同事離職了，他的經驗怎麼辦？這個項目把人變成了Skill
整理版優先睇
colleague-skill：將離職同事經驗封裝成可調用 AI Skill，解決經驗流失
呢篇文章由小智（專注AI工具、AI智能體同編程提效）撰寫，目的係解決一個常見問題：同事離職後，佢嘅經驗、判斷方式同工作風格好難傳遞。傳統知識庫只能回答「資料喺邊」，但同事點樣做決定、點樣排優先級、點樣回覆消息，呢啲隱性知識往往隨住人走而消失。整體結論係：colleague-skill 提供一個開源方案，將離職同事嘅工作能力同表達風格封裝成符合 AgentSkills 標準嘅 AI Skill，可以俾 Claude Code 或 OpenClaw 直接調用。
項目定位好清晰：佢係一個 Skill 生成工具，亦帶有知識蒸餾味道。核心差異在於，佢唔係將資料整理成總結文檔，而係保留「呢個人會點樣做、點樣判斷、點樣講嘢」。支援多渠道數據來源，包括飛書、釘釘、Slack、微信、郵件等，並透過自動採集或手動導入方式收集原材料。輸出唔係一段 Prompt，而係一個包含 persona、work、元數據同版本歷史嘅 Skill 目錄。
呢個項目對團隊最大價值係：將交接從「文檔+口頭同步」變成一個可以持續被問、被改、被更新嘅資產。尤其適合經驗密集嘅崗位，唔適合只想做普通 FAQ 機械人嘅場景。小智認為，而家嘅知識管理應該從「信息存儲」轉向「行為建模」，而 colleague-skill 正係呢個方向嘅實踐。
- colleague-skill 將離職同事經驗封裝成可調用 AI Skill，保留工作方法同判斷風格。
- 方法係透過多渠道數據源（飛書、釘釘、微信等）採集，經分析生成包含 persona 同 work 能力嘅 Skill。
- 與 RAG 知識庫不同，佢唔係回答「資料寫咗咩」，而係回答「呢個人會點做」。
- 啟發：知識管理應從「信息存儲」轉向「行為建模」，先拆流程先再談工具。
- 可行動點：團隊可喺 Claude Code 或 OpenClaw 中使用 /create-colleague 命令即時生成同事 Skill。
colleague-skill GitHub 倉庫
開源項目，將離職同事經驗封裝成 AI Skill，支援 Claude Code 同 OpenClaw。
項目定位：將同事經驗變為可調用 Skill
呢篇文章介紹嘅 colleague-skill，係一個開源項目，核心目標係將離職同事嘅工作能力同表達風格封裝成一個 AI Skill。作者小智指出，好多團隊面對同事離職時，往往只拿到一堆碎片資料，而真正關鍵嘅判斷過程只存在嗰個人腦裏面。
colleague-skill 屬於 Skill 生成工具，亦帶有知識蒸餾味道。
核心係將「呢個人留下嘅上下文」變成一個仲可以繼續工作嘅數字同事。
佢處理嘅唔係普通問答，而係團隊最難交接嘅部分：點樣做事、點樣判斷優先級、點樣回覆消息。
唔係知識庫，係行為建模
項目特別之處在於，佢唔係將聊天記錄灌入去就完事。真正決定「似唔似呢個人」嘅，往往係佢喺咩情況下會追問、咩地方會堅持規範、咩場景會直接俾結論。呢啲隱性規範，係 FAQ 無法講清楚嘅。
FAQ 無法講清楚隱性規範，但 colleague-skill 可以保留。
colleague-skill 試圖產出嘅唔係摘要，而係「呢個人仲可唔可以繼續幫你做事」。
安裝同使用：一條命令生成同事 Skill
安裝好簡單。如果要用 Claude Code，就執行以下命令：
mkdir -p .claude/skills
git clone https://github.com/titanwings/colleague-skill .claude/skills/create-colleague如果想全局複用，可以裝到用戶目錄。OpenClaw 都有對應安裝方式。生成同事 Skill 嘅主入口係 /create-colleague，啟動後需要填寫同事姓名、公司職級、性格標籤同數據來源。好多字段可以跳過，先做第一版，再慢慢補充。
