GitHub项目“同事.Skill”爆火：将离职同事的经验AI化为可调用技能

如果你发现隔壁工位离职的同事，半夜三点还在回工作消息、改代码，先别慌。这可能只是你使用了最近在GitHub上爆火的一个项目——「同事.skill」（Colleague-Skill）。

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

仅仅几天时间，这个项目就从无人问津变得炙手可热，狂揽超过6.7k Stars，其增长速度堪称现象级。

项目的标语充满赛博朋克式的幽默与哲思：「将冰冷的离别化为温暖的Skill，欢迎加入赛博永生」。简单来说，它的核心思想是：即使同事离职了，他/她的工作经验、行为模式和沟通习惯，都可以被转化为一个可随时调用的AI技能包。

如何“复刻”一个数字同事？

这个项目的逻辑直击现代职场痛点。你只需要提供离职同事的“数字足迹”：飞书记录、钉钉文档、邮件、微信聊天截图或转文字，再加上你对他/她的主观描述，喂给系统，就能生成一个高度仿真的“数字分身”。

它不只是复制知识，更试图捕捉所谓的“灵魂”——用他习惯的技术规范写代码，用他特有的语气回答问题，甚至能模仿他甩锅或推活的时机。

例如，如果你复刻了一位典型的“边界感强、重视规范”的后端工程师AI，在Code Review场景里，对话可能是这样的：

你：帮我看一下这个接口设计。

AI同事：等等，这个接口的impact是什么？背景没说清楚。N+1查询，改掉。返回结构用统一的 {code, message, data} ，这是规范，不用问为什么。

而在面对可能的责任归属问题时，你可能会看到一场完美的“甩锅”表演：

你：这个bug是你引入的吧？

AI同事：上线时间对上了吗？那个需求当时改了好几个地方，还有其他部门的变更，不能只看我这一行。

有网友调侃，这哪是AI，分明是把前同事的工牌焊死在了服务器上。

“Skill宇宙”大爆发：从同事到前任

“同事.skill”的火爆催生了一系列脑洞大开的衍生项目，形成了一个有趣的“Skill宇宙”，万物皆可被封装。

• 前任.skill：根据分手前的聊天记录生成一个AI前任。如果你发去希望复合的信息，它可能会冷淡地回复一个“哦。”，完美解释为何成为前任。
  

• 导师.skill：将导师的论文修改意见、邮件往来等学术指导材料导入，生成一个随时可问的AI导师。当你询问“这部分怎么写”时，它可能像真人一样回复：“这里逻辑不对，再改改。我没时间看，你自己体会。”
  

• 师兄.skill：针对科研小组，将毕业大师兄的群聊记录、组会纪要和吐槽习惯封装成Skill，让他在赛博世界里继续“开组会、骂醒你、顺手救火”。
  

• 老板.skill：分析老板的聊天记录、会议纪要和批注意见，提炼其判断项目的脑回路、批评方式和向上管理规则。旨在帮助员工更好地理解老板的决策模式。
  

技术实现：人格封装而非模型训练

这个项目之所以能迅速走红，部分原因在于它选择了一条“取巧”的技术路径——它不训练昂贵的大模型，而是专注于“人格封装”。其核心是所谓的“五层人格结构”：

1. 硬规则：绝对不妥协的技术底线，如“代码必须有注释”、“接口文档必须先行”。
2. 身份认同：个体如何定义自己，例如是“老黄牛”还是“边界感极强”。
3. 表达风格：沟通是长篇大论还是言简意赅，是否喜欢使用表情包。
4. 决策模式：面对模糊需求时，是倾向于先动手尝试还是先反复提问。
5. 人际行为：如何向上管理、对待新人，在协作中倾向于哪种立场。

项目适配了主流的聊天记录导出工具（如 WeChatMsg、PyWxDump），支持从飞书、钉钉到Slack的自动化数据提取。这意味着过去几年在职场留下的每一条“收到”、“1”、“辛苦了”，都可能成为构建数字分身的“赛博血肉”。

每个生成的Skill由两个核心模块驱动：

• Persona（人格层）：负责判断态度和反应，决定在特定情境下会表现出“认真负责”还是“阴阳怪气”。
• Work Skill（技能层）：负责执行具体的任务，如遵循某种代码规范或文档习惯。

当任务下达时，AI会先经过Persona层的过滤（“这事我会不会推掉？”、“我会用什么语气回应？”），再通过技能层输出结果。

其“版本管理”机制也颇具巧思：如果AI的回答不够像本人，你可以直接纠正它：“他没这么温柔，他一般会先发个问号。”系统会将此修正写入专门的“Correction层”，确保下次对话更贴近原型。

笑声背后的思考：隐私、经验价值与数字未来

在项目的GitHub Issue区，一条高赞评论道出了部分开发者的复杂心态：“你们搞大模型的就是码奸，害死了前端兄弟，害死后端兄弟，最后害死自己。”

这句玩笑背后，是真实的焦虑：

1. 隐私边界：离职后，留在公司设备上的沟通记录归属权在哪？如果一个人的“数字分身”被创造出来并继续工作，这算是一种“赛博奴役”吗？
2. 经验价值：如果一个实习生通过导入资深同事三年的聊天记录，就能获得其80%的工作逻辑，那么长期积累的“经验”价值何在？

这个项目也宣告了传统“代码防裁术”的失效。过去，有人通过写晦涩代码、使用无意义变量名或在系统中埋设“定时炸弹”来增加岗位不可替代性。

a = 1
b = 2
c = a + b
# 三个月后：a是啥来着？b又是啥？

但在 Cursor、Claude Code 等现代AI编程工具面前，复杂的烂代码可能几分钟就被解析和重构。花三个月精心打造的“加密”逻辑，AI可能三分钟就给你翻译得明明白白。这无疑对开发者的代码质量和设计能力提出了更高要求。

结语：数字生命1.0的职场图景

“同事.skill”项目更像一个充满黑色幽默的职场调侃，但它无疑揭示了未来的一种可能性：在AI时代，每个人都在日常工作中留下了极其详尽的“数字足迹”。

或许在不远的将来，入职一家新公司后，系统为你分配的第一批“导师”就是几位已离职多年的“赛博前辈”。他们会用你最熟悉的语气指导工作，并在你写出问题时，准时送上那句标志性的提醒。

这既是技术的趣味实验，也引发了关于工作本质、数字遗产和AI伦理的广泛讨论。无论你是感到好奇、警惕还是兴奋，都欢迎去 GitHub 上探索这个项目及其衍生品。在这个“数字生命1.0”的时代，离别或许有了新的定义，而关于如何与我们的“数字分身”共处，一切才刚刚开始。