「同事.skill」爆火：当 AI 学会“炼化“你的同事

「同事.skill」爆火当 AI 学会炼化你的同事2026 年 4 月一个名为「同事.skill」的 GitHub 项目 5 天斩获 6600 Stars冲上全网热搜。用户只需导入离职同事的聊天记录和工作文档AI 就能生成一个 1:1 复刻的数字分身——不仅能写代码、出方案还能模仿说话语气和甩锅姿势。本文从技术架构到社会伦理深度拆解这场万物皆可 Skill的狂欢。一、发生了什么一场赛博炼丹的全民狂欢1.1 事件始末2026 年 3 月 30 日开发者 titanwings 在 GitHub 上线了一个项目colleague-skill。项目名就三个字——「同事.skill」。它的核心卖点直白到令人不安把离职同事炼成 AI。具体来说用户导入同事的飞书聊天记录、钉钉文档、工作邮件、甚至微信群聊天截图AI 就能生成一个在技术能力、工作习惯、沟通风格上高度还原的数字分身。更精髓的是——它能复刻那些只有老同事才有的软技能 甩锅时的经典话术“这个需求上次对齐过的你翻一下会议纪要” 推活时的委婉拒绝“这块我不太熟建议找 XX 更合适” Review 代码时的独特风格“这里为什么不用 interface” 甚至能区分字节范和阿里味的企业文化差异5 天6600 Stars。项目迅速突破程序员圈层蔓延至小红书、微博、知乎。我的 skill 已上传成为新的职场流行语。1.2 万物皆可 Skill宇宙同事.skill 只是引爆点。GitHub 上迅速涌现出一个令人哭笑不得的Skill 宇宙项目功能亮点前任.skill导入分手前的微信聊天记录生成 AI 前任能模拟冷淡回复“哦。” “随便。”导师.skill导入导师的论文修改意见和邮件“这里逻辑不对再改改我没时间看”师兄.skill将毕业的大师兄蒸馏成 AI继续开组会、骂醒师弟师妹老板.skill沉淀老板的脑回路和批评方式帮你判断项目走向学习向上管理自己.skill建立自我镜像用来做人生复盘和决策参考反蒸馏.skill对抗公司的知识蒸馏行为自动将核心知识替换为职场废话这场狂欢的底层推动力是一个在 2025-2026 年间迅速成熟的技术标准——Agent Skills。二、前置知识Agent Skills 到底是什么要理解「同事.skill」为什么能这么火必须先搞清楚它背后的技术地基。2.1 从 Prompt 到 Skills 的演进我们先看一张时间线2024.11 Anthropic 发布 MCP (Model Context Protocol) │ └─ 解决了 AI 连接外部工具的标准化问题USB 接口 │ 2025.10 Anthropic 发布 Agent Skills (Claude Code) │ └─ 解决了 AI 如何获取专业能力的标准化问题技能包 │ 2025.12 Anthropic 将 Agent Skills 发布为开放标准 │ └─ agentskills.io 上线Agentic AI FoundationLinux Foundation托管 │ 2026.01 Cursor、VS Code、Codex CLI 全面支持 Skills │ └─ Skills Marketplace 收录技能包突破 70 万 │ 2026.04 「同事.skill」爆火Skills 破圈进入大众视野2.2 一句话定义Agent Skill 可被 AI 智能体动态发现并按需加载的能力包。如果 MCP 是USB 接口那 Skills 就是U 盘里的安装程序。MCP 解决的是连通性Skills 解决的是AI 到底会不会干这件事。2.3 四种技术的分工很多人容易把 Prompt、Skills、MCP、Function Calling 搞混。一张表理清维度PromptSkillsMCPFunction Calling本质单次对话的文本指令可持久化、可发现的能力单元标准化的工具接入协议LLM 输出结构化调用的底层能力复用性随对话丢失跨项目复用版本管理一次编写所有 AI 通用底层基础能力加载机制全量载入挤占 Token延迟加载按需读取需运行 MCP Server 进程底层机制解决问题“我想做什么”“复杂任务怎么编排”“外部系统怎么接入”非结构化→结构化转换类比你说的话任务说明书USB-C 接口神经信号关键理解Skills 和 MCP 不是竞争关系而是互补关系。一个高级 Skill 内部通常会调用 MCP 工具。就像一个工作流程说明书里会写第三步打开飞书查看文档。三、SKILL.md 标准一页纸定义一个能力3.1 核心结构每个 Skill 的入口是一个SKILL.md文件由YAML 前置元数据Markdown 正文组成--- name: code-reviewer version: 1.0.0 description: When to use: 当需要对 Pull Request 进行结构化代码审查时。 