- 1 /create-colleague：啟動同事 Skill 生成流程
- 2 /list-colleagues：列出所有已生成嘅同事 Skill
- 3 /{slug}：調用完整 Skill（人格 + 工作能力）
- 4 /{slug}-work：只調用工作能力部分
- 5 /{slug}-persona：只調用人物性格部分
- 6 /colleague-rollback {slug} {version}：回滾到歷史版本
- 7 /delete-colleague {slug}：刪除指定同事 Skill
呢種命令式入口特別適合開發環境，知識沉澱、人格建模、版本管理全部收喺一個 Skill 生命週期。
好多字段可以跳過，唔使等材料齊全先開始。
數據來源同核心能力：多渠道採集、持續校準
項目最能打動人嘅地方係支援嘅數據來源好現實：飛書、釘釘、Slack、微信、郵件、截圖、Markdown 等。自動採集係優先方案，但唔假設所有平台都俾完整 API，所以亦支援手動導入。
- 飛書：自動採集（API）同瀏覽器插件，輸入姓名即可全自動
- 釘釘：自動採集（瀏覽器），但 API 唔支援歷史消息
- Slack：自動採集（API），需管理員安裝 Bot，免費版限 90 天
- 微信：SQLite 導入，穩定性一般，建議先用導出工具
- 其他：PDF、圖片截圖、郵件 .eml/.mbox、Markdown、直接粘貼文字
核心能力包括四塊：多渠道採集、工作能力分析、人物性格建模、版本管理。第二同第三塊需要不斷校準，呢個設計說明作者考慮過長期使用。
混合輸入方案比統一要求大家接標準接口現實得多。
四個核心能力包括多渠道採集、工作能力分析、人物性格建模、版本管理。
點解值得關注：從信息存儲轉向行為建模
好多知識管理工具解決嘅係「信息找不到」，而 colleague-skill 試圖解決嘅係「人走咗以後，做事方法都一齊消失」。呢兩個問題睇起嚟似，實際難度完全唔同。
如果你而家做緊 AI Agent、企業知識助手、離職交接自動化，呢個倉庫值得認真睇一次。唔好重複造輪子，尤其係團隊已經俾離職交接、上下文丟失、經驗無法複用呢啲問題折騰緊嘅時候。
「把人做成 Skill」已經唔係腦洞，而係往可落地方向走。
colleague-skill 補嘅係文檔覆蓋唔到嘅做事風格同經驗判斷。
大家好，我係小智，專注 AI 工具、AI 智能體同編程提效
背景
如果你接手過人哋留低嘅項目，你應該明嗰種感覺。Code 行得到，文件唔齊全，傾偈記錄散曬係飛書、釘釘、電郵度，真正關鍵嘅判斷過程淨係喺某個人個腦入面。等呢個人辭職、轉崗、畢業，團隊到手嘅通常唔係交接，而係一堆碎片。
好多人以為知識庫就可以解決呢個問題，其實唔係。知識庫答到你啲資料喺邊，但唔一定答到你呢個人平時點樣做嘢、點樣判斷優先次序、點樣覆人哋訊息、出咗問題先查邊一層。
colleague-skill 佢想解決嘅就係呢個空檔。唔係將啲資料整成一篇總結文件，而係將原材料重新整理成一個可以調用嘅 AI Skill。簡單講，佢想將「呢個人留低嘅上下文」變成一個仲可以繼續做嘢嘅數碼同事。
先講結論
呢個項目嘅定位好清楚。佢屬於 Skill 生成工具，都可以睇成 Agent 工程化項目，仲帶少少知識蒸餾嘅味道。佢處理嘅唔係普通問答，而係團隊入面最難交接嗰部分嘢。
第一件事係沉澱工作能力。
第二件事係保留表達風格。
第三件事係令呢兩件事最後都可以變做一個真正可以調用嘅 Skill。
一句講曬。佢係一個將辭職、轉崗、畢業帶走嘅經驗，重新包裝成 Claude Code 或 OpenClaw 可以調用嘅 Skill 嘅開源方案。
呢個項目特別喺邊
呢個嘢最大嘅痛點就係，團隊真正依賴嘅好多嘢，平時根本唔會寫入正式文件。例如某類需求接唔接，某種接口設計一睇就唔掂，某個老細發嚟嘅需求到底係咪高優先級，某位同事平時覆訊息點解成日先追問背景。呢啲都唔係 FAQ 可以講得清楚嘅。
