dot-skill — 数字生命技能蒸馏器
把同事、亲人、偶像的言行数据蒸馏成可交互的 AI Skill，让他们的思维方式与说话风格延续下去。
证据显示：工具要求用户提供数据源（如聊天记录、文档），但未明确说明数据如何被处理、存储或传输；存在自动收集器（Feishu/DingTalk/Slack）需要凭据，但未说明权限最小化或用户确认机制；有版本回滚功能（version_manager.py），但未说明回滚的完整性和数据保留策略；依赖项未固定版本，存在供应链风险；外部效果（如安装到多个主机）未明确提示用户确认。扣分原因：缺乏数据流透明度和用户确认机制，依赖安全未充分处理。
证据显示：项目结构清晰，README与代码结构一致；测试覆盖了CLI生命周期和安装流程，但未覆盖所有工具；依赖项未固定版本，可能影响可用性；错误消息在测试中有部分体现，但未系统化。扣分原因：依赖可用性未保证，错误处理不全面。
证据显示：明确支持多种主机（Claude Code、Hermes等）和多种数据源，场景覆盖同事、关系、名人；能力边界在README中有说明（如DingTalk不支持消息历史）；触发命令明确（/dot-skill等）；环境适配有安装指南。扣分原因：部分功能（如照片分享）标注为即将推出，实际能力有限。
证据显示：信息架构清晰，有README、INSTALL.md、PRD等；安装说明详细；命名稳定（dot-skill）；有示例和FAQ（社区画廊）；已知限制在README中有提及（如demo版本）；MIT许可证明确；版本管理有工具但无CHANGELOG；维护责任未明确。扣分原因：缺少CHANGELOG，维护责任不清晰。
证据显示：输出为可用的Skill文件，有明确结构；边际价值高（解决特定问题）；成本效益未充分评估，依赖多个可选包可能增加安装负担。扣分原因：成本效益未量化。
证据显示：README中的声明（如20K stars）无法从源码验证；技术报告引用arXiv但未提供验证；测试存在但未独立验证。扣分原因：声明缺乏可追溯性，事实与推断未明确分离。
- 数据流不透明：用户需提供敏感聊天记录，但未说明数据如何被处理、存储或传输，存在隐私风险。
- 依赖未固定版本，存在供应链安全风险。
- 自动收集器需要凭据，但未说明权限最小化或用户确认机制。
- README中的声明（如20K stars）无法从源码验证，需谨慎对待。
这个 Agent 能做什么，适合哪些场景？
dot-skill（原 colleague.skill）是一个基于 AgentSkills 开放标准的技能生成引擎，支持从多数据源（飞书、钉钉、Slack、微信聊天记录、PDF、邮件、Markdown 等）自动收集素材，并通过提示词管道生成具有特定人格与专业能力的 AI Skill。它提供三种角色家族：同事（colleague）、关系（relationship）、名人（celebrity），每种都有专属的数据采集与分析流程。生成的 Skill 可安装到 Claude Code、Hermes、OpenClaw、Codex、DeepSeek Harness 等多个宿主。项目包含完整的 Python 工具链，如飞书/钉钉/Slack 自动采集器、名人研究工具链（字幕下载、转录、质量检查）、多宿主安装脚本和版本管理工具。技术报告《COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation》已发布。
dot-skill 通过统一的 /dot-skill 入口引导用户选择角色家族（colleague/relationship/celebrity）、输入别名、基本资料、性格标签，并选择数据源。对于 colleague 家族，它可自动调用飞书、钉钉、Slack 的 API 或浏览器采集消息、文档和表格，生成包含工作技能和六层人格结构的 Skill（SKILL.md、persona.md、work.md）。对于 relationship 家族，它分析聊天记录中的表达 DNA、情绪触发点、冲突与修复模式。对于 celebrity 家族，它使用六维研究工具链（download_subtitles.sh、srt_to_transcript.py、merge_research.py、quality_check.py）从字幕、访谈、决策记录中提炼心理模型和决策启发式。生成的 Skill 以 /{character}-{slug} 形式调用，并支持增量合并、对话纠正和版本回滚。
- 离职同事：希望保留其技术判断和工作流程，在团队中继续咨询其意见。
- 异地恋或分手：想通过聊天记录保存对方的语气和性格，进行情感陪伴。
- 粉丝：想基于公开访谈、作品和博客，与崇拜的偶像进行模拟对话。
- 企业知识管理：将资深工程师的文档、评审意见蒸馏成可查询的技能，供新员工学习。
- 个人记忆：将老友或家人的社交媒体、日记转化为可交互的对话伙伴，保存回忆。
这个 Agent 有哪些优点和局限？
- 支持飞书/钉钉/Slack 自动数据采集，只需输入名字即可全自动收集消息、文档和表格。
- 三种角色家族（同事/关系/名人）各有专属提示词管道与生成模板，适应不同场景。
- 支持 Claude Code、Hermes、OpenClaw、Codex、DeepSeek Harness 五个宿主，生成后可跨宿主安装。
- 名人家族提供六维研究工具链（字幕→转录→研究合并→质量检查），提炼心理模型而非简单模仿口吻。
- 具有版本控制、增量合并和对话纠正机制，可迭代优化 Skill。
- 钉钉 API 不支持消息历史，只能通过浏览器方式采集，且 Slack 免费版仅限 90 天记录。
- 数据源质量直接影响 Skill 质量，低质量或二手资料会导致生成效果不佳。
- 项目仍为演示版，可能存在 bug；飞书自动采集需要将 App bot 添加到相关群聊。
- 目前不支持图片/照片分享（relationship 家族的 photo-sharing 功能即将推出），功能边界有限。
- 对非技术用户而言，依赖多宿主安装配置和 Python 工具链，上手成本较高。
如何安装或部署这个 Agent？
安装方式：在支持的宿主（Claude Code、Hermes、OpenClaw、Codex、DeepSeek Harness）中，直接告诉 Agent：Install the dot-skill skill for me: https://github.com/titanwings/colleague-skill ，Agent 会自动克隆仓库并注册入口。手动安装时，将仓库克隆到宿主对应的技能目录，例如 Claude Code 放到 ~/.claude/skills/dot-skill，OpenClaw 放到 ~/.openclaw/workspace/skills/dot-skill，DeepSeek Harness 放到 ~/.dsh/skills/dot-skill（全局）或 .dsh/skills/dot-skill（项目）。Hermes 安装后需运行 python3 tools/install_hermes_skill.py --force。
如何使用这个 Agent？
安装后在宿主中输入 /dot-skill 或告诉 Agent“启动 dot-skill”。首先选择要蒸馏的角色家族（colleague/relationship/celebrity），然后输入别名、基本资料、性格标签，并选择数据源（飞书、钉钉、Slack、微信聊天记录、PDF、邮件、Markdown 等）。所有字段都可以跳过，仅凭一段描述也能生成 Skill。生成后，用 /{character}-{slug} 调用完整 Skill，或使用 /{character}-{slug}-work（仅工作）和 /{character}-{slug}-persona（仅人格）。支持增量追加文件、对话纠正（说“他们不会那样做”），以及用 python3 tools/version_manager.py --action rollback 回滚版本。
这个 Agent 与同类方案有什么区别？
它与其他技能生成工具（如 alchaincyf/karpathy-skill）有社区案例关联，但未明确提及直接竞品。
常见问题
生成 Skill 需要哪些权限或凭证？
如何保证生成的 Skill 不越界或泄露隐私？
生成的 Skill 能否在多个平台之间迁移？
~/.dsh/skills/<skill-name>。Hermes 有专用安装脚本。