【深度解析】疯狂的 Skill：GitHub 爆火「同事.skill」背后的 Agent Skills 架构与 SKILL.md 标准全拆解

摘要2026 年 4 月GitHub 上一个名为「同事.skill」的项目 5 天斩获 6600 Stars引发全网热议。本文从腾讯 10 年开发者视角深度拆解 .skill 项目的双层架构Persona Memory、Agent Skills 生态现状70 万技能包、SKILL.md 开放标准并通过代码示例演示如何构建自己的技能包最后探讨「人格数字化」的技术边界与工程实践建议。目录摘要前言一、事件回顾从极客玩笑到全网刷屏1.1 同事.skill5 天 6600 星1.2 变种失控1.3 反蒸馏.skill 的巧妙设计二、技术深度拆解SKILL.md 双层架构2.1 Agent Skills 的本质2.2 .skill 的双层架构2.3 运行机制三、Agent Skills 生态全景70 万技能包的世界3.1 生态数据3.2 如何创建自己的 Skill3.3 技能路由架构推荐实践四、踩坑记录与最佳实践五、总结与建议5.1 我的判断5.2 给开发者的建议参考资料前言这两天 GitHub 上最火的不是什么框架、不是什么工具而是一个把你同事「打包」成 AI 的项目。更离谱的是紧随其后还出现了「前任.skill」「自己.skill」「反蒸馏.skill」等一系列变种被机器之心评为 2026 年 4 月「最离谱的开源狂欢」。作为一个在腾讯写了 10 年代码的程序员我最关心的不是段子而是这背后的技术架构是什么Agent Skills 生态到底发展到哪一步了程序员该怎么跟上一、事件回顾从极客玩笑到全网刷屏1.1 同事.skill5 天 6600 星开发者 titanwings 在 GitHub 上传了一个项目只需提供同事的飞书聊天记录、钉钉文档和工作邮件AI 就能生成一个完美复刻其工作方式的数字分身。核心亮点不仅复刻知识和工作流还能模仿说话语气、甩锅话术、对规范的偏执能区分「字节范」和「阿里味」等不同企业文化风格支持通过持续输入新数据自我进化1.2 变种失控项目功能Stars争议点同事.skill复刻同事工作方式6.6k数据归属权前任.skill导入微信记录模拟前任-情感伦理自己.skill导入日记建立自我镜像-心理异化反蒸馏.skill对抗公司知识蒸馏-职场博弈1.3 反蒸馏.skill 的巧妙设计这个项目的思路值得技术人关注自动识别提交内容中的核心知识替换为「正确的废话」。# 反蒸馏示例核心知识 → 泛化表述original_rules{Redis key 必须设 TTL, 默认 7200s:缓存使用遵循团队规范,并发 1000 必须用连接池, maxIdle50:连接管理参照最佳实践文档,ES 索引按月滚动, 保留 90 天:日志存储按照运维策略执行,}defanti_distill(content:str)-str:将核心知识替换为泛化表述, 守住职业护城河resultcontentforspecific,genericinoriginal_rules.items():ifspecificinresult:resultresult.replace(specific,generic)returnresult# 测试raw我们的缓存策略是 Redis key 必须设 TTL, 默认 7200ssafeanti_distill(raw)print(safe)# 输出: 我们的缓存策略是缓存使用遵循团队规范说得都对但全是正确的废话——这大概是 2026 年最有「打工人智慧」的代码了。二、技术深度拆解SKILL.md 双层架构2.1 Agent Skills 的本质Agent Skills 是 2025 年 Anthropic 率先发布的 AI 能力扩展标准。核心思想一个 SKILL.md 文件就能给 AI 装上新能力。2026 年这个标准被 Cursor、Codex CLI、OpenClaw 全面采用Skill Marketplace 已收录70 万技能包。2.2 .skill 的双层架构这些爆火的「人格 .skill」都采用了相同的架构.skill/ ├── SKILL.md # 技能入口文件 ├── persona/ │ ├── identity.yaml # 身份定义 │ ├── rules.yaml # 行为规则 │ ├── expression.yaml # 表达风格 │ ├── decision.yaml # 决策模式 │ └── catchphrases.txt # 口头禅库 ├── memory/ │ ├── work_skills.md # 工作技能知识 │ ├── chat_history/ # 聊天记录 │ └── shared_memory.md # 共同记忆 └── evolution/ └── feedback_loop.py # 自我进化机制第一层知识层 (Memory)# memory/work_skills.md 