呢個拆解好有趣。好多人以為只要將傾偈記錄倒入去就得，其實唔係。真正決定「似唔似呢個人」嘅，通常唔係佢識唔識某個知識點，而係佢喺咩情況下會追問，邊度會堅持規範，咩場景會直接俾結論。
話說回頭，項目都冇將自己包裝成通用聊天機械人。佢更加似一個圍繞「人同工作上下文遷移」設計嘅 Skill 系統。你將飛書訊息、釘釘文件、電郵、截圖，再加埋一啲主觀描述餵入去，佢試圖產出嘅唔係「摘要」，而係「呢個人仲可唔可以繼續幫你做嘢」。
屬於咩生態
呢個項目放喺技術生態裏面，我覺得位置都幾明確。
1. 佢屬於 AI Agent、知識蒸餾、工作流程自動化、企業協作數據處理呢個交叉地帶。 2. 佢嘅上游輸入好雜，飛書、釘釘、Slack、電郵、Markdown、截圖、PDF 甚至文件匯出檔案都計。 3. 佢嘅下游輸出唔係一段 Prompt，而係符合 AgentSkills 標準嘅 Skill 目錄，入面會有 persona、work、元數據同版本歷史。
如果攞相鄰方案嚟比較，佢同 RAG 知識庫、企業知識助手、Prompt 打包工具都有啲似，但核心差異都好明顯。前者更擅長答「資料入面寫咗啲咩」，佢更想答「呢個人會點做、點講、點判斷」。
安裝方式
README 入面對接平台寫得好直接，重點就係 Claude Code 同 OpenClaw。
Claude Code
如果裝到而家呢個項目，就執行呢個。
mkdir -p .claude/skills
git clone https://github.com/titanwings/colleague-skill .claude/skills/create-colleague如果你想全域重用，都可以裝到用戶目錄。
git clone https://github.com/titanwings/colleague-skill ~/.claude/skills/create-colleagueOpenClaw
git clone https://github.com/titanwings/colleague-skill ~/.openclaw/workspace/skills/create-colleague從設計上睇，作者明顯更推薦 Claude Code。原因都好簡單，成個倉庫本身就係按 AgentSkills 標準組織嘅。即係話，呢個 repo 唔係「帶住 skill 配置嘅普通項目」，佢本身就係嗰個 skill。
點樣用
喺 Claude Code 入面，佢嘅主入口好簡單。
/create-colleague啟動之後，系統會叫你填同事姓名、公司職級、性格標籤，再揀數據來源。呢度我覺得做得好聰明嘅一點係，好多欄位都容許跳過。你唔使等材料收齊先開始，可以做第一版，再慢慢補資料、補修正就得。
生成好之後，可以用呢啲命令嚟調用或管理佢。
講句真心話，呢種命令式入口特別適合開發環境。知識沉澱、人格建模、版本管理，全部收埋喺一個 Skill 生命週期裏面，用戶唔使自己再拼幾段 script。
支援邊啲數據來源
項目最打動人嘅地方，唔係模型有幾勁，而係佢支援嘅數據來源好現實。團隊入面真係會留低啲咩，佢就盡量去適配啲咩。
從呢個表其實可以睇到幾個幾關鍵嘅判斷。
1. 自動採集係優先方案，但項目唔假設所有企業平台都俾到你完整 API。 2. 微信、截圖、電郵呢啲結構唔規整嘅數據，都俾咗落地路徑。 3. 如果權限唔夠，用戶依然可以手工導入，唔會因為駁唔到 API 就成個流程卡死。
如果你嘅協作環境本來就好複雜，呢種混合輸入方案，比起統一要求個個都接標準接口現實得多。
四個核心能力
好多人以為生成一次就完，其實唔係。對一個人嘅建模，本來就需要不斷校準。呢個設計說明作者考慮過長期使用，而唔係淨係做一個 Demo。
第四塊係多渠道採集
項目直接提供飛書、釘釘、Slack、電郵呢啲採集器。對於國內團隊，飛書同釘釘係高頻輸入。對於跨國團隊，Slack 又好常見。再加上電郵解析器、Word 同 Excel 支援，佢幾乎將「同事可能留低嘅資料」掃咗一大圈。
工程結構一覽表
從目錄上睇，呢個項目好規整。
colleague-skill/
