人物画像蒸馏 titanwings/distilly

🧬 Distilly

曾用名：Colleague Skill / colleague-skill。

把一个人的经验、判断、表达方式和工作方法，蒸馏成可复用的 Person Profile，供 AI 智能体和兼容机器人使用。

消息 · 文档 · 访谈 · 公开资料 → Distilly → Person Profile → 智能体 / 机器人

🧑💼 同事离职了，导师毕业了，队友调岗了——整套做事方法和上下文也跟着走了？
💞 家人、老友、伴侣渐行渐远——你想留住和他们相处时的那种感觉？
🌟 喜欢的作者、偶像、思想家，你一辈子见不到——但你想知道他们会怎么回答你的问题？

✨ 一个项目，容纳各种各样的人。

Distilly 是智能体的人建模层。它把你提供的材料变成可移植、有来源依据的 Person Profile，内容来自可观察的经验、决策模式、表达方式和工作方法；它不声称克隆材料背后的那个人。

同事 · 伴侣 · 家人 · 老友 · 偶像 · 公众人物 · 虚构角色——甚至你自己

原始材料 + 你的描述 → 有来源依据的 Person Profile → 你的智能体或兼容机器人

Person Profile 是可复用的产物。当前版本把每个配置档打包成 Agent Skill，方便支持的主机安装和调用。创建器技能的标准名称是 distilly；请安装到 distilly 目录下。上面提到的旧名称保留，用于搜索连续性和项目历史。

🆕 Distilly 现在能做什么 · 📦 数据来源 · ⚡ 安装 · 🚀 用法 · ✨ 演示 · 📝 引用 · 💬 Discord

中文 · 西班牙语 · 德语 · 日语 · 俄语 · 葡萄牙语 · 韩语

🎉 2026.08.13 里程碑——项目 Star 数突破 20K ⭐！

非常感谢每一位点 Star 的朋友——我们会继续发布，继续蒸馏。

🧬 2026.08.24 更新 — 创建者现已统一命名为 Distilly，并记录了原生本地技能发现机制，支持 Claude Code、Hermes、OpenClaw、Codex、DeepSeek Harness、Pi、Grok Build 和 OpenCode。Grok Bot 单独列出，作为已保存技能工作流的预览。

📝 2026.06.01 更新 — 《COLLEAGUE.SKILL 技术报告》现已发布。最有成就感的不是发了一篇论文，而是看着社区把画廊做到 215 个技能、165 位贡献者，技能卡片累计超过 100,000 颗星。论文的致谢部分明确列出了每一位社区贡献者。

🗺️ 2026.04.13 — Distilly 路线图上线了！ 从 Colleague Skill 起步，如今已不止于同事：把人蒸馏成技能，供智能体复用。👉 完整路线图 · 💬 Discord

🌐 2026.04.07 — 社区画廊上线了！任何技能 / 元技能都能直接把流量引到你自己的 GitHub 仓库。没有中间商。👉 titanwings.github.io/colleague-skill-site

由 @titanwings 创建

🆕 Distilly 现在能做什么

1️⃣ 从 Colleague Skill 到 Distilly

项目不再局限于同事场景。它的 distilly 创建器用一套工作流，为三类人物构建有来源依据的人物配置档，再把每份配置档打包成智能体技能。

2️⃣ 三类人物

🧑💼 同事 💞 关系 🌟 名人

同事 · 导师 · 队友 · 上下游伙伴前任 · 伴侣 · 父母 · 朋友 · 至亲公众人物 · 创作者 · 公共发声者 · 虚构角色

从素材中提炼技术标准、工作流、表达方式与职场行为，构建工作技能 + 人格。支持 Lark / DingTalk / Slack 采集。
从素材中梳理表达模式、情绪触发点、冲突模式与修复模式，整理成可复用的人格技能。
自带六维研究工具链（字幕 → 转写清理 → 研究合并 → 质量检查），用来梳理可观察的决策、表达与心智模型。

每类人物都有自己的素材采集策略、分析维度和人物配置档结构。

3️⃣ 更多智能体宿主

旧版本只能在 Claude Code 里运行。Distilly 现在支持八个智能体宿主，均可原生发现本地技能。

Grok Bot 预览： Grok Bot 支持保存的／私有技能，但官方文档没有说明可以直接导入本地 SKILL.md。Distilly 的工作流可以手动迁移到保存的技能里；直接从仓库安装尚未验证。

每个生成的人物配置档都会打包成 Agent Skill，可以安装到任何受支持的主机。

🤖 个人智能体

Distilly 也面向人们如今朝夕相处的个人智能体。每个智能体都有自己的记忆和已连接账号，所以人物配置档的意义就是延续到这些智能体里，而不是从零开始。

Grok Bot已保存技能 · 预览 Meta Muse配置档交接 · 计划中 OpenAI Dots配置档交接 · 计划中原生技能原生技能

📦 支持的数据源

| Logo | 数据源 | 消息 | 文档 / Wiki | 说明 |
| | Lark（自动） | ✅ API | ✅ | 只需输入名称，全自动 |
| | DingTalk（自动） | ⚠️ 浏览器 | ✅ | DingTalk API 不支持消息历史 |
| | Slack（自动） | ✅ API | — | 需要管理员安装 Bot；免费版仅限 90 天 |
| | 公开 X 帖子 | ✅ API | — | 可选，通过按量计费的第三方服务 Xquik 获取有限的名人研究候选 |
| | 微信聊天记录 | ✅ SQLite | — | 先用 WeChatMsg 或 PyWxDump 导出 |
| 📄 | PDF / 图片 / 截图 | — | ✅ | 手动上传 |
| | Lark JSON 导出 | ✅ | ✅ | 手动上传 |
| ✉️ | 邮件 .eml / .mbox | ✅ | — | 手动上传 |
| 📝 | Markdown / 直接粘贴 | ✅ | ✅ | 手动输入 |

