夜雨聆风如果有一天，团队里最懂系统的人离职了，代码没人敢改，文档没人看得懂，连他开会时那种“先讲背景、再下判断”的节奏都没人接得上，你会怎么办？
最近看到一个很有冲击力的开源项目：colleague-skill。按原文介绍，它在很短时间内拿下了 7000+ GitHub Star，热度涨得非常快。更夸张的是，它做的事一句话就能说明白：
把一个同事的工作能力、经验习惯、沟通方式，甚至性格特征，蒸馏成一个可以单独调用的 AI Skill。
听起来离谱，但它并不是一个单纯的玩笑项目。它真正击中的，是职场里最难解决的一件事：人的经验一旦离开，人也就带走了大量隐性知识。
它不是“复刻一个人”，而是在沉淀两种能力
这个项目最有意思的地方，在于它没有把“同事”简单理解成一段 prompt，而是拆成了两部分。
第一部分是 Work Skill。这一层负责提取工作层面的内容：他负责过哪些系统，写代码是什么风格，做 Code Review 时关注什么，处理问题有哪些固定套路，长期积累了哪些经验。
这意味着，蒸馏出来的结果不是一句“模仿某某说话”，而是有机会真正参与具体工作，比如辅助写代码、补上下文、延续评审习惯。
第二部分是 Persona。这一层模拟的不是技术，而是“这个人会怎么想、怎么说、怎么做”。原文提到，它用五层结构去描述一个人，从性格特征、身份认知，到表达风格、决策判断，再到人际互动模式，尽量把一个人的行为方式建模出来。
两者结合后的逻辑就很清楚了：
先由 Persona 判断“他会怎么看这件事”，再由 Work Skill 负责“他会怎么把事做出来”，最后用他的语气输出。
这一步，才让“AI 同事”这件事开始像回事。
真正硬核的，不是概念，而是数据入口
很多类似项目停留在 demo 阶段，是因为没有稳定的数据来源。但 colleague-skill 明显想把这件事做得更完整。
按原文描述，它支持从多个平台采集资料，包括飞书、钉钉、Slack，也支持文档、Wiki、多维表格、聊天记录等内容。API 能拿的就自动拿，API 不支持的就通过浏览器登录态处理。除此之外，用户还可以手动上传 PDF、图片截图、邮件、Markdown、飞书 JSON 导出，或者直接粘贴文本。
说白了，它想做的是一件非常直接的事：
把一个人在工作中留下来的痕迹，尽可能完整地收集起来，再交给 AI 去提炼。
这也是它最让人兴奋、同时最让人不安的地方。因为真正有价值的知识，往往就藏在这些零散痕迹里。
它最像真实同事的地方，在于“会持续长大”
原文里还有两个很值得注意的设计。
一个是进化机制。这个 Skill 不是一次生成就结束了，而是可以持续追加新资料。系统会分析增量内容，合并进已有结论，而不是简单覆盖。你还可以在对话里纠正它，比如直接告诉它“他不会这么说”“他通常会优先考虑这个”，这些纠正会被记录并立即生效。
另一个是版本管理。每次更新都会留档，最多保留 10 个版本，必要时还能回滚。
这其实非常像真实的知识交接过程：不是一次文档移交，而是不断修正、不断补充、不断逼近“这个人原本怎么工作”。
项目里甚至还设计了各种人格标签和企业文化标签，从“话少、只读不回”，到不同大厂语境和职级体系，调侃意味很强，但也说明作者想捕捉的，不只是能力，还有语境。
它为什么会火
因为它把一个很多团队都在默默承受的问题，第一次做成了一个可操作的产品形态。
过去我们说知识沉淀，通常靠文档、靠交接、靠新人慢慢补课。问题是，真正关键的部分往往并不写在文档里，而是藏在判断路径、表达习惯、协作默契里。人一走，这些东西就断了。
colleague-skill 的吸引力，不在于“复活前同事”，而在于它提供了一种新思路：
把隐性的、分散的、人格化的经验，转成可以被调用、被迭代、被继承的能力模块。
这比单纯做知识库，要更进一步。
但最后那道问题，绕不过去
这个项目也不是没有争议。恰恰相反，它最需要认真面对的，就是隐私和伦理。
如果一个人的聊天记录、文档、语气、行为模式都被拿来蒸馏成 AI，这件事的边界在哪里？离职同事是否知情？哪些数据可以用，哪些不能用？团队效率和个人权益之间，谁说了算？
原文最后其实也点到了这一层：\ 技术上能做到，不代表使用上就天然合理。
所以，这个项目真正带来的，不只是一个新玩法，而是一道越来越现实的选择题：
当 AI 开始接管“人的经验”时，我们到底是在做知识传承，还是在越过边界？
也许答案并不简单。但可以确定的是，AI 不再只是帮你写一段代码、生成一份文案，它已经开始试图继承一个人留下来的工作方式了。