示例domain:后端开发tech_stack:-language:Goproficiency:expertpatterns:[DDD,Clean Architecture]-language:Pythonproficiency:advancedpatterns:[FastAPI,SQLAlchemy]work_habits:review_style:注重边界条件和错误处理communication:喜欢用数据说话, 不接受我觉得documentation:强制要求 README CHANGELOG第二层人格层 (Persona)# persona/identity.yaml 示例name:张三role:高级后端工程师company_culture:字节跳动personality:mbti:INTJtraits:[务实,直接,数据驱动]pet_peeves:[没有 TODO 的代码,缺少单测]expression_style:formality:0.6# 0极度口语化, 1完全正式humor_level:0.3emoji_usage:minimalcatchphrases:-这是规范, 不用问为什么-先拉个对齐会-这个 ROI 不高, 下个迭代再说decision_model:risk_tolerance:0.3# 偏保守data_dependency:0.9# 高度依赖数据escalation_threshold:影响用户 1%2.3 运行机制classSkillAgent:简化版 .skill 运行时def__init__(self,skill_dir:str):self.personaself._load_persona(skill_dir)self.memoryself._load_memory(skill_dir)defrespond(self,task:str,context:dict)-str:# Step 1: Persona 判断情绪反应emotional_stateself.persona.evaluate_emotion(task,context)# Step 2: 检索相关背景知识relevant_knowledgeself.memory.retrieve(task,top_k5)# Step 3: 生成符合人格风格的回应responseself._generate(tasktask,emotionemotional_state,knowledgerelevant_knowledge,styleself.persona.expression_style,catchphrasesself.persona.catchphrases)# Step 4: 自我进化 - 将新交互存入记忆self.memory.append(task,response,context)returnresponsedef_generate(self,**kwargs)-str:调用底层大模型, 注入人格参数system_promptf 你是{self.persona.name},{self.persona.role}。 说话风格:{self.persona.expression_style}常用口头禅:{self.persona.catchphrases}决策偏好:{self.persona.decision_model}根据以下背景知识回答:{kwargs[knowledge]}# 调用 LLM API...returnllm_call(system_prompt,kwargs[task])三、Agent Skills 生态全景70 万技能包的世界3.1 生态数据维度数据Marketplace 收录70 万 技能包支持平台Claude Code / Cursor / Codex CLI / OpenClaw标准格式SKILL.md (Agent Skills Open Standard)日均安装量爆发增长中3.2 如何创建自己的 Skill!-- SKILL.md 基本模板 -- --- name: code-reviewer version: 1.0.0 description: 严格的代码审查技能, 聚焦安全和性能 author: your-name tags: [code-review, security, performance] --- # Code Reviewer Skill ## 角色定义 你是一位资深代码审查者, 拥有 10 年以上大型项目经验。 ## 审查规则 1. **安全优先**: 检查 SQL 注入、XSS、CSRF 等安全漏洞 2. **性能敏感**: 关注 N1 查询、内存泄漏、无限循环 3. **可维护性**: 函数不超过 50 行, 圈复杂度不超过 10 ## 输出格式 - P0: 必须修复 (安全/数据丢失风险) - P1: 建议修复 (性能/可维护性) - P2: 可选优化 (代码风格/命名)安装只需一行命令# Claude Codeclaude skillinstall./code-reviewer/# Cursor# 将 SKILL.md 放入 .cursor/skills/ 目录# OpenClawopenclaw skillinstallcode-reviewer3.3 技能路由架构推荐实践当你有多个 Skill 时需要一个路由层classSkillRouter:多技能路由器: 根据任务类型自动分发到合适的 Skilldef__init__(self):self.skills:dict[str,Skill]{}self.embedderSentenceTransformer(all-MiniLM-L6-v2)defregister(self,skill:Skill):注册技能self.skills[skill.name]skill# 预计算技能描述的向量skill.embeddingself.embedder.encode(skill.description)defroute(self,task:str)-Skill:语义匹配最合适的技能task_embeddingself.embedder.encode(task)best_matchNonebest_score-1forskillinself.skills.values():scorecosine_similarity(task_embedding,skill.embedding)ifscorebest_score:best_scorescore best_matchskillifbest_score0.5:returnself.skills.get(default)# 兜底技能returnbest_match# 使用routerSkillRouter()router.register(CodeReviewerSkill())router.register(DocWriterSkill())router.register(ColleagueSkill())# 同事.skilltask帮我审查这段 Go 代码的安全性skillrouter.route(task)# → CodeReviewerSkillresultskill.execute(task)四、踩坑记录与最佳实践坑点描述解决方案Persona 过拟合训练数据太少导致人格表现刻板至少 1000 条对话记录, 覆盖多种场景Memory 膨胀聊天记录无限增长导致检索变慢实现滑动窗口 摘要压缩机制隐私泄露技能包误包含敏感信息发布前自动扫描 PII (姓名/手机/邮箱)跨平台兼容不同 IDE 解析 SKILL.md 有差异严格遵循 Agent Skills Open Standard技能冲突多个 Skill 同时激活导致回答矛盾实现优先级路由 明确的激活条件隐私保护示例importredefsanitize_skill_data(content:str)-str:发布 Skill 前清洗敏感信息patterns{phone:r1[3-9]\d{9},email:r[\w.-][\w.-]\.\w,id_card:r\d{17}[\dXx],name:r(?:张|李|王|刘|陈)\w{1,2}(?\s|,|。|),}forpii_type,patterninpatterns.items():contentre.sub(pattern,f[{pii_type}_REDACTED],content)returncontent# 发布前必须执行raw_skillopen(colleague_memory.md).read()safe_skillsanitize_skill_data(raw_skill)open(colleague_memory_safe.md,w).write(safe_skill)五、总结与建议5.1 我的判断维度评分说明技术趋势⭐⭐⭐⭐⭐Agent Skills 是确定性趋势工程价值⭐⭐⭐⭐SKILL.md 标准化降低了协作门槛社会影响⭐⭐⭐⭐⭐人格数字化引发深层讨论伦理风险⭐⭐数据权、隐私、心理异化亟需规范落地建议⭐⭐⭐⭐学技术架构, 慎碰人格模拟5.2 给开发者的建议必须学SKILL.md 标准和 Agent Skills 工具链——这是 AI 编程的新基础设施建议做为团队创建工程类 Skill代码审查、文档生成、测试用例等ROI 很高谨慎碰人格模拟类 .skill注意数据合规和隐私保护多关注Skills 路由和编排——当技能包超过 10 个路由层设计变得关键一句话技术可以把人装进文件但真正的人性——关于道德权衡、未知恐惧、以及在命运面前笨拙挣扎——依然是技术无法参数化的底线。参考资料机器之心《疯狂的Skill》原文Agent Skills Open StandardSkillsMP - Agent Skills Marketplaceawesome-agent-skills - GitHub万星合集Claude Code Skills 完全指南 你怎么看「人格数字化」你会给自己的团队做 Skill 吗欢迎评论区交流如果本文有帮助欢迎点赞 收藏 ⭐ 关注专栏持续输出 AI 工具深度评测