague-skill 5天破万星：一场关于打工人数字资产的博弈

• 同事.skill替代不了同事，但它让每个人都开始害怕被替代

一个让人细思极恐的场景，先抛出来。

你最仰赖的技术骨干提交辞呈，两周后即将离开。HR 还在走离职手续，你已经打开 GitHub，把他三年积累的飞书消息、钉钉文档、设计评审邮件一股脑导进去，跑了一遍脚本，生成了一个.skill文件。

他人走了，但他的工作方式留下来了。

他本人不知道。也没有人问过他是否同意。

这不是科幻小说。2026 年 3 月 30 日，上海人工智能实验室的一名24 岁工程师把 [colleague-skill]（同事.skill）推上 GitHub，配了一句令人玩味的介绍：将冰冷的离别化为温暖的 Skill，欢迎加入数字生命 1.0。

项目地址：https://github.com/titanwings/colleague-skill

5 天内，这个项目收获 6600+ Stars；到 4 月中旬，Stars 突破 13.4k，Fork 数达 1.2k。这个速度，不输任何一个现象级开源项目。

它引发了技术圈的集体亢奋，也引发了打工人的集体焦虑。这两种情绪，背后的问题其实是同一个。

同事.skill的的本质到底是什么？真的能替代同事吗？对企业和打工人，它究竟意味着什么？还有那个更大的问题，当你老去之后，你愿意用自己的数据，为自己留下一个数字延伸吗？

这篇文章，王吉伟频道就跟大家聊聊这些。

.skill 文件是个什么东西

很多人看到 colleague-skill 的第一反应是：不就是个"AI 人设提示词"加强版吗？

这个判断有一定道理，但只看到了表层。要真正理解 colleague-skill，必须先理解它依托的底层标准：Agent Skills。

2025 年 10 月，Anthropic 发布 Agent Skills，最初是作为"教 Claude 可重复执行工作流"的内部机制。2025 年 12 月 18 日，Anthropic 正式将其作为开放标准发布，规格文档和 SDK 挂在 agentskills.io 上。

此后，Microsoft（VS Code / GitHub）、Cursor、Codex CLI、Goose、Amp 等主流平台相继支持，Skill Marketplace 收录的技能包迅速突破 70 万个。

Agent Skills 的本质是什么？一个.skill文件夹，包含指令、脚本、资源、元数据，告诉 AI Agent"你是谁、你能干什么、你按什么方式干"。可供智能体发现、调用、复用，装在哪个 Agent 平台上，它就在哪里工作。

这里有个绝佳的类比：把它想象成 Docker 里的Dockerfile。Dockerfile定义了一个可移植、可复现的运行环境；.skill定义了一个可移植、可复现的"工作能力单元"。前者装的是软件环境，后者装的是人的工作方式。

这也是 Anthropic 向 AI 基础设施贡献的第二个重要开放标准。第一个是 MCP，解决工具连接问题；第二个是 Agent Skills，解决能力定义和复用问题。两个标准的打法高度一致：解决真实痛点，开放发布，靠实用性驱动采用，而不是靠生态锁定。

Constellation Research 分析师 Holger Mueller 对此保持审慎，他表示"单一供应商很少能独自制定标准，MCP 的成功不代表历史一定重演"。但从目前的采用情况来看，这场标准战争 Anthropic 暂时领先。

colleague-skill 的技术本质：专家知识蒸馏，双层架构

理解了 Agent Skills 标准，再来看 colleague-skill 做了什么。

项目的同名论文标题直接点明了方向：Colleague.Skill: Automated AI Skill Generation via Expert Knowledge Distillation，中文就是"通过专家知识蒸馏实现自动化 AI 技能生成"。

"蒸馏"这个词来自深度学习的 Knowledge Distillation，通常指把大模型知识压缩进小模型。colleague-skill 借用了这个概念，但方向调转了 180 度：不是压缩模型，而是把人类专家的工作知识提取出来，压进一个 AI Skill。

项目的技术架构是双层结构。

Work Skill（工作技能层）提取的是"这个人如何工作"：解决问题的方法论、决策框架、业务流程的处理方式、沟通风格中的专业判断。这部分对应可言说的"显性知识"，相对容易被蒸馏。