├── SKILL.md
├── prompts/
│ ├── intake.md
│ ├── work_analyzer.md
│ ├── persona_analyzer.md
│ ├── work_builder.md
│ ├── persona_builder.md
│ ├── merger.md
│ └── correction_handler.md
├── tools/
│ ├── feishu_auto_collector.py
│ ├── feishu_browser.py
│ ├── feishu_mcp_client.py
│ ├── dingtalk_auto_collector.py
│ ├── slack_auto_collector.py
│ ├── email_parser.py
│ ├── skill_writer.py
│ └── version_manager.py
├── colleagues/
├── docs/PRD.md
├── requirements.txt
└── LICENSE我哋先搞清楚一個核心概念，呢個結構其實分三層。
第一層係 prompts，負責定義點樣分析、點樣生成、點樣合併。
第二層係 tools，負責採集、解析、寫入同版本管理。
第三層係 colleagues，負責存放最終生成嘅每一個同事 Skill。
呢個都係佢比較似產品級工程，而唔係玩票式 Prompt 項目嘅原因。佢冇將所有邏輯塞曬入一份超長提示詞入面，而係將每一步都拆出嚟。Talk is cheap. Show me the code. 呢句話放喺呢度都幾合適。
一個典型工作流程
如果你第一次接觸呢個項目，腦入面可以先有呢五步。
呢條流程有兩個好大嘅價值。
第一個價值係知識交接。以前交接大多靠 Word 文件同口頭同步，而家可以變成一個可以持續被問、被改、被更新嘅資產。
第二個價值係組織記憶沉澱。好多崗位唔係冇人寫文件，而係文件覆蓋唔到做嘢風格、隱性規範同經驗判斷。呢個項目就係填補呢一層。
佢適合邊個
如果硬要講佢有咩缺點嘅話，就係佢唔適合嗰種淨係想做普通 FAQ 機械人嘅場景。因為佢嘅目標更重，佢想保留嘅係「呢個人點樣做嘢」，而唔係「呢份資料點樣查詢」。
點解我覺得呢個項目值得睇
好多知識管理工具，解決嘅係「資料揾唔到」。colleague-skill 試圖解決嘅係「人走咗之後，做嘢方法都一齊消失」。呢兩個問題睇落似，實際完全唔係一個難度。
如果你而家做緊 AI Agent、企業知識助手、組織經驗沉澱、離職交接自動化，呢個倉庫真係值得認真睇一次。我以前都係咁做，直到後來發現咗呢類項目，先意識到「將人變成 Skill」呢件事，已經唔係諗法，而係喺度走向可落地嘅方向。
點樣快速上手
如果你問我值唔值得上手，我嘅答案係值得。唔好重複造輪子。特別係當你團隊已經俾離職交接、上下文丟失、經驗無法重用呢啲問題折磨緊時，呢個項目至少提供咗一條好有希望嘅路。
項目地址
https://github.com/titanwings/colleague-skill
如果呢篇文章對你有幫助，都請幫手畀個 讚👍 + 在看 啊！❤️關注小智AI指南公眾號，AI 路上唔會迷路
大家好，我是小智，專注 AI 工具，AI 智能體和編程提效
背景
如果你接手過別人留下來的項目，你應該懂那種感覺。代碼能跑，文檔不全，聊天記錄散在飛書、釘釘、郵件裏，真正關鍵的判斷過程只在某個人腦子裏。等這個人離職、轉崗、畢業，團隊拿到手的往往不是交接，而是一堆碎片。
很多人以為知識庫就能解決這個問題，其實不然。知識庫能回答資料在哪，未必能回答這個人平時怎麼做事，怎麼判斷優先級，怎麼回別人消息，出了問題先查哪一層。
colleague-skill 想解決的就是這個空檔。它不是把資料做成一篇總結文檔，而是把原材料重新整理成一個能調用的 AI Skill。簡單來說，它想把“這個人留下來的上下文”變成一個還能繼續工作的數字同事。
先說結論
