AI 技能/插件人工智能【免费下载链接】distillyDistilly — Distill how they think into reusable Skills for any Agent or Bot. Formerly Colleague Skill原同事 Skill.项目地址https://gitcode.com/gh_mirrors/co/distilly点击查看免费下载本文基于仓库内 docs/lang/README_EN.md 展开并结合 SKILL.md、INSTALL_EN.md 与tools/下的源码实现进行纵深补充。文中所有路径均以仓库根目录为基准。导读Distilly原名 Colleague Skill / colleague-skill是一个面向 Agent 的人像建模层person-modeling layer它把一个人可观察的经验、判断、表达方式和做事风格从消息记录、文档、访谈与公开资料中提炼成一个可移植、可溯源source-grounded的Person Profile并将其打包成符合 AgentSkills 标准的Agent Skill供多种本地 Agent 宿主直接发现、安装与调用。读完本文你将掌握三大人物族colleague / relationship / celebrity的完整蒸馏工作流、八大宿主Claude Code、Hermes、OpenClaw、Codex、DeepSeek Harness、Pi、Grok Build、OpenCode的安装路径与调用语法、全部数据源采集方式以及 celebrity 家族特有的六维度研究流水线与质量把关机制。Distilly 是什么从蒸馏同事到蒸馏任何人Distilly 的定位不是聊天机器人而是 Agent 的person-modeling layer。它的核心产出物是Person Profile——由你提供的原材料消息、文档、访谈、公开来源 你的描述共同构建强调基于可观察证据而非克隆真人Source material your description → a source-grounded Person Profile → your Agent or compatible Bot项目前身是 Colleague Skill技术报告《COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation》收录于 arXiv编号 2605.31264其 Work Skill Persona 两层架构是今天colleague家族的理论基础relationship / celebrity 家族的扩展论文计划另行发布。当前仓库以 MIT License 发布要求 Python 3.9创建器creator统一命名为distilly安装目录约定为distilly。从 SKILL.md 的 frontmatter 可以看到创建器本身的元数据name: distilly、version: 1.0.0、user-invocable: true、allowed-tools: Read, Write, Edit, Bash说明它只要求宿主能读取本地文件并执行 Bash / Python 命令不绑定特定模型。三大人物族colleague / relationship / celebrityDistilly 用一个统一工作流服务三类人每类拥有独立的素材采集策略、分析维度和 Person Profile 结构家族适用对象产出结构‍ colleague同事、导师、队友、上下游合作伙伴Work Skill Persona技术标准、工作流、表达方式、职场行为支持飞书/钉钉/Slack 采集 relationship前任、伴侣、父母、朋友、近亲表达 DNA、情绪触发点、冲突模式、修复模式打包为可复用 Persona Skill celebrity公众人物、创作者、公共声音、虚构角色内置六维度研究工具链字幕 → 转录清洗 → 研究合并 → 质量检查组织可观察的决策、表达与心智模型这一结构在源码中有直接对应。tools/skill_presets.py中的CHARACTER_PRESETS为每个家族定义了storage_rootskills/colleague、skills/relationship、skills/celebrity、prompt_bundleintake / persona_analyzer / persona_builder / merger / correction_handler 各自对应的 prompt 文件以及command_aliases如/create-colleague、/create-ex、/create-icon。normalize_character()还支持别名归一化ex/self/yourself归入 relationshipicon/character/fictional-character/nuwa归入 celebrity未识别时回退到 colleague。八大 Agent 宿主安装路径与调用语法旧版只在 Claude Code 中运行Distilly 现已支持8 个 Agent 宿主的原生本地 Skill 发现README_EN.md的 2026.08.24 更新说明Claude Code、Hermes、OpenClaw、Codex、DeepSeek Harness、Pi、Grok Build、OpenCode。每个生成的 Person Profile 都会被打包为 Agent Skill 并安装进任一受支持宿主。