Persona（人格层）提取的是"这个人是谁"：语言习惯、表达风格、思维路径、价值取向。项目允许用户添加对此人的主观描述，作为数据采集的补充。

两层叠加，生成的不只是"会这个人方法论的 AI"，而是"说话方式、工作风格都接近这个人的 AI Skill"。

数据源支持与质量权重如下：

数据类型

支持状态

质量权重

飞书消息记录

✅ 已支持

高（尤其决策类回复）

钉钉文档

✅ 已支持

Slack 消息

✅ 已支持

工作邮件

✅ 已支持

截图（OCR 解析）

✅ 已支持

主观文字描述

✅ 已支持

低（作为补充）

项目 README 对原材料质量给出了明确的优先级：他主动写的长文 > 决策类回复 > 日常消息。蒸馏质量不取决于数据量，而取决于数据中包含了多少"他真正在动脑子"的内容。

怎么安装和使用？流程拆解

对想动手的读者，可以参考下面的流程。

1. 安装环境

推荐使用 Claude Code 或 OpenClaw 等支持 AgentSkills 的 AI 编程环境。 在终端执行以下命令安装依赖：

pip3 install -r requirements.txt

2. 创建同事

Skill 在支持的 AI 编辑器（如 Claude Code）中输入命令：

/create-colleague

按提示填写以下信息：

• 姓名或代号（如“张三”）

• 公司与职级（如“字节 2-1 后端工程师”）

• 性格标签（如“INTJ, 甩锅高手, 字节范”）

• 数据来源：可选飞书、钉钉、微信、邮件、PDF、Markdown 等

3. 调用同事

Skill 创建成功后，通过以下命令调用：

• 完整模式（含性格 + 工作能力）：`/{slug}`（如 `/zhangsan`）

• 仅工作能力：`/{slug}-work` - 仅性格模拟：`/{slug}-persona`

4. 管理与维护

• 列出所有已创建的同事：`/list-colleagues`

• 删除某位同事：`/delete-colleague {slug}`

• 回滚到历史版本：`/colleague-rollback {slug} {version}`

• 追加新数据后，系统会自动增量合并并更新 Skill

支持的数据来源

• 飞书：自动采集群聊、私聊、文档、多维表格（需 API 或浏览器登录态）

• 钉钉：支持文档与多维表格，历史消息需手动导出或通过浏览器插件采集

• 微信：需使用开源工具（如 `WeChatMsg`、`PyWxDump`）先导出聊天记录再导入

• 其他：支持上传 PDF、图片、邮件（.eml/.mbox）、直接粘贴文本等

安全层面，项目声称数据全部本地处理、不外传，隐私数据自动脱敏，用户删掉技能后本地数据彻底清空。这些承诺在开源代码中可以验证，但在企业场景使用前，建议做独立安全审计。项目目前是 beta 版本，不建议直接在未审计的情况下接入生产系统。

真的能替代同事吗？冷静做一次能力边界测试

这是本文最核心的问题。王吉伟频道直接给出判断：不能完全替代，但能局部补位，替代率取决于岗位性质和任务类型。

按场景分类来看。

能较好复刻的场景（替代率较高）：常见问题的标准答复、历史文档检索与解读、固定协作流程的推进（如代码 Review 初步意见生成、周报格式输出）、特定沟通风格的模仿（邮件回复语气、方案文档的表达方式）、知识沉淀型工作（FAQ 维护、文档更新）。

这些场景有一个共同特征：答案可以从过去的行为中归纳，且容错成本较低。

替代率极低的场景：在不确定信息下做高风险决策；对新出现的、无历史参照的问题给出判断；情感性的人际沟通（安抚团队情绪、处理组织冲突）；需要实时上下文感知的创意工作；涉及伦理判断的复杂场景。

开发者本人在采访中直接说明了这个边界：AI 目前能干的是一些重复性、流程化的事，比如回答常见问题、查历史文档、走固定协作流程。但真人的判断力、创造力、临场应变、情感沟通、复杂决策，AI 现在都学不会也做不到。

从技术原理上看，colleague-skill 本质上是基于提示词工程的文本生成工具，加上结构化的历史行为归纳。它能复刻方法论，但无法复刻那些从未被文字表达出来的东西：凭直觉察觉到项目快出问题、在关键会议上读懂老板的潜台词、客户饭局上那句化解尴尬的话。