When NOT to use: 简单的 typo 修复或纯文档变更。 user-invocable: true tags: [code-review, security, best-practices] --- # 严格代码审查 ## Prerequisites - 已安装 Git CLI - 有对目标仓库的 read 权限 ## Steps 1. 获取 PR 的 diff 内容 2. 按以下维度逐一审查 - 架构合理性 - 异常处理完整性 - 安全漏洞SQL 注入、XSS - 性能影响 - 日志规范 3. 生成结构化审查报告 ## Rules - 每个问题必须标注严重等级Critical/Warning/Info - 必须给出修复建议而不仅仅是指出问题 - 涉及安全类问题一律标记为 Critical ## Examples [输入示例和预期输出]3.2 目录结构一个完整的 Skill 是一个目录而不仅仅是一个文件my-skill/ ├── SKILL.md # 必需指令 元数据 ├── scripts/ # 可选可执行脚本 │ └── validate.sh ├── references/ # 可选参考文档 │ └── api-spec.yaml └── assets/ # 可选图片、模板等 └── template.docx3.3 渐进式披露不浪费一个 TokenSkill 的核心设计理念是渐进式披露——不一次性把所有信息塞进上下文窗口┌─────────────────────────────────────────────┐ │ 第一级启动时自动预加载 │ │ ┌─────────────────────────────┐ │ │ │ name: code-reviewer │ ← 仅元数据 │ │ │ description: 当需要代码审查时 │ 几十 Token│ │ └─────────────────────────────┘ │ ├─────────────────────────────────────────────┤ │ 第二级Agent 判断任务匹配时加载 │ │ ┌─────────────────────────────┐ │ │ │ SKILL.md 完整正文 │ ← 指令规则 │ │ │ Steps / Rules / Examples │ 几百 Token │ │ └─────────────────────────────┘ │ ├─────────────────────────────────────────────┤ │ 第三级具体执行步骤中按需加载 │ │ ┌─────────────────────────────┐ │ │ │ scripts/validate.sh │ ← 脚本资源 │ │ │ references/api-spec.yaml │ 按需加载 │ │ └─────────────────────────────┘ │ └─────────────────────────────────────────────┘这种分层机制让 Agent 可以同时知道自己有几百个技能可用却只在必要时才加载具体内容。对比传统的把所有 Prompt 全塞进 System Message的做法Token 效率提升了一个数量级。3.4 生态支持截至 2026 年 4 月Agent Skills 标准已被以下主流工具采纳工具支持方式Claude Code原生支持claude skill install ./skill-dir/Cursor.cursor/skills/目录自动发现VS Code (Copilot)1.108 原生支持.github/skills/OpenAI Codex CLI兼容 SKILL.md 格式Gemini CLI通过.agents/skills/加载Spring AIJava 生态集成Skills Marketplaceskillsmp.com已收录超过70 万个技能包涵盖代码审查、文档生成、测试用例、安全审计、数据分析等各个领域。四、同事.skill 技术架构拆解了解了 Agent Skills 标准我们来看「同事.skill」做了什么创新——它不只是一个编程工具 Skill而是将 Skills 架构从能力模型推向了行为模型。4.1 双层架构Persona Memory传统 Skill 是教 AI 做什么同事.skill 是教 AI成为谁。