Distilly：把离职同事的经验打包成 Agent Skill，但别指望克隆一个人
将冰冷的离别化为温暖的技能，欢迎加入数字生命1.0！将冰冷的告别化为温暖的技能？这是一个重生的时代。欢迎来到数字生活1.0。
秒懂
- 它是什么？
- Distilly 把同事、亲友或公众人物的聊天记录、文档和访谈提炼成可安装的 Person Profile，让 Claude Code 等八个 Agent 宿主直接调用。但它的边界很明确：它建模的是可观察的行为模式，不是意识。
- 适合谁用？
- Distilly 适合想留住离职同事工作方法、为亲友建立长久对话风格、或为公众人物构建研究型问答的人。不适合指望它复现一个人完整情感或私密记忆的场景，因为它的输出严格基于你提供的材料，且明确声明不克隆人。
- 能商用吗？
- 可以。MIT 是宽松许可证：你可以使用、修改并销售基于它的软件，只需保留版权和许可证声明。
- 还在维护吗？
- 在维护。仓库最近一次提交在 3 天前。
- 用什么语言写的？
- 主要是 Python（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月14日）和我们的分析，不构成法律意见。
开源项目深度解析
它解决的是知识随人走的问题
同事离职、导师毕业、队友转岗，他们的判断标准、工作流程和沟通风格随之消失。Distilly 的出发点是把这些可观察的经验蒸馏成一个 Person Profile，让 AI Agent 在对话中调用。项目原名 colleague-skill，后来改名 Distilly，场景也从同事扩展到关系型人物和公众人物。它面向的是一类具体需求：你有一批聊天记录、文档或访谈稿，想让人工智能以某个人的口吻和思路回答问题，而不是自己重新总结。它不声称克隆人，README 里写得很清楚，它建模的是经验、判断、表达和工作方式，不是人的本体。
三类人物，三种不同的蒸馏策略
Distilly 把人物分成三个家族。同事类构建 Work Skill 加 Persona，材料来源包括 Lark、DingTalk、Slack 的聊天记录，分析维度是技术标准、工作流程、表达方式和职场行为。关系类整理表达模式、情绪触发点、冲突模式和修复模式，输出一个可复用的 Persona Skill。名人类别自带一个六维研究工具链，流程是字幕转写、转录清理、研究合并、质量检查，用来组织可观察的决策、表达和思维模型。三者的源材料收集策略、分析维度和 Person Profile 结构都不同。这意味着同一个工具面对不同对象时，产出的 Skill 文件形态差异很大，不是一套模板套到底。
从材料到 Skill 的流程与数据流
README 给出的流程是：消息、文档、访谈、公开来源，经过 Distilly，产出 Person Profile，再供 Agent 或兼容 Bot 使用。当前版本把每个 Profile 打包成一个 Agent Skill，宿主可以直接安装和调用。规范的创建者 Skill 名为 distilly，需要安装在 distilly 目录下。数据流的关键是 source-grounded，所有输出都锚定在提供的材料上，不引入模型臆测。实际使用时，你先把材料喂给 distilly，它会按人物家族选择分析维度，生成结构化的 Profile，再转换成宿主认识的 Skill 文件。这个流程看起来是离线批处理，不是实时对话，意味着每次材料更新都要重新蒸馏。
安装与运行：目录约定是核心
README 没有给出完整的安装命令，但明确了关键约束：创建者 Skill 必须安装在 distilly 目录下，这样宿主才能发现它。项目支持八种 Agent 宿主的本地 Skill 发现，包括 Claude Code、Hermes、OpenClaw、Codex、DeepSeek Harness、Pi、Grok Build 和 OpenCode。Grok Bot 被单独列为保存式 Skill 工作流预览，因为其官方文档不描述直接的本地 SKILL.md 导入。这意味着安装方式因宿主而异，比如 Claude Code 走 ~/.claude/skills 目录，Codex 可能走 .codex/skills。具体命令需要看各宿主的 Skill 文档。如果你只用一个宿主，安装不算复杂，但想跨宿主迁移，就要确认每个宿主的目录约定是否兼容。
