COLLEAGUE.SKILL：通过专家知识蒸馏自动生成AI技能

人们对LLM智能体的期待日益不止于完成孤立任务，还希望它们承载人类专长、判断力与交互风格的有边界表示。构建这种以人为基础的智能体依然困难，因为与某个人或角色相关联的可操作知识通常嵌入在异构痕迹中，而非以清晰的指令形式书写。现有记忆与人设系统捕捉了这类证据的片段，技能框架提供了可移植的打包格式；然而，尚不存在将这些痕迹蒸馏为可检视、可修正、可供智能体使用的技能的端到端工作流。我们提出一个自动化的痕迹到技能蒸馏系统，通过专家知识蒸馏生成以人为基础的AI技能。给定来自目标人物或角色的素材，COLLEAGUE.SKILL生成一个版本化的技能包，其中包含两条协同轨道：能力轨道，涵盖实践方法、心智模型与决策启发式；有边界行为轨道，涵盖沟通风格、交互规则与纠正历史。该技能包可被检视、调用、通过自然语言反馈更新、回滚、跨智能体宿主安装，并可选择性地为受控分发做准备。我们描述了开源系统中实现的产物契约、生成工作流、纠正生命周期、部署面与领域预设。截至撰写时，公开仓库约有18.5k GitHub星标；画廊列出来自165位贡献者的215项技能，列出的技能卡累计获得超过100k星标。该系统展示了以人为基础的技能如何被表示为可移植、可修正的包，而非不透明的提示或隐藏的记忆。