各宿主调用创建器distilly的语法不同见 SKILL.mdClaude Code、Hermes、DeepSeek Harness、Grok Build/distillyOpenClaw优先/distilly未注册 native slash 时用/skill distillyCodex$distilly或通过/skills选择Pi/skill:distillyOpenCode使用原生 Skill 发现与加载无专用命令Grok Bot 属预览状态它支持 saved/private Skill但官方文档未描述本地SKILL.md目录导入Distilly 工作流需手工迁移为 saved Skill官方文档不保证直接仓库安装。安装方式一让 Agent 自己装在任意受支持宿主中发送Install Distilly fromhttps://github.com/titanwings/distilly, then verify that this host can discover it.Agent 会以distilly为 Skill 名安装到正确宿主目录。安装方式二人工克隆git clone https://github.com/titanwings/distilly DISTILLY_SKILL_DIR目标目录必须保持名为distilly。各宿主的用户级与项目级目标路径详见 INSTALL_EN.mdHost用户级TARGET项目级TARGETClaude Code~/.claude/skills/distilly.claude/skills/distillyOpenClaw~/.openclaw/workspace/skills/distilly—Hermes~/.hermes/skills/openclaw-imports/distilly.hermes/skills/distilly先hermes skills trustCodex~/.agents/skills/distilly.agents/skills/distillyDeepSeek Harness~/.dsh/skills/distilly或$DSH_HOME/skills/distilly.dsh/skills/distillyPi~/.pi/agent/skills/distilly或~/.agents/skills/distilly—Grok Build~/.grok/skills/distilly或~/.agents/skills/distilly—OpenCode~/.config/opencode/skills/distilly.opencode/skills/distilly从已有克隆中还可以使用仓库自带的宿主专用安装器先--dry-run检查目标再落盘python3 tools/install_openclaw_skill.py --force python3 tools/install_hermes_skill.py --force python3 tools/install_codex_skill.py --force存量安装迁移git pull不会自动重命名仍叫dot-skill的克隆旧的~/.codex/skills/也不会自动迁移到~/.agents/skills/。迁移建议保留旧副本作回退 → 按上表安装新的 canonical 副本或运行仓库安装器→ 验证宿主能发现新副本 → 手动决定旧目录去留。Distilly 从不自动删除旧目录~/.colleague-skill/的旧配置与旧 profile 元数据可作为只读回退被读取不会移动安装目录。数据源支持矩阵Distilly 的原材料支持自动采集与手动上传两大类详见 README_EN.md 的数据源表来源消息文档/Wiki表格说明 飞书自动✅ API✅✅仅需输入姓名全自动 钉钉自动⚠️ 浏览器✅✅钉钉 API 不支持历史消息 Slack自动✅ API——需管理员安装 Bot免费版仅 90 天 公开 X 帖子✅ API——可选通过按量计费的第三方 Xquik 服务限制性采集公开人物研究候选 微信聊天记录✅ SQLite——需先用 WeChatMsg / PyWxDump 导出 PDF / 图片 / 截图—✅—手动上传 飞书 JSON 导出✅✅—手动上传✉️ 邮件.eml/.mbox✅——手动上传 Markdown / 直接粘贴✅✅—手动输入对应工具落在 tools/ 目录feishu_auto_collector.py飞书全自动采集、feishu_parser.py飞书 JSON 解析、feishu_browser.py浏览器登录态读飞书文档、feishu_mcp_client.pyMCP App Token 方案、dingtalk_auto_collector.py、slack_auto_collector.py、email_parser.py。注意当前飞书兼容采集器只接入中国区open.feishu.cn/feishu.cn端点国际区larksuite.com租户路由尚未实现见 SKILL.md。主流程从一句指令到生成 Person Profile在 SKILL.md 中创建流程被拆解为 Step 0Step 5任何宿主都遵循同一套流程。Step 0确认人物族与研究档位触发创建器后/distilly或自然语言我想蒸馏一个人等先确认三选一colleague/relationship/celebrity。若宿主已显式传入 family则直接锁定。若为celebrity还需确认research profile二选一budget-friendly默认轻量公开资料蒸馏或budget-unfriendly六轨深度研究、证据分级、更强的验证门槛更慢更贵仅在用户明确要求更深研究/更高置信度时启用。