这在学术上叫默会知识（Tacit Knowledge），是哲学家波兰尼（Michael Polanyi）1966 年就指出的一个基本事实：我们知道的，永远多于我们能说出来的。蒸馏只能蒸馏出能被语言表达的那部分。

Persona Drift：你的数字同事正在"人格漂移"

还有一个被严重低估的技术挑战。

即便在能力范围内，colleague-skill 生成的 AI 人格也面临一个根本性问题：Persona Drift（人格漂移）。

Persona Drift 是指，当 LLM 被指令扮演特定人格时，随着对话轮次增加，它会逐渐偏离预设人格，表现为输出越来越泛化、矛盾、以模型自我为中心，甚至出现怪异行为。

2026 年 1 月的研究数据显示，在 Gemma 2 27B、Qwen 3 32B、Llama 3.3 70B 等主流指令微调模型上，连续对话 10-15 轮后，人格一致性指标（Assistant Axis 投影）出现 20-40% 的逐轮下降。

扩展阅读：[EmergentMind Persona Drift 综述]https://www.emergentmind.com/topics/persona-drift

用人话翻译：你装了一个"老王.skill"，前五轮对话，他说话挺像老王。聊到第十五轮，他给的答案是老王绝对不会给的东西，或者他开始用一种奇怪的方式表达自己。所以，老王.skill再进化，也体会不到隔壁老王心里的些许想法。

这不是 colleague-skill 的 bug，而是"让 LLM 扮演特定人格"这条技术路线的系统性缺陷。现有缓解方案包括定期重置上下文、多轮后强制加载 SKILL.md 重新锚定人格，但这些都是补丁，不是根治。

结论是：用 colleague-skill 处理单次、短交互任务，结果相对稳定可控；如果期望它作为"全职替代"承担长周期的持续工作，Persona Drift 会让输出越来越不可控，且难以及时发现。

企业视角：能融入真实业务流程吗？

有企业管理者会问：这东西，能上生产环境吗？

我的判断是：当前阶段可用于知识管理和流程补位，但不宜作为核心决策层的替代。

• colleague-skill 在以下企业场景中有实际价值：

• 离职知识留存。核心员工离职后，通过 skill 保留其知识框架，供后继者参考。这是知识管理的新形式，而不是替代。

• 新人入职加速。给新员工装上资深同事的 skill，作为 资深员工（mentor）的数字补充，快速建立业务认知和方法论框架。

• 异步协作支持。跨时区团队中，某人不在线时，其 skill 可以处理简单信息查询和流程推进。

• 操作标准化。把流程最规范的员工的工作方式蒸馏成 skill，用于对齐团队执行一致性。

这几类场景的共同特点：任务边界清晰，错误可纠正，不涉及高风险决策。相比之下，对外的客户关键沟通、内部的绩效或晋升决策、需要实时信息的战略判断，当前的 skill 机制都不建议直接承担。

清华大学公共管理学院陈天昊副教授的预判值得企业决策者认真对待：skill 的影响可能比 AI 对特定职业的显性替代影响更深，"因为 skill 能够逐步把岗位内部的微能力一个一个抽出来、自动化、模块化，从而逐渐改写岗位定义、招聘标准和组织结构"。

数字泰勒主义，以及万物皆可 Skill 的社区狂欢

colleague-skill 上线后，社区做的事比项目本身更有意思。

知乎技术社区给出了一个犀利的历史类比：这件事有个旧名字，叫数字泰勒主义（Digital Taylorism）。

100 年前，弗雷德里克·泰勒用秒表和观察记录，把工人的每个动作分解、计时、标准化；colleague-skill 用 AI 处理聊天记录和文档，做的是同一件事，区别只在于泰勒需要数年，现在可能只需要几分钟。

GitHub 上的 awesome-persona-skills 项目库里，已经出现了郭德纲、张雪峰、乔布斯、马克·吐温等大量知名人物的 skill 文件。「前任.skill」「导师.skill」「暗恋对象.skill」「老板.skill」乃至「自己.skill」，让这个开源生态变成了一场热闹的社会实验。

