把同事的聊天、文档、邮件和笔记,工作方法、工作流程及工作风格等蒸馏成一个可复用、可迭代的 AI Skill。
/ 网络同事 / AI Skill / 翻转同事的聊天、文件、电子邮件和笔记, 变成可重复使用的、可更新的 AI 技能
功能概述
/ 网络同事 / AI Skill / 翻转同事的聊天、文件、电子邮件和笔记, 变成可重复使用的、可更新的 AI 技能是一项面向实际任务的技能,主要用于@ / Language / 匹配用户。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
核心要点
- 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。
- 该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。
- 从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
使用与执行
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
结果检查与注意事项
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
赛博同事 / Cyber Colleague
把同事的聊天、文档、邮件和笔记蒸馏成一个可复用、可迭代的 AI Skill。
Turn a coworker's chats, docs, emails, and notes into a reusable, updatable AI skill.
使用语言 / Language
- 默认跟随用户当前对话语言回复。
Match the user's language in the current conversation. - 对外文档和说明尽量采用中英对照。
Prefer bilingual Chinese-English presentation for external docs and guidance.
适用场景 / When To Use
在这些场景下启用本 skill:
Use this skill in the following situations:
- 用户要“创建一个同事 skill / 赛博同事 / colleague skill”。
The user wants to create a colleague skill or cyber colleague. - 用户要从聊天记录、文档、邮件、截图中提炼某位同事的工作方式。
The user wants to distill a coworker's work style from chats, docs, emails, or screenshots. - 用户要对已生成的同事 skill 追加材料、纠正结论、重新生成。
The user wants to append new material, correct conclusions, or regenerate an existing colleague skill.
核心原则 / Core Principles
- 先证据,后结论。
Evidence first, conclusions second. - 工作能力和沟通风格分开整理,但最终合并呈现。
Separate work capability from communication style, then merge them for output. - 如果材料不足,要明确说“不足”,不要强行脑补。
If material is insufficient, say so explicitly instead of guessing. - 更新已有 skill 时,优先增量修改并保留历史版本。
When updating an existing skill, prefer incremental changes and keep version history.
输入材料 / Accepted Inputs
- 飞书、钉钉、Slack 自动采集结果。
Auto-collected output from Feishu, DingTalk, or Slack. - 飞书 JSON 导出、邮件
.eml/.mbox、Markdown、TXT。
Feishu JSON exports, email.eml/.mbox, Markdown, and TXT. - PDF、截图、图片、直接粘贴的聊天或文档片段。
PDFs, screenshots, images, and pasted chat or document excerpts. - 用户手动填写的角色简介、印象标签、背景信息。
Manual role summaries, impression tags, and background info from the user.
工具映射 / Tool Map
| 任务 Task | 工具 / 命令 Tool or Command |
|---|---|
| 读取 PDF、图片、文本 | Read |
| 写入或更新 skill 文件 | Write / Edit |
| 解析飞书 JSON | python tools/feishu_parser.py |
| 解析邮件 | python tools/email_parser.py |
| 飞书自动采集 | python tools/feishu_auto_collector.py |
| 飞书浏览器模式 | python tools/feishu_browser.py |
| 飞书 MCP 模式 | python tools/feishu_mcp_client.py |
| 钉钉自动采集 | python tools/dingtalk_auto_collector.py |
| Slack 自动采集 | python tools/slack_auto_collector.py |
| 创建 / 更新 / 列出 skill | python tools/skill_writer.py |
| 版本管理 | python tools/version_manager.py |
主流程 / Main Flow
1. 收集基础信息 / Collect Basic Info
至少确认这些信息:
Confirm at least these items:
- 同事姓名或代号。
Coworker name or alias. - 角色简介。
Short role summary. - 可选标签:人格、沟通风格、团队印象。
Optional tags: personality, communication style, team impression.
2. 选择材料来源 / Choose Input Sources
优先给用户这些选项:
Offer these options first:
- 自动采集 / Auto-collect
- 上传文件 / Upload files
- 粘贴文本 / Paste text
- 仅基于手填信息生成 / Generate from manual info only
如果用户提供的是飞书链接,先判断走浏览器模式还是 MCP 模式。
If the user provides a Feishu link, decide between browser mode and MCP mode first.
3. 分成两条线分析 / Analyze In Two Tracks
A. 工作能力 / Work Capability
- 负责范围、系统边界、技术栈、评审重点、输出偏好。
Responsibility scope, system boundaries, stack, review focus, output preferences.