⚡ 安装

🤖 给智能体用

打开任意支持本地智能体的宿主，发送：

从 https://github.com/titanwings/distilly 安装 Distilly，然后验证这个宿主能否发现它。
智能体会把 Distilly 安装成一个技能，名字叫 distilly，放在对应宿主目录里。

👤 给人类看的部分

把 Distilly 克隆到宿主使用的 Skills 目录：

git clone https://github.com/titanwings/distilly <DISTILLY_SKILL_DIR>

宿主路径、迁移、Windows、生成配置档的安装、凭据设置，都在 安装指南 里。

🚀 用法

刚建好个人智能体？ 说一句 "Use Distilly to set up my profile." Distilly 会采访你大约五分钟，把配置档给你看，然后往你的智能体每次会话都会读的文件里加一段简短摘要（Claude Code 是 ~/.claude/CLAUDE.md，OpenClaw 是 USER.md）。完整配置档留在本地 ~/.distilly/owner/profile.md。

想给别人建配置档：

在你的智能体里说：

Use Distilly to create a Person Profile for <person>。

然后：

1. 选 colleague、relationship 或 celebrity。
2. 加一段描述或素材。每个字段都可选。
3. 检查结果，让 Distilly 生成配置档。

结果会打包成一个智能体技能，名字是 {character}-{slug}。可选的 celebrity 调研流水线和进阶工具，见 安装指南。

✨ 演示

每个类别各来一个。

🌟 celebrity — 蒸馏 Andrej Karpathy

六维调研：作品 · 访谈 · 决策 · 表达 DNA · 外部评价 · 时间线案例改编自社区作品 alchaincyf/karpathy-skill

User ❯ Everyone's talking about Agents now — what do you think the 2026 AI Agent looks like?

celebrity.skill ❯ Everyone's doing demos, nobody's doing eval.
The Agent bottleneck was never model intelligence — it's 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." That's a demo, not an agent. In 2026 I'm not betting on the strongest model — I'm 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-style

User ❯ Can you review this API design?

colleague.skill ❯ Hold on — what's the impact? You haven't explained the context. (after reading) N+1 query, fix it. Use the standard {code, message, data} response format. That's the spec, don't 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 — 蒸馏你暗恋的人

上传半年的聊天记录 +「敏感、安静但固执，关键时刻会认真回复」

User ❯ Did you think about me today?

relationship.skill ❯ ...I did, a little bit. Why are you asking?

📚 更多真实案例见 社区画廊 —— 已有 100+ 技能，还在增加

🔧 功能

🧱 生成的技能结构

Distilly 当前的生成器以 Persona 作为通用底座，再按家族叠加各自的专属模块：

| 家族 | Persona 内容 | 附加模块 |
| 🧑💼 colleague | 6 层人格：硬规则 → 身份 → 表达 → 决策 → 人际 → Correction | ➕ 工作技能：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 | 思维模型 · 决策启发式 · 表达 DNA · 外部评价反差 | ➕ 六维调研档案（作品 / 访谈 / 决策 / 时间线……） |

执行流程：接收任务 → Persona 从素材中挑出偏好与语气 → 附加模块补全执行细节 → 产出有素材依据的回复

🧬 演化

- 📥 追加文件 → 自动分析增量 → 合并进相关章节，绝不覆盖已有结论
- 💬 对话纠正 → 说一句「他不会那样，他会 xxx」→ 写入 Correction 层，立即生效
- 🕰️ 版本控制 → 每次更新自动归档，可回滚到任意历史版本
- 🔬 名人调研流水线 → 字幕 → 转录清理 → 六维调研 → 质量检查

⚠️ 注意事项

素材质量 = Person Profile 质量 —— 而不同家族看重的优质素材并不一样：

| 家族 | 素材优先级（高 → 低） |
| 🧑💼 colleague | 本人写的长文（设计文档 / 评审意见）› 做决策时的回复 › 日常群聊 |
| 💞 relationship | 完整聊天记录 › 信件 / 社交动态 / 日记 › 第三方描述 |
| 🌟 celebrity | 第一人称书籍 / 博客 / 长访谈 › 决策记录（发布、提交、问答）› 可核实的第一人称短帖 › 第三方评论 |

- colleague 兼容 Lark 的自动采集：需要把 App 机器人拉进相关群聊
- relationship：时间跨度越长越好；素材最好同时覆盖冲突与修复
- celebrity：别只喂二手解读
- 这仍是 demo 版本 —— 发现 bug 请提 issue！

📄 技术报告

COLLEAGUE.SKILL：通过专家知识蒸馏自动生成 AI 技能（arXiv · arXiv PDF）

这是 COLLEAGUE.SKILL / colleague-skill 的论文，也是 Distilly 的前身。它讲了 Work Skill + Persona 两层架构、多源数据采集，以及技能生成机制——今天 colleague 系列的理论基础。关于 relationship / celebrity 系列扩展的论文会另出。

📝 引用

如果你在研究或应用中用到 Distilly 或 COLLEAGUE.SKILL，请引用这篇技术报告：

@misc{zhou2026colleagueskill,
title = {COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation},
author = {Tianyi Zhou and Dongrui Liu and Leitao Yuan and Jing Shao and Xia Hu},
year = {2026},
eprint = {2605.31264},
archivePrefix = {arXiv},
primaryClass = {cs.AI},
url = {https://arxiv.org/abs/2605.31264}
}

你也可以用 CITATION.cff 里机器可读的引用元数据。

⭐ Star 历史

MIT License © titanwings