项目地址：https://github.com/tmstack/awesome-persona-skills

但这里有个本质性的区别必须点明：名人 skill 和同事 skill，在数据质量上是两个完全不同的量级，也在不同层面上共享同一个根本性局限。

郭德纲的 skill 基于公开的演出视频字幕和采访文字；乔布斯的 skill 依赖传记和公开演讲。这些数据丰富、可验证，但它们永远只是这个人的"公开面"，是他们刻意呈现给世界的那部分。

乔布斯在苹果闭门会议上的真实决策逻辑、他凌晨给团队写邮件时的愤怒，那些从未对外的部分，任何 skill 都无法捕捉。

名人 skill 能学到他们的表达方式，但永远替代不了那个活着的、或者已经死去的真人。这句话说起来像废话，却是整个 skill 生态最需要被反复强调的边界。

数字生命 1.0：当你老去，你的数字分身还在工作

如果要找 colleague-skill 最值得深想的一个层面，不是技术架构，不是法律争议，而是项目自我介绍里的那句话：

"欢迎加入数字生命 1.0。"

剥开所有技术术语和职场焦虑，colleague-skill 在做的，其实是一件更古老、更本质的事：让一个人的知识和工作方式，在他离开之后仍然可以被访问。

以前，人类靠书本、靠徒弟、靠文档传承知识。现在，可以用你的聊天记录、你的文档、你的邮件，训练一个越来越接近你工作方式的数字分身。

你现在 30 岁，开始持续往自己的 skill 里积累数据。20 年后，你有了一个装有 20 年工作经验的数字副本。你退休了，你的数字分身还在解答年轻同事的问题。你老了，你的孩子可以打开你的 skill，去理解你职业生涯里那些从未说出口的判断和选择。

这个想象，在技术层面是真实的。awesome-distillhub-persona-skills 已经把这个方向命名为"万物皆可 .skill 的开源宇宙"。

项目地址：https://github.com/codeman008/awesome-distillhub-persona-skills

当然，现在离这个愿景还很远。

Persona Drift 没有解决，数据质量参差不齐，长期一致性无法保证。但这个方向是清晰的。它第一次让普通人可以认真思考：我能不能为自己留下一个数字延伸？

不是社交媒体上的形象，不是墓碑上的一段文字，而是一个真正能"按我的方式工作和思考"的数字存在。

打工人需要知道的另一面：法律灰色地带与反蒸馏

说完技术和哲学，回到地面。

对绝大多数人来说，colleague-skill 带来的直接问题不是"我能不能用它"，而是"别人会不会用它来蒸馏我"。

这个担忧完全合理。2026 年第一季度，美国科技行业裁员 52,050 人，同比增长 40%，AI 被明确列为核心原因（Challenger, Gray & Christmas，2026年4月3日报告）。在这个背景下，"离职了，但 skill 还在给原公司打工"不再是段子。

上海大邦律师事务所高级合伙人游云庭指出了问题的核心：企业对员工职务成果主张权利有一定依据，但关键争议在个人信息保护层面，"设备是公司的，但信息未必是公司的：员工在工作设备上存储的私人聊天记录、个人邮件，即便物理上在公司服务器中，其内容仍属个人隐私范畴"。

从《个人信息保护法》角度看，未经本人同意将聊天记录用于 AI 训练，涉嫌违反知情同意原则。但这条法律路径要走通，举证成本极高，维权难度很大。

有趣的是，社区已经给出了技术层面的应对方案：anti-distill.skill（反蒸馏）。这个技能的工作方式很聪明：当有人试图提取你的工作数据时，它输出一份看起来完整专业、实际上核心知识已被抽掉的"清洗版"，同时在本地生成一份私人备份，记录所有被清洗掉的核心内容。

项目地址：https://github.com/leilei926524-tech/anti-distill

开源社区的方式向来如此：问题在社区里出现，解决方案也在社区里长出来。

娱乐属性更强，还是工作属性更强？一个诚实的评估

最后来做一个总结性判断，不绕弯子。

目前这个阶段，colleague-skill 的娱乐属性和社会讨论价值，确实大于其生产实用价值。「乔布斯.skill」让人可以模拟和偶像的对话；「前任.skill」是互联网上最热门的玩梗方向；「自己.skill」是一种关于自我认知的实验。

