逝去した上司をデジタル化し、AIエージェントスキルに変える方法
よくあるシーンを想像してほしい。リードバックエンドエンジニアが別の会社而去り、レガシーサービスの半分に関する理解、コンテキスト不足を理由に半分以上のプルリクエストを却下する癖、「ここにN+1クエリがある、作り直せ」のような簡潔なコメントを書く傾向を持っていく。Confluenceのドキュメントは役立たない。なぜなら、生きたエンジニアは dozens of unwritten rules（ dozens of unwritten rules）に依存して直感的に意思決定を行うからだ。
上海AIラボの開発者たちは、文字通りこの問題に取り組むことを決めた。彼らはフレームワーク dot-skill（旧称 colleague-skill）を書き、個人のテキスト、コード、コメント、業務連絡を収集し、AgentSkills標準に準拠した再利用可能なAIスキルとしてパッケージ化する。
なぜ生きた人間を蒸留するのか
このプロジェクトのアイデアは、専門家の知識を抽出する学術論文から生まれた。通常、LLMに特定の方法で応答させたい場合、数段落のシステムプロンプトを書く。これはうまくいかない。モデルはすぐに標準的な丁寧さに戻り、狭い専門性の技術的制約を忘れてしまう。
dot-skill は異なる方法で問題を解決する。このツールは人物のプロファイルを2つの独立したレイヤーに分割する：
- Personaレイヤーは、トーン、直接性、精神モデル、コミュニケーションスタイルを処理する。
- Work Skillレイヤーは、アーキテクチャ標準、一般的なワークフロー、応答形式、特定のナレッジベースを保存する。
結果として得られるエージェントは、元のチームリードの冗談を繰り返すだけでなく、コードレビュー中にその人が従っていたルールに従って正確にAPI仕様をレビューすることができる。
3つの使用シナリオ
当初、リポジトリは同僚のみに焦点を当てていたが、最近のバージョンでは作者たちはエンジンを3つのカテゴリに拡張した：
- 同僚。モデルは社内ドキュメント、プルリクエスト、業務チャットでトレーニングされる。完全に呼び出す（
/colleague-name）ことも、性格的な癖なしで技術的な部分のみ別途アクセスすることも（/colleague-name-work）も可能。 - 身边的人（関係性）。メッセージ履歴に基づいて、友人や家族の親しみやすいコミュニケーションスタイルを保存するモード。トリガー、議論パターン、仲直り方法をキャプチャする。
- 有名人（セレブ）。有名なエンジニアや思想家のスピーチ、記事、コミット、インタビューを分析し、表面的なスタイル模倣ではなく意思決定ロジックを再現しようとする。
リポジトリからの興味深い例として、作者たちがAndrej Karpathyの思考のスナップショットを作成したものがある：
User > Все говорят об агентах. Каким будет AI Agent в 2026 году?
celebrity.skill > Все пилят демки, но никто не занимается эвалюацией.
Узкое горлышко агентов — не интеллект модели, а скаффолдинг:
строгий тестовый стенд, пошаговый реплей ошибок,
контролируемый бюджет вызовов инструментов и четкий анализ сбоев.
В 2026 году я ставлю не на самую сильную модель,
а на лучший скаффолдинг и строгий eval.
データの取得元と動作原理
結果として得られるエージェントの品質は、ソース材料に直接依存する。休憩室の空談をユーティリティにフィードしても、結果は無用なものになる。プロジェクトの作成者は明確に述べている：詳細な設計ドキュメント、コードコメント、トラッカーでの論理的決定が最も効果的だ。
このパッケージは複数のソースからの情報収集をサポートしている：
- 企業チャット（Slack API経由、Feishu、DingTalk）
- メッセージエクスポートとメールダンプ
.eml/.mbox - ローカルのmarkdownファイル、メモ、PDFドキュメント
- 動画プレゼンテーションの字幕
有名人の場合、リポジトリ内に別のパイプラインが組み込まれている：
# Скачиваем субтитры выступлений
bash tools/research/download_subtitles.sh "<video-url>" "./tmp/subtitles"
# Очищаем транскрипт и убираем таймкоды
python3 tools/research/srt_to_transcript.py "./tmp/subtitles/example.srt"
# Объединяем заметки по шести измерениям
python3 tools/research/merge_research.py "./skills/celebrity/<slug>"
# Проверяем структуру и качество артефактов
python3 tools/research/quality_check.py "./skills/celebrity/<slug>/SKILL.md"
ランタイム環境サポートとインストール
このツールは単一プラットフォームに依存しない。スキルはmarkdownマニフェストとして生成され、最も一般的なエージェント環境で使用できる：Claude Code、OpenClaw、Codex、DeepSeek Harness、Hermes Agent。
エージェント環境へのインストールは1行で完了する：
# Для ручной установки в Claude Code:
git clone https://github.com/titanwings/colleague-skill ~/.claude/skills/dot-skill
その後、コマンド /dot-skill がエージェントのターミナルで使用可能になる。双方向ウィザードがカテゴリ、キャラクター名、主要な性格特性、ソースデータへのパスを尋ねる。
会話中にボットがプロトタイプの性格不符に振る舞う場合、「彼はそんな風に答えない、エラートレースをすぐに要求するはずだ」のようなフレーズで直接修正できる。スクリプトはコメントを傍受し、修正レイヤーに記録し、瞬時に命令を更新する。安全な実験のために、以前のスナップショットにロールバックできるバージョンマネージャーが提供されている。
試す価値はあるか
このプロジェクトは、実用的な自動化とデジタルメモリの交差点における興味深い実験に見える。
次のような場合に役立つ：
- チーム再編成前に、チームリードの技術的アプローチと標準を保存したい。
- 特定の技術ディレクターの思考 категорияで考える厳格なアーキテクチャレビュアーが必要。
- 有名なエンジニアの公開資料から個人的なメンターを構築したい。
考慮すべき2つのことがある：プライバシーとデータ品質だ。企業チャットログを未検証のクラウドモデルにエクスポートすることは、セキュリティ上の理由から避けるべきだ。しかし、ローカルパイプラインをデプロイしてシークレットをフィルタリングすれば、dot-skill は散らばったテキストを真有用水な作業アシスタントに変えることができる。
関連プロジェクト