这一档位在 tools/skill_presets.py 中定义了完整的参数差异budget-friendly要求min_raw_notes3、min_grounded_urls2budget-unfriendly要求min_raw_notes6、min_grounded_urls8、min_primary_markers3、min_source_metadata_blocks6、min_contradiction_bullets6、min_inference_bullets6并强制产出research_audit.md、synthesis.md、validation.md三份评审文件。Step 1基础信息录入3 个问题colleague和relationship只问 3 个问题除花名外均可跳过花名/代号必填基本信息一句话公司、职级、职位、性别示例字节 2-1 后端工程师 男性格画像一句话MBTI、星座、个性标签、企业文化、印象示例INTJ 摩羯座 甩锅高手 字节范 CR很严格但从来不解释原因celebrity使用 4 问版 intakeprompts/celebrity/intake.md第 4 问必须确认research_profile。Step 2原材料导入五种方式导入前先向用户展示方式菜单[A] 飞书自动采集推荐、[B] 钉钉自动采集、[C] 飞书链接、[D] 上传文件、[E] 直接粘贴可混用也可全部跳过仅凭 Step 1 手动信息生成。方式 A飞书自动采集。首次使用先python3 {distilly_skill_root}/tools/feishu_auto_collector.py --setup配置。群聊采集使用tenant_access_token需 bot 在群内python3 {distilly_skill_root}/tools/feishu_auto_collector.py \ --name {name} \ --output-dir ./knowledge/{slug} \ --msg-limit 1000 \ --doc-limit 20私聊P2P采集则必须使用用户身份user_access_token应用身份无权访问私聊。前置条件包括飞书应用app_id/app_secret、开通用户权限im:message与im:chat、浏览器完成 OAuth 后回传 code。换取 token 的完整链路生成授权链接 → 用户授权 →--exchange-code换 token → 通过向对方open_id发消息获取私聊chat_id在 SKILL.md 中有逐步命令与 API 参考。采集完成输出messages.txt、docs.txt、collection_summary.json常见故障bot 未入群、token 2 小时过期、权限不足也有对应排查指引。方式 B钉钉自动采集。首次--setup后用--show-browser完成钉钉登录再采集消息历史因 API 不支持而自动切浏览器采集失败则提示用户截图上传。方式 C飞书链接。二选一浏览器方案tools/feishu_browser.py复用本机 Chrome 登录态可读内部文档或 MCP 方案tools/feishu_mcp_client.py需 App ID/Secret可用--chat-id oc_xxx读取消息记录。方式 D上传文件。PDF/图片用Read直接读飞书 JSON 导出用python3 {distilly_skill_root}/tools/feishu_parser.py --file {path} --target {name} --output /tmp/feishu_out.txt邮件.eml/.mbox用email_parser.py同型参数解析。方式 E直接粘贴。粘贴内容直接作为文本原材料无需调用工具。Step 3分析原材料双线并行先按人物族解析执行矩阵各 family 使用各自的 intake / persona_analyzer / persona_builder / merger prompt见 SKILL.md 的执行矩阵表共享prompts/work_analyzer.md、prompts/work_builder.md、prompts/correction_handler.md。然后分两条线分析线路 AWork Skill提取负责系统、技术规范、工作流程、输出偏好、经验知识。celebrity 场景下把work理解为方法论、判断框架、决策习惯而非工作职责。线路 BPersona把用户填写的标签翻译为具体行为规则从原材料提取表达风格、决策模式、人际行为。celebrity 必须保留 mental models、decision heuristics、expression DNA、contradictions、honest boundaries。Step 4生成并预览用work_builder生成 Work 内容、family 对应的 persona builder 生成 Persona 内容向用户展示各 5–8 行的摘要并确认允许调整后再进入写入。Step 5写入文件与安装宿主用户确认后不要手工拼接文件树统一走 tools/skill_writer.py先写三个临时文件meta.json/work.md/persona.md再调用--action createpython3 {distilly_skill_root}/tools/skill_writer.py \ --action create \ --character {character} \ --research-profile {research_profile} \ --slug {slug} \ --name {name} \ --meta /tmp/distilly_{slug}_meta.json \ --work /tmp/distilly_{slug}_work.md \ --persona /tmp/distilly_{slug}_persona.md \ --base-dir {resolved_base_dir}该命令统一生成SKILL.md、work.md、persona.md、work_skill.md、persona_skill.md、manifest.json、meta.json。