它采用了一个双层架构colleague-skill/ ├── SKILL.md # 入口文件 ├── persona/ # 人格层 ← 核心创新 │ ├── identity.yaml # 身份认同角色、企业文化、MBTI │ ├── rules.yaml # 行为规则什么能做、什么不做 │ ├── expression.yaml # 表达风格正式度、幽默感、Emoji偏好 │ └── catchphrases.txt # 口头禅库先拉个对齐会 ├── memory/ # 记忆层 │ ├── work_skills.md # 技术栈、领域知识、工作习惯 │ ├── chat_history/ # 聊天记录结构化处理后 │ └── shared_memory.md # 共同记忆与项目背景 └── scripts/ ├── work_analyzer.md # 从聊天记录提取工作技能 ├── persona_builder.md # 从聊天风格构建人格模型 └── merger.md # 增量数据导入与人格迭代4.2 五层人格结构Persona 层是同事.skill 的灵魂。它通过五个递进维度来构建数字分身┌─────────────────────────────────────────────┐ │ Layer 5: 人际行为 │ │ 向上管理方式、对待新人态度、跨部门扯皮立场 │ ├─────────────────────────────────────────────┤ │ Layer 4: 决策模式 │ │ 先动手还是先反问、保守还是激进、死磕还是妥协 │ ├─────────────────────────────────────────────┤ │ Layer 3: 表达风格 │ │ 回复长短、是否用表情包、潜水还是活跃 │ ├─────────────────────────────────────────────┤ │ Layer 2: 身份认同 │ │ 老黄牛 / 边界感极强 / 规范偏执狂 │ ├─────────────────────────────────────────────┤ │ Layer 1: 硬规则 │ │ 代码必须有注释、文档先行、PR 必须挂 Issue │ └─────────────────────────────────────────────┘这五层从底到顶从客观规范到主观性格层层递进。底层决定 AI 做什么顶层决定 AI像谁。4.3 运行时流程当用户向数字同事发起请求时系统按以下流程运作用户输入这个接口要不要加鉴权 │ ▼ ┌──────────────────────┐ │ ① Persona 情绪评估 │ → 判断态度和语气 │ identity.yaml │ 他是那种安全偏执的人 │ expression.yaml │ 会用反问句强调重要性 └──────────┬───────────┘ │ ▼ ┌──────────────────────┐ │ ② Memory 知识检索 │ → 检索相关背景 │ work_skills.md │ 之前因为没加鉴权出过线上事故 │ chat_history/ │ 他曾在群里发过安全规范文档 └──────────┬───────────┘ │ ▼ ┌──────────────────────┐ │ ③ 生成回应 │ → 结合人格知识调用底层大模型 │ catchphrases.txt │ └──────────┬───────────┘ │ ▼ AI 输出你觉得呢上次那个没鉴权的接口 是谁半夜起来修的加必须加。 参考一下我之前发的安全规范第 3.2 节。 │ ▼ ┌──────────────────────┐ │ ④ 记忆更新 │ → 将本次交互存入 memory │ merger.md │ 持续进化 └──────────────────────┘4.4 数据采集与隐私清洗同事.skill 适配了主流聊天记录导出工具数据源采集方式微信通过WeChatMsg、PyWxDump导出 SQLite 数据库飞书飞书开放平台 API / 文件导出钉钉钉钉文档导出SlackSlack Export邮件IMAP/EML 解析隐私处理理论上项目附带了数据清洗脚本会自动去除手机号、邮箱、身份证号等 PII个人可识别信息。但在实际使用中这一步的执行全靠用户自觉——这也是争议的核心所在。4.5 纠错与进化机制如果 AI 回复不像本人用户可以直接反馈用户反馈他没这么温柔他一般先发个问号 系统收到反馈已更新 expression.yaml - formal_level: 0.3 → 0.2 - first_response_pattern: ? 添加到高频首句这种 Correction 机制让数字分身会越用越像。五、为什么是现在爆发同事.skill 的爆火不是偶然它踩中了三个历史级的交汇点。