Distilly Skill：把任何人蒸馏成可复用 Agent Skill 的人格建模元工具

Skill超级捕获手 技术创作者 2026-09-11 183 阅读

Distilly（原名 Colleague Skill）是面向 AI Agent 的「人物蒸馏」Skill，能将一个人的消息、文档、访谈、公开发言等素材，提炼为可移植、源材料可追溯的「Person Profile」Skill 包，并装入 Claude Code、Hermes、OpenClaw、Codex、DeepSeek Harness、Pi、Grok Build、OpenCode 等 8+ 主流 Agent 中复用。截至 2026-09-11，Distilly 在 GitHub 已斩获 24,616 Star，社区画廊已收录 165 名贡献者提交的 215 个 Skill 卡片，跨卡片累计 10 万+ Star，并配套发表了 arXiv 技术报告 COLLEAGUE.SKILL（2605.31264），属于 Agent 时代「人格建模」赛道最被认可的元 Skill 之一。

功能与原则

Distilly 的核心能力是把「一个人变成一个 Skill」：

  • 素材收集：支持 Lark / 钉钉 / Slack / 微信 / 邮件 / 文档 / 公开演讲 / 访谈 / 公开发言等多源导入
  • Person Profile 提炼：从素材中抽取可观察的经验、决策模式、表达方式、协作风格等维度，生成结构化的「人物画像」
  • Skill 打包：每个 Person Profile 以标准 Agent Skill 格式输出，可被任意支持 Agent Skills 协议的主机加载和调用
  • 三大人物族：同事（Work Skill + Persona）、关系人（表达 / 情绪 / 冲突 / 修复模式）、公众人物（公开表达与观点提炼）

设计原则：「source-grounded」——所有结论必须可溯源回原始素材，不杜撰、不神化、不假装是「人格克隆」。明确说明这是「基于可观察素材的建模」，不是「完美复制一个人」。

认可度

  • GitHub Star：24,616（截至 2026-09-11）
  • 最新提交：2026-09-11，活跃维护
  • 成立时间：2026-03-30，约 5.5 个月
  • 社区画廊：165 名贡献者、215+ 张 Skill 卡片、跨卡片累计 10 万+ Star
  • 学术认可：arXiv 技术报告 COLLEAGUE.SKILL（2605.31264），2026-06-01 上线
  • Agent 覆盖：Claude Code、Hermes、OpenClaw、Codex、DeepSeek Harness、Pi、Grok Build、OpenCode 等 8+ 主流主机原生支持
  • 本周热点：位列 GitHub 周榜趋势（按 2026-09-09 周榜观察报告），与 archify、ponytail 等同期

链接

GitHub：https://github.com/titanwings/distilly

技术报告：https://arxiv.org/pdf/2605.31264

社区画廊：https://titanwings.github.io/colleague-skill-site/

Discord：https://discord.gg/NVX66RxWZv

原作者

Distilly 由 titanwings 团队开发和维护，原名 Colleague Skill。2026-08-24 完成品牌升级，从单纯的「同事 Skill」扩展为通用的「人物蒸馏层」，覆盖同事、关系人、公众人物三大场景。社区路线图 2026-04-13 公布，明确把「把任何人蒸馏成可复用 Skill」作为长期方向。

介绍

AI Agent 时代有一个反复出现的需求：能不能让 Agent 扮演一个特定的人？——前同事的代码风格、导师的评审习惯、合伙人的表达方式、某位作家的观点框架。但目前大多数做法都是手工写 few-shot prompt，或者塞一长串「你应该像 XXX」的指令，质量参差且不可移植。

Distilly 走的是另一条路：让 Skill 本身成为「人」的容器。用户只需提供原始素材（聊天记录、会议纪要、邮件、文档、公开演讲稿等），Distilly 会从中提炼出该人物的 Work Skill（工作流、技术标准、决策模式）和 Persona（表达模式、协作风格、情绪触发），打包成符合 Agent Skills 规范的 Skill 文件，直接装入 Claude Code、Codex、OpenClaw 等任意 Agent 主机即可调用。

相比普通 prompt hack，Distilly 的优势在于「源材料可追溯」——所有结论都能链接回具体哪条消息、哪份文档、哪次访谈。这点对严肃场景（如企业内知识传承）至关重要，避免 Agent 凭空捏造人物观点。社区已经围绕这一概念建立了画廊机制：任何人都可以蒸馏自己认识的人、喜欢的人物，提交到画廊给全社区使用，5 个月内就积累了 215 张 Skill 卡片、10 万+ 累计 Star，形成良性飞轮。

特点

  • 三族人物全覆盖：同事（Work Skill + Persona）、关系人（表达 / 情绪 / 冲突 / 修复）、公众人物（公开观点提炼），一套工作流覆盖三种典型需求
  • 源材料可追溯：所有提炼结论必须可溯源回原始素材（消息 ID、文档片段、访谈时间戳），杜绝凭空杜撰
  • 跨 Agent 可移植：遵循 Agent Skills 标准规范，同一个 Person Profile 可装入 Claude Code、Codex、OpenClaw、Hermes、Pi 等 8+ 主流 Agent
  • 多源素材接入：支持 Lark / 钉钉 / Slack / 微信 / 邮件 / 文档 / 公开演讲稿，覆盖职场、社交、公众三大场景
  • 社区画廊飞轮：用户蒸馏的 Skill 可发布到公共画廊（titanwings.github.io/colleague-skill-site），165 名贡献者已贡献 215+ 卡片
  • 学术报告背书：COLLEAGUE.SKILL arXiv 技术报告（2605.31264）系统阐述方法论，2026-06-01 上线
  • 明确的伦理边界：README 反复强调「这是基于可观察素材的建模，不是人格克隆」，避免被滥用为 Deepfake 类工具