這個項目的定位很清楚。它屬於 Skill 生成工具，也可以看成 Agent 工程化項目，還帶一點知識蒸餾的味道。它處理的不是普通問答，而是團隊裏最難交接的那部分東西。
第一件事是沉澱工作能力。
第二件事是保留表達風格。
第三件事是讓這兩件事最後都能落成一個真正能調用的 Skill。
一句話總結。它是一個把離職、轉崗、畢業帶走的經驗，重新封裝成 Claude Code 或 OpenClaw 可調用 Skill 的開源方案。
這個項目特別在哪
這玩意兒最大的痛點就在於，團隊真正依賴的很多東西，平時根本不會被寫進正式文檔。比如某類需求要不要接，某種接口設計一看就不靠譜，某個老闆發來的需求到底是不是高優先級，某位同事平時回消息為什麼總先追問背景。這些都不是 FAQ 能講清楚的。
這個拆分很有意思。很多人以為只要把聊天記錄灌進去就夠了，其實不然。真正決定“像不像這個人”的，常常不是他會不會某個知識點，而是他在什麼情況下會追問，什麼地方會堅持規範，什麼場景會直接給結論。
話又說回來，項目也沒把自己包裝成通用聊天機器人。它更像一個圍繞“人和工作上下文遷移”設計的 Skill 系統。你把飛書消息、釘釘文檔、郵件、截圖，再加上一些主觀描述喂進去，它試圖產出的不是“摘要”，而是“這個人還能不能繼續幫你做事”。
屬於什麼生態
這個項目放在技術生態裏，我覺得位置挺明確。
1. 它屬於 AI Agent、知識蒸餾、工作流自動化、企業協作數據處理這個交叉帶。 2. 它的上游輸入很雜，飛書、釘釘、Slack、郵件、Markdown、截圖、PDF 甚至文檔導出文件都算。 3. 它的下游輸出不是一段 Prompt，而是符合 AgentSkills 標準的 Skill 目錄，裏面會有 persona、work、元數據和版本歷史。
如果拿相鄰方案來對比，它和 RAG 知識庫、企業知識助手、Prompt 打包工具都有點像，但核心差異也很明顯。前者更擅長回答“資料裏寫了什麼”，它更想回答“這個人會怎麼做，怎麼說，怎麼判斷”。
安裝方式
README 裏對接入平台寫得很直接，重點就是 Claude Code 和 OpenClaw。
Claude Code
如果裝到當前項目，就執行這個。
mkdir -p .claude/skills
git clone https://github.com/titanwings/colleague-skill .claude/skills/create-colleague如果你想全局複用，也可以裝到用戶目錄。
git clone https://github.com/titanwings/colleague-skill ~/.claude/skills/create-colleagueOpenClaw
git clone https://github.com/titanwings/colleague-skill ~/.openclaw/workspace/skills/create-colleague從設計上看，作者明顯更推薦 Claude Code。原因也很簡單，整個倉庫本身就是按 AgentSkills 標準組織的。也就是說，這個 repo 不是“帶着 skill 配置的普通項目”，它本身就是那個 skill。
如何使用
在 Claude Code 裏，它的主入口很簡單。
/create-colleague啓動之後，系統會讓你填同事姓名、公司職級、性格標籤，再選數據來源。這裏我覺得做得很聰明的一點是，很多字段都允許跳過。你不用等材料收齊才能開始，先做第一版，再慢慢補資料、補糾正就行。
生成好之後，可以用這些命令來調用或管理它。
說句掏心窩子的話，這種命令式入口特別適合開發環境。知識沉澱、人格建模、版本管理，全都收在一個 Skill 生命週期裏，用戶不用自己再拼好幾段腳本。
支持哪些數據來源
項目最能打動人的地方，不是模型多強，而是它支持的數據來源很現實。團隊裏真的會留下什麼，它就儘量去適配什麼。
從這個表其實能讀出幾個挺關鍵的判斷。
