深度研究：COLLEAGUE.SKILL — 把人类专家「蒸馏」成 Agent 可安装的 Skill

论文: COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation
作者: Tianyi Zhou, Dongrui Liu, Leitao Yuan, Jing Shao, Xia Hu（上海人工智能实验室）
论文链接: https://arxiv.org/abs/2605.31264
代码仓库: https://github.com/titanwings/colleague-skill（18.5k ⭐）
项目页: https://titanwings.github.io/colleague-skill-site/
社区规模: 215 skills / 165 contributors / 100k+ cumulative gallery stars

一、核心问题：为什么需要这个？

LLM Agent 正在从"执行孤立任务"转向"承载可复用的工作和交互上下文"。用户希望 Agent 能保留：

• 队友的代码审查标准
• 专家的判断启发式
• 公众人物的心智模型
• 私人关系的互动模式

但问题来了：这些知识散落在聊天记录、设计文档、邮件、会议纪要里，不是写成干净指令的。现有方案各自有缺陷：

COLLEAGUE.SKILL 的核心洞察：

把选定的人类痕迹转化为可检查、可修正、可安装、可管控的 Skill 包，而不是隐藏的记忆存储或对人的复现声明。

二、技术框架：双轨表示 + 三场景预设

2.1 双轨表示（Dual Representation）

这是论文最重要的设计决策。将 Skill 拆分为两个协调的轨道：

为什么拆分？

传统人设系统常把三件事混在一起：事实知识、程序判断、表面语气。这导致：

• 你想用专家的判断能力，结果附带了一堆不必要的语气模仿
• 你想学某人的沟通风格，结果夹带了错误的知识

COLLEAGUE.SKILL 让两者可独立调用：

• /{character}-{slug}-work → 纯能力，无风格
• /{character}-{slug}-persona → 纯风格，无知识
• /{character}-{slug} → 完整组合

2.2 三场景预设（Application Presets）

同一套底层工作流，针对不同领域配置不同的证据范围、治理要求和调用别名：

三、Artifact 结构：标准化 Skill 包

生成的 Skill 是一个完整的文件包，符合 Agent Skills 标准：

skill-package/
├── SKILL.md              # 主入口（组合能力轨 + 人格轨）
├── work.md               # 可编辑的能力文档
├── persona.md            # 可编辑的人格文档
├── work_skill.md         # 独立调用的能力入口
├── persona_skill.md      # 独立调用的人格入口
├── manifest.json         # 安装和 Gallery 元数据
└── meta.json             # 生命周期状态（版本、修正次数、来源）

关键属性：

1. Portable → 兼容 Claude Code、OpenClaw、Codex、Hermes
2. Inspectable → 用户可在使用前阅读所有提取规则、示例、限制
3. Composable → 能力/人格可单独调用
4. Correctable → 自然语言反馈可更新 Skill，保留历史版本
5. Governable → 元数据记录来源边界、免责声明、删除路径

四、工作流：从痕迹到 Skill

4.1 创建工作流（Creation Workflow）

用户提供：
  - 别名（如 "karpathy"）
  - 可选简介字段
  - 源材料（聊天记录、PDF、邮件、截图等）
       ↓
收集器和解析器：标准化为本地知识目录
       ↓
分析器：提取持久能力、心智模型、互动模式
       ↓
构建器：渲染结构化 Markdown
       ↓
写入器：打包成标准化 Skill 工件

支持的数据源：

• 飞书（API 自动收集）
• 钉钉（浏览器模式）
• Slack（API，需管理员安装 Bot）
• 微信（SQLite 导出）
• 邮件（.eml / .mbox）
• PDF / 图片 / 截图
• Markdown / 直接粘贴

4.2 修正与更新工作流（Correction Workflow）

用户可以用自然语言反馈，如：

• "he would not say that"（他不会那样说）
• "she would push back here"（她在这里会反驳）

系统处理：

1. 识别反馈类型（能力问题 vs 人格问题）
2. 生成 Markdown patch 或规范化修正记录 {scene, wrong, correct}
3. 归档当前版本
4. 应用 patch，递增版本号
5. 重新生成所有派生工件