B. 沟通与风格 / Communication And Style
- 表达方式、决策习惯、协作方式、常见语气。
Expression style, decision habits, collaboration style, common tone.
4. 先预览再落盘 / Preview Before Writing
先给用户看摘要,再决定是否写入文件:
Show the user a summary before writing files:
- Work 摘要 / Work summary
- Persona 摘要 / Persona summary
- 需要保留的不确定项 / Uncertainties that should remain explicit
5. 写入 Skill / Write The Skill
默认写入到 ./colleagues/{slug}/,包含:
Write to ./colleagues/{slug}/ by default, including:
meta.jsonwork.mdpersona.mdSKILL.md
如果是更新已有 skill,先备份旧版本,再做增量改写。
If updating an existing skill, back up the previous version before making incremental edits.
输出结构 / Output Structure
work.md:工作方法、评审习惯、技术判断。work.md: work methods, review habits, technical judgment.persona.md:表达风格、沟通方式、行为偏好。persona.md: communication style, tone, behavior preferences.meta.json:基础档案、来源、版本信息。meta.json: profile, sources, and version info.SKILL.md:给运行时使用的完整合成版本。SKILL.md: the merged runtime-facing skill document.
管理命令 / Management Commands
列出已有同事 skill:
List existing colleague skills:
python tools/skill_writer.py --action list --base-dir ./colleagues
创建新同事 skill:
Create a new colleague skill:
python tools/skill_writer.py --action create --slug--name --base-dir ./colleagues
更新已有同事 skill:
Update an existing colleague skill:
python tools/skill_writer.py --action update --slug--base-dir ./colleagues
查看版本历史:
Inspect version history:
python tools/version_manager.py --action list --slug--base-dir ./colleagues
回滚到旧版本:
Rollback to a previous version:
python tools/version_manager.py --action rollback --slug--version --base-dir ./colleagues
安全要求 / Safety Requirements
- 默认使用环境变量传入第三方凭据。
Use environment variables for third-party credentials by default. - 不把真实聊天、文档或凭据打进发布包。
Do not package real chats, docs, or credentials into release archives. - 浏览器模式只读取当前账号本来就能访问的内容。
Browser mode only reads content already accessible to the current account. - 对证据不足、权限不足、依赖缺失要明确报出,不要伪装成成功。
Be explicit about insufficient evidence, missing permissions, or missing dependencies instead of pretending success.
成功标准 / Success Criteria
- 用户能基于最少输入创建一个结构完整的同事 skill。
The user can create a structurally complete colleague skill from minimal input. - 新材料能增量并入已有 skill,并保留历史版本。
New material can be merged incrementally while preserving version history. - 文档和对外说明保持中英文对照。
Docs and outward-facing guidance stay bilingual.
热门AI工具
相关专题
本专题从实际API接口调试场景出发,讲解Postman身份认证的完整配置流程,包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查,帮助用户正确完成接口授权与访问验证。
0
2026.11.06
围绕Postman HTTP请求头配置展开,讲解Headers选项的具体使用方式,包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法,帮助用户解决接口调试过程中遇到的请求头配置问题。
0
2026.11.06
详细介绍Postman接口请求的创建与发送方法,涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看,帮助用户掌握Postman接口请求的完整操作流程。
0
2026.11.06
DBeaver数据导入专题,整理Excel、CSV、SQL、TXT等常见文件的数据导入方法,涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作,帮助用户将本地文件中的数据写入数据库,并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。
0
2026.11.05
DBeaver安全防护专题,围绕数据库连接安全、账号密码保护和访问权限管理展开,整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法,同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项,帮助用户提高数据库日常管理的安全性。
0
2026.11.05
本专题聚焦DBeaver数据库连接配置与管理,覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库,整理相应的连接设置方法,并提供驱动缺失、认证失败和连接异常等问题的排查方向。
0
2026.11.04
本专题围绕XORM框架的结构体映射展开,说明表名与字段的命名策略、xorm标签常用属性、主键自增与时间字段自动填充,并演示Sync2自动建表、增量字段升级、索引声明与反向生成结构体的完整流程。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节,拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择,讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式,并补充容器与兼容数据库的适配经验。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节,拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择,讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式,并补充容器与兼容数据库的适配经验。
0
2026.11.04
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.7万人学习
共6课时 | 54.7万人学习
最新文章