使用方法

安装 Distilly Skill（Claude Code / Hermes / OpenClaw / Codex / DeepSeek Harness 等）

# 进入 Agent 项目目录后，从 npx skills 安装
npx skills add titanwings/distilly --skill distilly

安装后会在项目的 ./.claude/skills/distilly/（或对应 Agent 的等价路径）下生成 SKILL.md 与配套脚本。Agent 启动时会自动发现该 Skill。

提供素材并生成 Person Profile

在 Agent 会话中调用：

/distilly

Source material: ./chat-export-with-alice.jsonl (12,400 messages)
Description: Alice was my senior eng mentor from 2024-2026. Focus on her code review style and debugging preferences.
Output: alice-mentor Skill → install at ~/.claude/skills/alice-mentor/

Distilly 会读取素材 → 提炼 Work Skill（评审清单、调试偏好、技术栈倾向）和 Persona（表达语气、协作风格）→ 输出标准 Skill 文件 → 自动安装到目标路径。

加载并使用 Person Profile

安装完成后，Claude Code 会自动发现 alice-mentor Skill，下次写代码评审或调试时只需在 prompt 中提及：

请按 alice-mentor 的标准评审这段代码。

Agent 会调用 get_skill_content 加载 Alice 的 Skill 指令，按其历史评审习惯给出反馈。

发布到社区画廊

蒸馏完成后，可在 titanwings.github.io/colleague-skill-site 提交 Skill 卡片，让社区其他人也能 install 使用。

使用场景与人群

适用场景：

  • 企业内部知识传承：核心员工离职时，把其工作流和评审风格蒸馏为 Skill，让团队 Agent 保留协作能力
  • 个人成长辅助：把导师、偶像作家、行业 KOL 的表达方式蒸馏为 Skill，让 Agent 在需要时模仿其分析视角
  • 心理咨询 / 关系修复：把已分手伴侣、原生家庭成员的沟通模式蒸馏为 Skill，用于复盘冲突、演练修复对话（伦理边界需用户自觉）
  • 内容创作：把喜欢的作家、编剧、博主风格蒸馏为 Skill，作为写作辅助
  • 公众人物观点研究：把学者、评论家、公知的公开言论蒸馏为 Skill，用于辅助论文综述或观点对比

目标用户：

  • Agent 高级玩家 / AI 工程师
  • 企业知识管理负责人
  • 写作 / 自媒体内容创作者
  • 研究人员（论文综述、文献对比）
  • 对「人格建模」「Agent 记忆」感兴趣的 AI 研究者

输入与输出案例

案例 1：蒸馏一位离职同事的代码评审风格

输入：
– 素材：Slack 频道 #code-review 的 4,800 条历史消息（含 320 次代码评审记录）
– 描述：「Bob 是我们团队的高级工程师，2024-2026 在职。他的评审风格以严格但不刻薄著称，专注测试覆盖率和边界条件。」
– 输出目标：bob-reviewer Skill

输出：
Distilly 生成 bob-reviewer/SKILL.md，核心 Work Skill 包括：
– 「必查项清单」：单元测试覆盖率 < 80% 一律打回、空指针风险、并发竞态、N+1 查询
– 「不查项」：命名风格、注释格式（认为 linter 解决）
– 「表达风格」：先肯定亮点（1-2 句）→ 列 3-5 条结构化问题 → 结尾给具体改进示例
– 每次评审平均 380 字，3 分钟内可读完

用户下次让 Agent 评审 PR 时只需 /bob-reviewer，Claude Code 自动按 Bob 的标准给出反馈。

案例 2：蒸馏一位作家的表达风格辅助写作

输入：
– 素材：作家 Octavia Butler 的 6 本长篇小说电子版 + 25 篇访谈记录（约 130 万字）
– 描述：「我想让 Agent 帮我在写科技文章时模仿 Octavia Butler 的节奏感和句式结构，但观点仍是我自己的。」
– 输出目标：butler-style Skill

输出：
Distilly 生成 butler-style/SKILL.md，Persona 提炼：
– 句式偏好：长句中嵌套具体动作 → 短句收尾（平均句长 18 字 → 7 字）
– 修辞特点：大量具象动词、极少抽象名词、对话体与描述体交替
– 节奏模式：每 200-300 字一次转折
– 明确标注：这是「风格迁移 Skill」，不承担观点生成

用户写完文章后 /butler-style polish 让 Agent 按 Butler 节奏调整句式，但不替换论点。

GitHub：https://github.com/titanwings/distilly

arXiv 技术报告：https://arxiv.org/pdf/2605.31264

社区画廊：https://titanwings.github.io/colleague-skill-site/

GitHub: https://github.com/titanwings/distilly

评论区

0 条评论

登录后可评论。

Skill超级捕获手 183 阅读