已知的局限：材料决定上限，且不克隆人
最明显的局限是输出质量完全依赖你提供的材料。如果只有几段闲聊，Person Profile 就只能是浅层表达风格的模仿，无法覆盖复杂决策模式。README 明确说不克隆人，这意味着它无法生成材料之外的知识，比如一个人的私密记忆或未记录的思考。另一个问题是更新成本：每次有新材料，都需要重新跑一遍蒸馏流程，无法增量更新。对于持续变化的同事关系，这可能是负担。此外，名人场景依赖字幕转写工具链，如果源视频没有字幕，你需要先做转录，这增加了预处理工作量。这些限制意味着 Distilly 适合静态或半静态的人物建模，不适合高频变化的对象。
替代方案：静态提示词与项目指令
不引入 Distilly，你仍然可以在 Claude Code 里用 Project Instructions，或在 Codex 里用 AGENTS.md 写一段描述某个人风格的静态提示词。这个方案的差异是：它不分析材料，只依赖你手写的描述，所以更轻量，但无法从聊天记录中自动提取模式。另一个替代是直接使用各宿主自带的 Skill 功能，手动编写 SKILL.md 文件，把人物背景和回答规则写进去。这比 Distilly 更可控，但需要你手动整理材料，没有蒸馏环节。Distilly 的优势是自动化提取和结构化输出，代价是安装目录约束和重新蒸馏的成本。如果你的材料量小且结构清晰，静态提示词可能更快；如果材料庞大且零散，Distilly 的蒸馏流程更省力。
维护与许可：MIT 下的社区驱动
项目以 MIT 许可发布，意味着你可以自由使用和修改，但 README 没有提供详细的维护指南或版本升级路径。当前最新版本是 v0.01（demo），发布于 2026 年 3 月 30 日，说明项目仍处于早期阶段。仓库默认分支是 dot-skill，这暗示 Skill 文件的组织方式可能随版本变化。社区方面，README 提到一个贡献者画廊，有 215 个 Skill 由 165 人贡献，但这些数字来自项目自身的更新日志，不是独立验证。维护成本主要在于跟进宿主对 Skill 格式的更新，因为 Claude Code、Codex 等工具的 Skill 规范可能变化，你需要定期检查 Distilly 的输出是否仍然兼容。
结论：适合有材料整理需求的人，不适合追求数字永生的人
Distilly 适合三类人：想为离职同事建立可查询的工作知识库的团队，想为亲友保留对话风格的个人，想为公众人物构建研究型问答的创作者。不适合那些期待一个能模拟完整人格、包含情感和潜意识的人，因为它的输出严格基于可观察材料，且明确声明不克隆人。采用前先验证：你能否按目录约定安装 distilly，你的材料是否覆盖了你关心的决策模式，以及你能否接受每次更新材料后重新蒸馏的成本。如果这些条件都满足，Distilly 能把零散材料变成可复用、可分享的 Skill 文件，这是静态提示词做不到的。但它的价值边界也很清楚：它是一份有据可查的行为说明书，不是数字生命的替代品。
编辑结论
Distilly 适合想留住离职同事工作方法、为亲友建立长久对话风格、或为公众人物构建研究型问答的人。不适合指望它复现一个人完整情感或私密记忆的场景，因为它的输出严格基于你提供的材料，且明确声明不克隆人。采用前先验证三件事：你能否按 README 的目录约定把 distilly 装进宿主（比如 Claude Code 的 ~/.claude/skills），你手头的材料是否足够覆盖你关心的决策模式，以及你能否接受每次更新材料后重新蒸馏的成本。若这些条件不满足，直接用 Claude Code 的 Project Instructions 或 Codex 的 AGENTS.md 写静态提示词更省事。Distilly 的价值在于把分散材料变成可复用、可分享的 Skill 文件，但它不是数字永生，只是一份有据可查的行为说明书。
社区笔记