安装到宿主只需追加参数或调用统一安装器 tools/install_generated_skill.pyClaude Code追加--install-claude-skillWindows 可再加--install-claude-command-shimOpenClaw追加--install-openclaw-skillCodex追加--install-codex-skillHermes / DeepSeek Harness / Pi / Grok Build / OpenCode运行python3 {distilly_skill_root}/tools/install_generated_skill.py --skill-dir {resolved_base_dir}/{slug} --host host --force项目级安装追加--skills-dir .hermes/skills、.dsh/skills、.pi/skills、.grok/skills、.opencode/skills等Pi 安装后以/skill:{character}-{slug}调用统一安装器只写入自包含的SKILL.md和安装元数据并会在安装副本中规范化旧版 frontmatter不要手动复制整个生成目录——其中可能包含私有原始材料。slug会被校验为 1–40 位 kebab-casetools/skill_writer.py的validate_slug()中文名通过 pypinyin 转拼音后规范化slugify(Zadie Smith) zadie-smith测试见 tests/test_skill_writer.py。生成 Skill 的结构Persona 通用底座 家族模块叠加Distilly 当前创建器以Persona作为通用底座在其上叠加家族专属模块家族Persona 内容额外模块‍ colleague6 层人格硬规则 → 身份 → 表达 → 决策 → 人际 → 纠错➕ Work Skill范围、工作流、输出偏好、经验知识库 relationship表达 DNA · 情绪触发点 · 冲突模式 · 修复模式— celebrity心智模型 · 决策启发式 · 表达 DNA · 外部评价对照➕ 六维度研究档案著作 / 访谈 / 决策 / 时间线…执行语义接收任务 → Persona 依据原材料选定的偏好与语气决定接不接、以什么态度接 → 额外模块填充执行细节 → 产出有源可溯的回答。tools/skill_writer.py中的SKILL_MD_TEMPLATE_EN/SKILL_MD_TEMPLATE_ZH直接呈现了这一结构生成的SKILL.md由## PART A: Work与## PART B: Persona组成Operating Rules 规定先由 PART B 判断、再由 PART A 执行、输出时保持 PART B 的表达风格PART B 的 Layer 0 规则永远优先。渲染时根据meta.classification.language如zh-CN/en自动选择中文或英文模板Work-only 与 Persona-only 版本work_skill.md/persona_skill.md会剥离或保留对应的交接规则。进化模式追加、纠正与版本控制已生成的 Skill 可以持续进化SKILL.md 定义了三种进化路径追加文件我有新文件/追加按 Step 2 读取新内容 → 用 family 对应 merger prompt 分析增量 → 先version_manager.py --action backup存档当前版本 → 将 work/persona 增量写入 patch 文件 →skill_writer.py --action update合并只合并到相关章节、绝不覆盖既有结论。对话纠正这不对/他不会这样/他应该是经 prompts/correction_handler.md 识别纠正内容判定属于 Work 还是 PersonaWork 用可替换的##section patch 更新Persona 用{scene, wrong, correct}结构的correction.json多条件可写{persona_corrections: [...]}更新写入 Correction 层后立即生效。版本控制每次更新自动归档可随时回滚到任意历史版本。管理操作统一走 CLIskill_writer.py --action list --character family --base-dir ...列出三类 Skillversion_manager.py --action rollback --character {character} --slug {slug} --version {version}回滚版本。规则强调不要直接手改work.md、persona.md、SKILL.md、meta.json一律经 writer 更新。