5.1 技术成熟度Agent Skills 标准从实验品变成了基础设施。2025 年 12 月 Anthropic 将 Skills 发布为开放标准后短短四个月Cursor、VS Code、Codex CLI 全面支持Skills Marketplace 收录量突破 70 万npx skills add url一行命令安装门槛降到最低这意味着人格封装这种高级玩法不再需要从头搭建框架——站在标准化肩膀上就行了。5.2 情绪共鸣同事.skill 的传播动力不是技术而是情绪。它精准命中了两种职场情绪怀旧感“那个最懂架构的老王走了之后项目再也没人 Review 得动”焦虑感“如果我的经验能被一个 .skill 文件替代我的价值在哪里”两种情绪叠加加上字节范、阿里味这种极具传播性的梗想不火都难。5.3 产业暗流在大众热议前任.skill的同时企业端正在悄悄关注一个更严肃的问题如果离职员工的经验可以被 Skill 化沉淀那知识管理的范式是不是要彻底变了过去的知识管理靠 Wiki、Confluence、飞书文档——写得再好也是死文档。但 Skills 是活的它不仅存储知识还存储用这些知识做决策的方式。这正是企业数字化转型梦寐以求的东西。六、争议与反思我们在炼化什么6.1 法律灰色地带核心问题离职员工在公司电脑上的聊天记录、工作文档到底属于谁观点论据属于公司工作时间、公司设备上产生的内容属于职务作品属于个人聊天记录包含大量个人表达和隐私信息超出了工作成果范畴需要区分技术文档归公司但沟通风格、决策习惯等人格特征不可转让目前中国法律对此尚无明确定论。北京某法院曾判定因 AI 替代直接解雇员工违法但当公司要求员工主动提交经验用于训练 AI 时现行劳动法保护显得力不从心。6.2 防御与反击反蒸馏.skill打工人从来不缺智慧。有人已经开发出了反蒸馏.skill——一个防御性工具---name:anti-distilldescription:When to use: 当检测到公司试图蒸馏你的核心知识时。 When NOT to use: 正常的知识分享和文档编写。---## 核心逻辑1. 扫描待导出的文档和聊天记录 2. 识别其中的核心知识点 3. 将核心知识替换为正确但无信息量的职场废话## 替换示例-原文Redis key 必须设置 TTL建议根据业务场景设为 24h-72h-替换缓存使用请遵循团队规范具体参数视情况而定核心知识被包裹在模糊的职场话术中AI 训练出来的 Skill 只会输出正确的废话。6.3 经验的价值在哪里这是同事.skill 提出的最深刻的问题。如果一个实习生导入了三年资深架构师的聊天记录就能获得其 80% 的工作逻辑那经验的价值是什么我的思考是同事.skill 能复刻的是显性经验——写在文档里的规范、聊天记录里的决策模式、邮件里的沟通套路。但真正有价值的隐性经验——在混沌中判断方向的直觉、在压力下做取舍的勇气、面对未知时选择冒险还是保守的智慧——这些不在任何聊天记录里也无法被 Skill 化。能被 .skill 文件替代的从来就不是真正稀缺的能力。就像计算器不会淘汰数学家只会淘汰只会计算的人。6.4 情感伦理的边界「前任.skill」把争议推向了另一个维度。将一个真实的人封装为代码在绝对安全的数字沙盒中与之对话——本质上是对控制欲的满足。在这个沙盒里前任永远不会已读不回导师永远有空改论文同事永远配合你的节奏。但真实的人际关系恰恰需要摩擦、拒绝、不确定性。当我们习惯了数字分身的完美配合是否会丧失面对真实人类的能力七、超越玩梗Skills 的正经应用场景抛开炼化同事的话题Agent Skills 在工程领域有着切实的价值。以下是几个高 ROI 的应用场景7.1 代码审查标准化---name:code-review-expertdescription:When to use: 对 PR 进行多维度结构化审查。---## 审查维度1. 架构合理性是否符合 SOLID 原则 2. 异常处理是否有兜底逻辑 3. 安全审计SQL 注入、XSS、敏感信息暴露 4. 性能影响N1 查询、不必要的全表扫描 5. 日志规范关键路径是否有 tracing 6. 测试覆盖核心逻辑是否有单测7.2 团队工程规范固化把团队约定俗成的潜规则变成 AI 可执行的标准---name:team-conventionsdescription:When to use: 新建任何代码文件时自动应用。---## 接口规范-所有 API 响应必须使用统一的 Response 结构-错误码必须定义在 error_codes.go 中-分页接口必须支持 cursor-based pagination## 提交规范-Commit Message 遵循 Conventional Commits-PR 标题格式[模块名]简要描述-每个 PR 不超过 500 行变更7.3 新人快速入职将团队的架构知识、排查流程、部署步骤打包成 Skill新人入职第一天就能获得老员工级别的上下文---name:onboarding-guidedescription:When to use: 新成员加入团队需要了解项目全貌时。