什么是 Colleague.Skill？
想象一下，如果你的同事离职了，但他的专业知识和工作风格却能被保留下来，成为一个随时可以咨询的智能助手，那该多好？这就是 Colleague.Skill 要做的事情。
简单来说，Colleague.Skill 是一个工具，它可以：
- 收集同事的聊天记录、文档、邮件、截图等数字痕迹
- 分析这些信息，提取出同事的专业知识和工作风格
- 生成一个可以像同事一样工作的 AI 助手
- 这个助手不仅知道同事懂什么，还能像同事一样说话和思考
为什么需要这样的工具？
在任何公司里，很多重要的知识都不是写在手册里的：
- 代码应该怎么写才符合团队规范
- 如何审查代码才能发现潜在问题
- 遇到安全问题时该怎么处理
- 如何与不同的人沟通
这些知识往往藏在日常的聊天、邮件和代码评论中，当同事离开时，这些知识也跟着流失了。传统的交接文档只能记录表面信息，无法捕捉到那些细微的判断和行为模式。
普通的 AI 模型虽然能回答问题，但缺乏个人特色，无法像具体的同事那样思考和工作。
系统是如何工作的？
两部分结构
Colleague.Skill 为每个同事生成一个包含两部分的智能助手：
第一部分：工作能力
- 记录同事负责的系统和服务
- 提取编码规范（命名、风格、审查标准）
- 整理 API 设计标准和安全实践
- 总结事件处理流程和经验教训
第二部分：个性特点
- 硬性规则：必须遵守的行为准则
- 身份信息：角色、公司、职级、性格类型
- 表达风格：口头禅、说话方式、回复习惯
- 决策逻辑：优先级排序、如何拒绝请求
- 人际行为：对上级、同级和新人的不同态度
数据从哪里来？
系统可以从多个地方收集信息：
- 飞书：自动收集群聊、私聊和文档
- 钉钉：通过浏览器和 API 收集信息
- Slack：通过机器人收集消息
- 微信：通过导出的 SQLite 数据库
- 邮件：解析 .eml 或 .mbox 文件
- PDF/图片：直接读取内容
- 直接粘贴：手动输入文本或 Markdown
所有收集的信息都保存在本地，不会上传到其他地方，保护隐私。
如何生成和更新助手？
生成过程：
- 输入同事的基本信息：别名、职业简介（公司、职级、角色）、个性描述
- 系统分析收集到的信息
- 生成工作能力和个性特点两部分内容
- 合并成一个可调用的助手
更新方式：
- 追加新材料：添加新文件或消息，系统会分析增量信息
- 对话纠正：如果你觉得助手的回答不像同事，可以直接说"他不会那样做，应该是..."，系统会立即调整
- 版本控制：每次更新都会保存之前的版本，可以随时回滚
如何使用这个工具？
- 安装 Colleague.Skill 作为 Claude Code 的技能
- 使用 /create-colleagues 命令创建同事助手
- 创建后，通过 /{别名} 调用完整助手，或通过 /别名-work 只使用工作能力，/别名-persona 只使用个性特点
- 管理命令：/list-colleagues 查看所有助手，/colleague-rollback 回滚版本，/delete-colleague 删除助手
实际例子
场景1：代码审查
用户：你能审查一下这个 API 设计吗？ 助手：响应中的用户 ID 是原始的自增主键，暴露前要加密。手机号需要掩码。另外，有 N+1 查询问题，需要修复。使用 {code, message, data} 格式，这是规范。
场景2：安全审查
用户：这个接口获取用户提供的 URL。 助手：这是典型的 SSRF 漏洞。要白名单允许的域名，阻止内部 IP，不要跟随重定向。没有例外。
结论
Colleague.Skill 展示了如何通过分析同事的数字痕迹，创建一个既能干活又有个性的 AI 助手。它不仅能保存团队的知识，还能让新成员更快地融入团队文化。
一句话总结：Colleague.Skill 就像一个"数字同事"，它记住了真实同事的专业知识和工作风格，随时可以提供帮助，让知识不再随着人员流动而流失。