celebrity 六维度研究流水线celebrity 家族自带一条可选的素材处理流水线详见 INSTALL_EN.md 与 SKILL.md 的 celebrity 章节# 安装字幕下载器 pip3 install yt-dlp # 下载视频字幕 bash tools/research/download_subtitles.sh video-url ./tmp/subtitles # 字幕转转录文本 python3 tools/research/srt_to_transcript.py ./tmp/subtitles/example.srt # 可选采集公开 X 帖子候选证据按量计费先确认 --limit python3 tools/research/xquik_public_posts.py \ --username public-handle \ --subject person-name \ --limit 20 \ --output /tmp/distilly-x-public-posts.json # 合并研究笔记 python3 tools/research/merge_research.py ./skills/celebrity/slug # 质量检查 python3 tools/research/quality_check.py ./skills/celebrity/slug/SKILL.md六个维度为著作/系统思考、对话、表达 DNA、决策、外部评价、时间线。budget-friendly档要求至少拆成 3 个原始笔记文件每个覆盖 2 个维度budget-unfriendly档要求 6-track 独立文件01_writings.md…06_timeline.md每条 evidence 必须标注 source weight1–7。研究过程必须遵守三条铁律品味原则长文 金句争议 共识变化 固定一手 二手信源黑名单永不引用知乎、微信公众号、百度百科、内容农场、AI 生成的简介信源优先级用户本地材料 一手著作 长访谈 决策记录 短一手帖 外部分析 二手转述。流程中还有两道人工把关关卡Phase 1.5 采集摘要确认以表格呈现 6 维度来源数与关键发现、矛盾点、薄弱维度、冷门人物判定等用户确认后再继续与Phase 2.5 候选心智模型确认budget-unfriendly 档含三重门判定、evidence anchors、failure modes。budget-unfriendly档还要求对候选 mental models 做 triple-gate 判断cross-context recurrence / generative power / exclusivity提取智识谱系种子influenced by / diverged from与 Agentic Protocol 种子该人物面对新问题会从哪些维度切入分析并完成 research auditPASS/FAILprimary 比例 50%与 validationknown-answer ≥ 2 题 edge-case 1 题 100 字盲测 voice check copyright check。这些门槛在源码中是可编程的tools/research/merge_research.py统计source metadata blocks、contradiction bullets、inference bullets、pattern bullets、gap bullets等结构化指标tools/research/quality_check.py定义DEFAULT_RESEARCH_METRICS与泛化 URL 黑名单站点首页、/topic、/search、/video等路径一律不算具体来源并解析 summary 中的Status: PASS/Verdict: PASS判定评审是否通过。冷门人物协议总来源 10 条会自动降级心智模型限制为 2–3 个、薄弱模型标注基于有限信息、扩大诚实边界章节并告知用户补充哪些材料可以改善质量。两条红线贯穿始终外部搜集失败时保留已有材料并如实说明source_grounding视为未完成绝不为通过检查而编造 URL、引用、书名或塞入泛化主页链接同时不把完整 transcript、完整字幕、长段原文抄进仓库只保留结构化摘要、来源元信息与极短引用规避版权风险。实测演示三大人物族各一例README_EN.md 给出了三个可直接感受输出风格的真实案例 celebrity —— 蒸馏 Andrej Karpathy六维度研究案例改编自社区 alchaincyf/karpathy-skillUser ❯ Everyones talking about Agents now — what do you think the 2026 AI Agent looks like? celebrity.skill ❯ Everyones doing demos, nobodys doing eval. The Agent bottleneck was never model intelligence — its scaffolding: a strict evaluation harness, fine-grained error replay, controllable tool-calling budgets, clean failure-mode analysis. Most products are still stuck at wrap an API a few tools a system prompt. Thats a demo, not an agent. In 2026 Im not betting on the strongest model — Im betting on the best scaffolding and the strictest eval.