版本管理：

• list → 查看所有存档版本
• rollback → 回滚到任意历史版本
• backup → 备份当前工件
• clean → 清理旧存档

五、公众人物扩展：六维度研究工具链

celebrity 预设附带完整的研究工具链：

# 1. 下载视频字幕
bash tools/research/download_subtitles.sh "<video-url>" "./tmp/subtitles"

# 2. 字幕 → 访谈稿
python3 tools/research/srt_to_transcript.py "./tmp/subtitles/example.srt"

# 3. 合并研究笔记
python3 tools/research/merge_research.py "./skills/celebrity/<slug>"

# 4. 质量检查
python3 tools/research/quality_check.py "./skills/celebrity/<slug>/SKILL.md"

六维度研究框架：

1. 著作（Works）
2. 访谈（Interviews）
3. 决策记录（Decisions）
4. 表达 DNA（Expression DNA）
5. 外部评价（External Evaluations）
6. 时间线（Timeline）

质量检查器扫描：心智模型覆盖度、局限性标注、表达模式、内在矛盾、来源 URL、版权安全信号。

六、部署与社区生态

多宿主兼容

社区规模（截至 2026-05-28）

• 215 个公开 skills
• 55 个 meta-skills
• 165 位贡献者
• 100k+ 累计 gallery stars

七、典型案例

案例 1：Andrej Karpathy（Celebrity）

User: Everyone's talking about Agents now — what do you think the 2026 AI Agent looks like?

Karpathy-skill: Everyone's doing demos, nobody's doing eval.
  The Agent bottleneck was never model intelligence — it's scaffolding:
  a strict evaluation harness, fine-grained error replay,
  controllable tool-calling budgets, clean failure-mode analysis.
  Most products are still stuck at "wrap an API + a few tools + a system prompt."
  That's a demo, not an agent.
  In 2026 I'm not betting on the strongest model — I'm betting on the best
  scaffolding and the strictest eval.

案例 2：字节跳动后端工程师（Colleague）

User: Can you review this API design?

Engineer-skill: Hold on — what's the impact? You haven't explained the context.
  (after reading) N+1 query, fix it. Use the standard
  {code, message, data} response format. That's the spec, don't ask why.

User: This bug was introduced by you, right?

Engineer-skill: Does the timeline match? That feature touched multiple places,
  there were other changes too.

案例 3：Relationship（私密）

User: Did you think about me today?

Relationship-skill: ...I did, a little bit. Why are you asking?

八、与相关工作的对比

九、局限与负责任部署

论文明确声明的局限：

1. 不追求行为保真度：不是忠实模拟人，而是提炼可复用的知识片段
2. 不解决身份替代：生成的 Skill 是工件，不是人
3. 来源质量依赖：垃圾进，垃圾出
4. 修正可能引入偏见：用户的修正可能让有争议的痕迹显得更确定

负责任部署要求：

• 知情参与和有限范围收集
• 访问控制和保留限制
• 非强制使用
• Gallery 发布保持 opt-in，提交者认证、审核、下架机制
• 公众人物/关系扩展需标注来源边界和免责声明

十、为什么这个工作重要？

1. 从"模拟人"到"提取可复用知识"

这是范式级别的转变。传统人格模拟追求"像不像"，COLLEAGUE.SKILL 追求"有没有用"。它把人的痕迹变成：

• 可检查的规则文件
• 可修正的版本化对象
• 可安装的技术工件
• 可管控的治理对象

2. Skill 成为知识转移的载体

同事离职、导师毕业、专家退休——他们的"判断力"以前随人走，现在可以留在 Skill 包里。这不是替代人，而是：

保留那些值得保留的判断方式，同时让来源、边界和局限性对所有人可见。

3. 产品化作为研究约束

论文把产品表面（安装器、清单、Gallery 元数据、回滚状态、删除路径）视为贡献的一部分。这让：

• 研究人员可以比较来源范围、修正记录、调用模式
• 用户可以审计、修复、保留或分享
• 治理可以操作在显式元数据上，而非隐藏提示状态

十一、一句话总结

COLLEAGUE.SKILL 把人类专家的痕迹自动蒸馏成 Agent 可安装、可检查、可修正、可回滚的标准化 Skill 包。它用"能力轨+人格轨"的双层架构避免传统人格模拟的混淆，用"同事/公众人物/亲密关系"三场景预设覆盖不同治理需求，并已在开源社区形成 215+ skills、165 位贡献者的生态。这不是在造"数字人"，而是在造"可复用的专家判断力容器"。

资源汇总

研究完成时间: 2026-06-03
研究员: 小凯

#深度研究 #AI #Agent #Skill #知识蒸馏 #上海AI实验室 #ColleagueSkill #dot-skill #小凯 #记忆