1. 自動採集是優先方案，但項目並不假設所有企業平台都給你完整 API。 2. 微信、截圖、郵件這種結構並不規整的數據，也給了落地路徑。 3. 如果權限不夠，用戶依然能先手工導入，不會因為接不上 API 就整套流程卡死。
如果你的協作環境本來就很複雜，這種混合輸入方案，比統一要求大家都接標準接口現實得多。
四個核心能力
很多人以為生成一次就結束，其實不然。對一個人的建模，本來就需要不斷校準。這個設計說明作者考慮過長期使用，而不是隻做一個 Demo。
第四塊是多渠道採集
項目直接提供飛書、釘釘、Slack、郵件這些採集器。對於國內團隊，飛書和釘釘是高頻輸入。對於跨國團隊，Slack 又很常見。再加上郵件解析器、Word 和 Excel 支持，它幾乎把“同事可能留下來的資料”掃了一大圈。
工程結構一覽表
從目錄上看，這個項目很規整。
colleague-skill/
├── SKILL.md
├── prompts/
│ ├── intake.md
│ ├── work_analyzer.md
│ ├── persona_analyzer.md
│ ├── work_builder.md
│ ├── persona_builder.md
│ ├── merger.md
│ └── correction_handler.md
├── tools/
│ ├── feishu_auto_collector.py
│ ├── feishu_browser.py
│ ├── feishu_mcp_client.py
│ ├── dingtalk_auto_collector.py
│ ├── slack_auto_collector.py
│ ├── email_parser.py
│ ├── skill_writer.py
│ └── version_manager.py
├── colleagues/
├── docs/PRD.md
├── requirements.txt
└── LICENSE咱們先搞清楚一個核心概念，這個結構其實分三層。
第一層是 prompts，負責定義怎麼分析、怎麼生成、怎麼合併。
第二層是 tools，負責採集、解析、寫入和版本管理。
第三層是 colleagues，負責存放最終生成的每一個同事 Skill。
這也是它比較像產品級工程，而不是玩票式 Prompt 項目的原因。它沒有把所有邏輯都塞到一份超長提示詞裏，而是把每一步都拆出來了。Talk is cheap. Show me the code. 這句話放在這裏還挺合適。
一個典型工作流
如果你第一次接觸這個項目，腦子裏可以先有這五步。
這條流程有兩個很大的價值。
第一個價值是知識交接。以前交接大多靠 Word 文檔和口頭同步，現在可以變成一個能持續被問、被改、被更新的資產。
第二個價值是組織記憶沉澱。很多崗位不是沒人寫文檔，而是文檔覆蓋不了做事風格、隱性規範和經驗判斷。這個項目就是在補這一層。
它適合誰
如果非要說它有什麼缺點的話，那就是它不適合那種只想做普通 FAQ 機器人的場景。因為它的目標更重，它想保留的是“這個人怎麼工作”，不是“這份資料怎麼查詢”。
為什麼我覺得這個項目值得看
很多知識管理工具，解決的是“信息找不到”。colleague-skill 試圖解決的是“人走了以後，做事方法也一起消失”。這兩個問題看着像，實際完全不是一個難度。
如果你現在在做 AI Agent、企業知識助手、組織經驗沉澱、離職交接自動化，這個倉庫真的值得認真翻一遍。我以前也是這麼幹的，直到後來發現了這類項目，才意識到“把人做成 Skill”這件事，已經不是腦洞了，而是在往可落地方向走。
如何快速上手
如果你問我值不值得上手，我的答案是值得。不要重複造輪子。特別是當你團隊已經在被離職交接、上下文丟失、經驗無法複用這些問題折騰時，這個項目至少提供了一條很有希望的路。
項目地址
https://github.com/titanwings/colleague-skill
如果本文對您有幫助，也請幫忙點個 贊👍 + 在看 哈！❤️關注小智AI指南公眾號，AI 路上不迷路