‍ colleague —— 蒸馏一个字节 L2-1 后端输入ByteDance L2-1 backend engineer, INTJ, blame-shifter, ByteDance-styleUser ❯ Can you review this API design? colleague.skill ❯ Hold on — whats the impact? You havent explained the context. (after reading) N1 query, fix it. Use the standard {code, message, data} response format. Thats the spec, dont ask why. User ❯ This bug was introduced by you, right? colleague.skill ❯ Does the timeline match? That feature touched multiple places, there were other changes too. relationship —— 蒸馏一个暗恋对象上传半年聊天记录 sensitive, quiet but stubborn, will actually reply seriously when it mattersUser ❯ Did you think about me today? relationship.skill ❯ ...I did, a little bit. Why are you asking?三个案例分别展示了celebrity 的心智模型与观点密度、colleague 的职场硬规则与防御性沟通、relationship 的表达 DNA 与情绪节奏。原材料质量原则源决定质源材料质量 Person Profile 质量且不同家族的信源优先级不同家族信源优先级高 → 低‍ colleague本人的长文写作设计文档 / 评审意见›决策类回复› 随意的群聊 relationship完整聊天记录 › 信件 / 社媒 / 日记 › 第三方描述 celebrity一手书籍 / 博客 / 长访谈 › 决策记录发布、commit、问答› 经核实的一手短帖 › 第三方评论操作层面的提醒colleague 的飞书自动采集需要把 App bot 加进相关群聊relationship 素材跨度越长越好同时覆盖冲突与修复的材料最理想celebrity 应避免只喂二手转述。README 亦明确当前仍是 demo 版本发现 bug 欢迎提 issue。技术报告与引文与 Distilly 前身 COLLEAGUE.SKILL 对应的技术报告《COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation》arXiv 2605.31264涵盖 Work Skill Persona 两层架构、多源数据采集与 Skill 生成机制是colleague家族的理论基础。仓库提供了机器可读的引文元数据 CITATION.cff研究或应用中使用 Distilly 时可一并引用 BibTeX 条目完整条目见 README_EN.md。相关资源与进一步阅读SKILL.md创建器的完整可执行规范触发条件、工具规则、主流程、进化模式、管理操作中英双语INSTALL_EN.md各宿主安装路径、迁移、生成 profile 安装与采集器配置的详细指南INSTALL.md中文安装指南docs/lang/README_ZH.md 及其余多语言 READMEES/DE/JA/KO/PT/RUtools/飞书/钉钉/Slack 采集器、邮件解析器、skill_writer、version_manager、research 流水线prompts/三大人物族的 intake、analyzer、builder、merger、correction 提示词tests/test_skill_writer.py、test_config_migration.py、test_research_tools.py等覆盖 writer、迁移与研究工具链的行为测试ROADMAP.md项目路线图无论你想留住离职同事的完整工作方法论、保存一段珍贵关系的相处方式还是把偶像的思维方式变成随时可咨询的 AgentDistilly 的原材料 → Person Profile → Agent Skill闭环都提供了同一套可复现的蒸馏方案。赞分享AI 技能/插件人工智能【免费下载链接】distillyDistilly — Distill how they think into reusable Skills for any Agent or Bot. Formerly Colleague Skill原同事 Skill.项目地址https://gitcode.com/gh_mirrors/co/distilly点击查看免费下载相关推荐Distilly 人物画像蒸馏实战指南把同事、关系与公众人物蒸馏为可复用的 Agent SkillDistilly 人物画像蒸馏实战指南把同事、关系与公众人物蒸馏为可复用的 Agent Skill 导读 Distilly原名 Colleague SkiAI 技能/插件人工智能Distilly 人物蒸馏实战指南把同事、关系与名人素材沉淀为可复用的 Person Profile 与 Agent SkillDistilly 人物蒸馏实战指南把同事、关系与名人素材沉淀为可复用的 Person Profile 与 Agent Skill 本篇指南围绕开源项目 DisAI 技能/插件人工智能Distilly 人物蒸馏实战指南把同事、亲友与名人的经验与表达方式蒸馏为可复用的 Agent SkillDistilly 人物蒸馏实战指南把同事、亲友与名人的经验与表达方式蒸馏为可复用的 Agent Skill 导读 Distilly 是 Agent 工作流AI 技能/插件人工智能上一篇终极免费Visio替代品draw.io桌面版完整使用指南下一篇Backbone.js前端微服务架构独立部署与团队协作模式创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考