这些场景，本质上更接近"交互式怀念"和"角色扮演"工具，离替代同事还有相当距离。

但如果把时间轴拉长来看，工作属性正在被认真建设。技术论文、双层架构设计、多种数据源支持，表明开发者并不满足于做一个玩具。

方面

当前状态

预期演进方向

娱乐与社交属性

保持高热，但热点会转移

企业知识管理

★★★☆☆

随合规框架完善而提升

真人替代能力

★★☆☆☆

受 Persona Drift 制约，短期有限

数字遗产与数字自我

★★☆☆☆

长期潜力最大的方向

法律与合规风险

⚠️ 高风险

灰色地带，等待监管明确

写在最后：问题变了

同事.skill 能替代同事吗？

技术上，局部可以；整体上，现在还不行；未来，部分岗位的部分职能会越来越多地被 skill 化的 AI 承担。

但这个项目真正有意思的地方，不在于替代，而在于它第一次把一个以前没有被工程化实现的问题，变成了可以动手操作的现实：一个人的工作经验和思考方式，可以被留存下来吗？

书本留下了思想，照片留下了面容，skill 留下的是工作方式。这是"数字生命 1.0"。不完美，但它是一个可见的开始。

你现在积累的每一条消息、每一份文档、每一个决策，都可能成为将来你数字分身的训练材料。所以那个更本质的问题变了，从"AI 会替代我吗"，变成了"我愿不愿意为自己留下一个数字延伸"。

但从另一个角度而言，同事.skill只是AI替代人类的一个很小的技术节点。但就是这个节点，也不是牛马们能抗拒的。如果它被写入企业管理流程，一句“公司规定”就能让你不得不把工作经验写成skill。在组织层面，anti-distill.skill之类的技能只能是个摆设。

最近很多人都在讨论AI生成内容泛滥的问题，权威报告指出机写内容过半，人类底层创意面临枯竭。对于机写内容的放大化，事实上广大组织推动AI应用的力量比亿万个人用户使用AI的力量要大太多。个人向来都是被平台组织裹挟的，在AI滚滚洪流中只能是加入与适应。

AI在企业中的应用时间节点比大家想的都要早，不是大模型之后才开始的，算法技术开始应用的那一刻就已经启动，并随着各种企业管理软件引入AI技术而无处不在了，已经广发存在于工作流、自动化、HR监管乃至CEO决策中。接下来管理你的上司，有可能就是一个AI Agent。

现在企业广泛推崇AI提效，每一种高效AI技术都会被引入企业，如同时.skill这样的方案自然不在话下，无疑它会让AI在企业更加快速的生长。更不要说，还有那么多企业把AI当作辞职的背锅侠，就是假戏真做也得引入AI。

在这个AI一日千里的时代，每个人都应该考虑自己的擅长以及不会被AI替代的地方。如果实在挖掘不到，至少应该保留一份独立思辨的能力。

你怎么看？欢迎评论区交流，也欢迎后台告诉我你想看哪个角度的深度拆解。

• • [colleague-skill GitHub 主页]：https://github.com/titanwings/colleague-skill（项目源码及论文 PDF）

• • [awesome-persona-skills 项目库]：https://github.com/tmstack/awesome-persona-skills（万物皆可 .skill 的社区生态）

• • [awesome-distillhub-persona-skills]：https://github.com/codeman008/awesome-distillhub-persona-skills（反蒸馏及衍生 skill 汇总）

• • [AgentSkills 官方标准文档]：https://agentskills.io/home（理解底层规范的必读材料）

• • [Anthropic 官方博客：Equipping agents for the real world with Agent Skills]：https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills

• • [21经济网："同事.skill"带来的"职场鬼故事"，折射出哪些法律问题]：https://www.21jingji.com/article/20260408/08a3c781e647fa04f02841ba3feb1102.html

• • [EmergentMind：Understanding Persona Drift in LLMs]：https://www.emergentmind.com/topics/persona-drift

全文完

【文末福利1】：后台发消息研报2026，获取15篇2026年AI Agent研报。

【文末福利2】： 后台发消息Workflow，获取 Agentic Workflow 相关25篇论文。

【文末福利3】：后 台发消息agentic，获取Agentic AI相关资源 。

【文末福利4】：后台发消息RPA Agent，获取 相关论文和研报。

1、

2、

3、

4、

5、

6、

7、

8、

8、

10、