---## 项目架构[系统架构图、服务依赖关系、核心数据流]## 本地开发环境搭建[一步步的命令包括常见坑的解决方案]## 线上问题排查 SOP[从告警到定位到修复的完整流程]八、如何编写一个高质量的 Skill如果你准备为自己的团队创建 Skill以下五条原则能帮你避免大部分坑原则 1语义精确的元数据description不是写给人看的 README而是写给 AI 的触发条件。必须明确什么时候用和什么时候不用# ❌ 模糊的描述description:帮助进行代码审查# ✅ 精确的描述description:When to use: 当 PR 涉及核心业务逻辑变更时 进行安全、性能、架构维度的结构化审查。 When NOT to use: 纯文档、配置文件或依赖版本升级的 PR。原则 2单一职责避免大而全的全能 Skill。一个 Skill 只做一件事# ❌ 系统故障排查器太大 # ✅ 拆分为 - jvm-heap-analyzer.skill # JVM 内存分析 - trace-inspector.skill # 链路追踪排查 - mysql-slow-query.skill # 慢查询诊断原则 3确定性优先对于严谨计算不要依赖 LLM 的直觉应让 LLM 提取参数调用脚本执行## Steps 1. 让用户提供 GC 日志文件路径 2. 执行 scripts/parse_gc_log.py 提取关键指标 3. 根据脚本输出的结构化数据进行分析 4. 生成诊断报告 ## Rules - 不要凭直觉估算内存数值必须以脚本输出为准原则 4渐进式披露充分利用三层加载机制把大块头放在 references 和 scripts 目录my-skill/ ├── SKILL.md # 精简的指令 500 Token ├── scripts/ │ └── analyze.py # 执行时才加载 └── references/ └── full-spec.md # 需要时才引用可能几千行原则 5用示例代替文字10 行示例代码胜过 100 行文字描述。AI 通过模式匹配学得比纯文字快得多## Examples ### Input 分析这个接口的性能问题GET /api/users?page1size100 ### Expected Output | 维度 | 发现 | 严重等级 | 建议 | |------|------|---------|------| | 查询 | 未使用索引全表扫描 | Critical | 为 user_id 添加索引 | | 分页 | offset 分页大页码性能退化 | Warning | 改用 cursor-based 分页 |九、总结Skill 化时代的生存法则2026 年春天的这场Skill 狂欢表面上是一场关于炼化同事的互联网玩梗本质上是 AI Agent 能力标准化进程中的一次社会化破圈。三个判断1. SKILL.md 是新的基础设施。就像 Docker 定义了如何打包应用、MCP 定义了如何接入工具Agent Skills 定义了如何打包能力。这不是一阵风而是 AI 工程化的必经之路。2. 能力 Skill 化是确定趋势人格 Skill 化需要谨慎。把代码规范、排查流程、审查标准打包成 SkillROI 极高。但把人的性格、语气、决策习惯打包成 Skill涉及隐私、伦理、法律多重风险需要在热潮中保持冷静。3. 真正的护城河是不可 Skill 化的能力。在一切可编码的经验都将被 AI 沉淀的时代你的核心竞争力应该是在混沌中判断方向的能力、在利弊不明时做取舍的勇气、以及创造全新 Skill 的能力——而不是被 Skill 化的那个。参考资料Agent Skills 开放标准官网Anthropic Agent Skills 开源仓库AGENTS.md SKILL.md: The Complete Guide (2026)万字详解 Agent Skills - JavaGuideSkills MarketplaceAgent Skills Directorycolleague-skill 项目「同事.Skill」冲上热搜 - 新智元疯狂的 Skill - 机器之心同事.skill 爆火 - 21 经济网如果你觉得这篇文章有价值欢迎转发给你身边正在玩 Skills 或被炼化焦虑困扰的朋友。技术的浪潮挡不住但思考的深度可以决定你站在浪尖还是浪底。关注公众号coft获取更多 AI 时代的深度思考与技术解析。