“将冰冷的离别化为温暖的Skill，欢迎加入赛博永生！”这是开源项目“colleague.skill（同事.skill）”在简介里喊出的口号。

　　该项目自3月30日上线以来，迅速在全球开源代码托管平台GitHub上走红，而山东一游戏传媒公司运用“同事.skill”，将离职员工数据训练出“AI分身”继续上班引爆舆论后，再次将这一人工智能技能带至普通公众的视野里。

　　只需导入团队的飞书消息、钉钉文档、工作邮件等日常协作数据，该项目便能生成一个能替同事工作的AI Skill。Skill相当于给AI的一份“永久技能手册”，写周报时自动套用模板，审查代码时自动核对规范，遇到错误时自动匹配解决方案。4月13日，该项目更新动态称，“正在进化为dot-skill——蒸馏任何人，不止同事。多模态输出、技能生态等更多内容即将到来。”

　　项目开发者是24岁的周天奕，目前在上海人工智能实验室任职。他在接受南都N视频记者专访时强调，这个项目的初衷是帮助团队沉淀那些难以文档化的隐性知识——沟通习惯、决策经验、协作默契——而不是制造所谓的“数字替身”或“替代同事”。

　　不过，近期业内对此类“AI复刻同事”技术表达了审慎态度：有人担忧数据采集的授权边界模糊，可能侵犯个人信息权益；也有人指出，一旦技能被用于非工作场景（如模仿个人沟通风格），可能引发肖像权、名誉权等争议。

　　周天奕也指出，技术背后存在数据泄露、AI行为失控、责任归属模糊、伦理误导等风险。为此，项目从底层设计了本地化处理、能力边界限制、全流程可追溯等安全机制。“AI只能作为协作辅助，最终的决策权必须掌握在人手中。”

　　开源项目“colleague.skill（同事.skill）”。

　　【专访周天奕】

　　“社区衍生出一系列二创项目”

　　南都N视频：你开发这个Skill的初衷是什么？

　　周天奕：起源是我看到一条新闻：国外某大厂裁员，但需要员工自己提交一份Skill。我突然就想到，团队平时协作中藏着太多隐性知识，比如大家的沟通习惯、多年积累的决策经验，还有那种无需多言的协作默契。这些东西跟人牢牢绑定，没法直接写进文档里。尤其是一旦有人换岗或离开，这些宝贵的积累就像沙子一样悄悄溜走了，太可惜了。

　　我忽然萌生了一个念头，为什么不试着把这些团队协作做成一个Skill。在简单梳理好思路后，我只花了4个小时就搭建好了“colleague.skill”。其实当时我最想解决的问题是：通过把日常工作中的沟通内容、文档/文件、协作经验形成可复用的AI Skill，帮助团队把知识、经验留下来、用起来。

　　后来看到有的报道过度解读，甚至使用了“同事被炼化”的表达，我认为这已经远离了我的初衷。而且，还有必要友善提醒：在使用“colleague.skill”时，请务必尊重他人合法权益，不要侵害他人肖像权、名誉权、荣誉权、隐私权和个人信息权。

　　南都N视频：项目发布后的反响与你的预期有什么不同？

　　周天奕：搭建好“colleague.skill”后，在决定上传至GitHub前，我其实经历了一点纠结：一方面担心不知道会产生什么样的影响，一方面又坚定我的初心是正确的。在征求领导、同事和朋友们的意见后，最终还是点击了上传键，项目在3月30日正式上线。

　　其实我原本多少是想“整个活儿”，也没多考虑是不是会火，但没想到开源10天内就在GitHub获得了1万多的Star（星标，代表受欢迎程度）。更出乎意料的是，社区自发衍生出一系列二创项目，将“.skill”的概念从职场协作延展到了人际关系和情感记忆的保留。这让我意识到，用户真正想沉淀的不只是知识，而是与具体的人相处时形成的默契和模式。

　　4月13日，“同事.skill”项目更新动态。

　　南都N视频：这次爆火让你对开源项目的价值衡量产生了哪些思考？

　　周天奕：一方面是开心，看着Star数从0到百位，再到万位，内心是开心的。另外，在跟朋友们沟通的过程中，会收到“这原来是你们团队做的”的惊叹，这种反馈也是让人兴奋的。

　　但平心而论，搭建“colleague.skill”的过程其实并不复杂，技术要求也不算高。有时候花了大量心血搭建的项目，在GitHub上获得的Star数反而反响平平。这也引发了我对Star的思考：它不应该成为衡量一个项目是否有价值的唯一标准。

　　“colleague.skill”的爆火可能是踩中了这个时代的某个热点，唤起了一波互联网的共情。但AI时代，流量来得快，去得也快，我们在创新的同时，还是要秉承“技术向善”的初心。

　　“直接把安全做在底层”

　　南都N视频：Skill会带来哪些安全风险？你们做了哪些保障？

　　周天奕：风险肯定是有的，我总结为四类：一是数据容易泄露，毕竟用的都是工作聊天、内部文档，流出去后果很严重；二是AI容易“管不住”，本来是做协作的，结果乱调用工具、说不该说的话，甚至“越狱”失控；三是出了问题找不到责任人，不知道是模型问题、调用问题还是数据问题；四是伦理上可能误导判断，让人过度依赖AI，甚至替代本该人来做的关键决策。

　　因此，我们从一开始就没想着“出了事再补补丁”，而是直接把安全做在底层：比如，数据全部本地处理，不往外传，从源头防泄露；提前给AI划好能力范围，只能干指定的工作活儿，不能随便扩展能力；全程监控、每一步操作都能追溯，再加上硬件级隔离，想“越狱”也没机会；在伦理层面进行明确，AI只辅助，不决策。最后拍板的，应该永远都是人。

　　南都N视频：为了个性化，是否需要用户提供他人聊天记录或性格描述？数据如何脱敏？删除后能否彻底清除？

　　周天奕：首先我们不建议、也不提倡大家上传别人的聊天记录、性格信息去复刻别人，这个工具本来就是用来沉淀自己和团队公共工作知识的。涉及隐私数据，我们也有严格做法：自动脱敏，直接过滤掉电话、身份证、隐私对话等敏感内容；用户删掉技能后，本地数据一次性彻底清空，不留缓存、不留备份。

　　南都N视频：“colleague.skill”这类智能体的能力能达到真人水平吗？如果能，能达到什么程度？

　　周天奕：实话实说，目前看来上述智能体离真人差远了，远远到不了替代人的程度。真正的“AI专家”还没有出现，AI目前能干的，就是一些重复性、流程化的事：比如回答常见问题、查历史文档、走固定协作流程、模仿规范的沟通话术。

　　但真人的判断力、创造力、临场应变、情感沟通、复杂决策，这些AI现在都学不会，也做不到。我们对它的定位一直就是个“协作小助手”，帮人省时间、提效率，不是搞个“数字替身”来淘汰或替代人类劳动力。