Distilly 快速入门:把一个人的判断方式整理成可复用的 Agent Skill
原 Colleague Skill:把消息、文档、访谈与公开资料按同事/关系/公众人物三种人物族整理成以来源为依据的 Person Profile,再打包成可安装到八个宿主的 Agent Skill;支持追加演进、对话纠错与版本回滚。
评分明细
适用场景
Distilly 快速入门:从材料到可复用的 Person Profile
Distilly 是一个「人格建模」类的 Agent Skill:你给它材料(聊天记录、文档、访谈、公开内容)和一段描述,它按固定的分析维度产出一份有来源依据的 Person Profile,再把这个 Profile 打包成可安装的 Agent Skill。
它的前身是 Colleague Skill(colleague-skill),2026-08 起创作者入口与技能名统一为 distilly,安装目录也要求叫 distilly。旧名保留在搜索与项目史里。
官方对边界的表述很克制:它整理的是可观测的经验、决策模式、表达方式与工作方法,不声称克隆本人。
核验日期:2026-11-17。本文基于仓库 README、INSTALL_EN.md、SKILL.md 与 GitHub 公开元数据整理,AI 辅助生成,MagicNetWorld 尚未完成独立实测:我们没有安装 Distilly、没有采集任何平台数据、没有生成过画像。
这是什么?适合谁?
- 适合:想把自己(或某位同事)的工作方法沉淀成可复用技能,让 agent 在新会话里直接按这套方法干活的人。
- 适合:团队里有人离职、转岗、毕业,其判断标准和排障经验只存在聊天记录里的人。
- 适合:需要把一个公开人物的思维方式做成可查询参考(写作、讲解、决策)的研究者与内容创作者。
- 不适合:以为装上就能「复制一个人」的期待。官方明确 Profile 不是本人的克隆,质量上限由材料质量决定。
- 不适合:没有合法来源材料或没有当事人同意就采集他人私聊的场景。工具不替你解决同意与平台条款问题。
- 不适合:想要一次性批量生成大量画像的自动化流水线。当前作者自己称仍是 demo 版本,采集环节需要人工授权与平台配置。
三种人物族是它的核心分类:colleague(同事、导师、上下游)、relationship(伴侣、家人、老友)、celebrity(公众人物、创作者、虚构角色)。三者的采集策略、分析维度与 Profile 结构不同。
前置准备
- Python 3.9+。仓库提供
requirements.txt与requirements-optional.txt;采集器依赖按需安装。 - 一个受支持的宿主:Claude Code、OpenClaw、Hermes、Codex、DeepSeek Harness、Pi、Grok Build、OpenCode。
- 材料:可以是随手写的描述(官方说每个字段都可选),也可以是导出文件。原材料质量直接决定画像质量。
- 平台权限(按采集源):Lark 需要把应用机器人拉进相关群;Slack 需要管理员安装 Bot;DingTalk 的 API 不支持消息历史,只能走浏览器采集;微信需要先用 WeChatMsg 或 PyWxDump 导出 SQLite。
- 你自己的终端:所有采集器的
--setup/--login必须由你在本地终端执行,凭据不能出现在对话里。 - 目录认知:生成的技能落在工作区的
./skills/{family}/{slug}/,全局安装要显式传--base-dir。
官方安装方式
通用路径:克隆到宿主的 Skills 目录
git clone https://github.com/titanwings/distilly <TARGET>
目标目录名必须保持 distilly。父目录不存在时先创建。官方给的宿主路径:
- Claude Code:
~/.claude/skills/distilly(项目级.claude/skills/distilly) - OpenClaw:
~/.openclaw/workspace/skills/distilly - Hermes:
~/.hermes/skills/openclaw-imports/distilly;项目级.hermes/skills/distilly需要先hermes skills trust - Codex:
~/.agents/skills/distilly(项目级.agents/skills/distilly) - DeepSeek Harness:
~/.dsh/skills/distilly或$DSH_HOME/skills/distilly - Pi:
~/.pi/agent/skills/distilly或~/.agents/skills/distilly - Grok Build:
~/.grok/skills/distilly或~/.agents/skills/distilly - OpenCode:
~/.config/opencode/skills/distilly(项目级.opencode/skills/distilly)
仓库自带的宿主安装器
python3 tools/install_distilly.py --host openclaw --force
python3 tools/install_distilly.py --host hermes --force
python3 tools/install_distilly.py --host codex --force
先加 --dry-run 看落点,再决定是否写入。
安装一份已生成的 Profile
python3 tools/install_generated_skill.py \
--skill-dir "skills/{character}/{slug}" \
--host <host> \
--force
<host> 取 claude-code、openclaw、hermes、codex、deepseek-harness、pi、grok-build、opencode;默认技能根分别是 ~/.claude/skills、~/.openclaw/workspace/skills、~/.hermes/skills/distilly-generated、~/.agents/skills 等,可用 --skills-dir 覆盖为项目级目录。安装器只写自包含的 SKILL.md 与 .distilly-install.json,不复制私密原材料。
Windows 上若需要命令 shim,用专门的 tools/install_claude_generated_skill.py --install-command-shim。
第一个完整任务:先给自己建一份 owner 画像
新装的个人 agent 第一步不是采集别人,而是让 agent 知道它为谁工作。官方给的入口是一句话:
Use Distilly to set up my profile.
流程是:约五分钟的访谈 → 展示生成的画像 → 在 agent 每次会话都会读的文件里加一段简短摘要(Claude Code 是 ~/.claude/CLAUDE.md,OpenClaw 是 USER.md),完整画像留在本地 ~/.distilly/owner/profile.md。
这一步对应 prompts/flows/owner.md 与 tools/owner_profile.py。
成功判定:三段都成立——完整画像文件在 ~/.distilly/owner/profile.md;宿主会话入口文件里出现了那段摘要;新开一个会话问「我是谁、我偏好什么」时,agent 能复述摘要里的要点而不是重新追问一遍。
做完这一步再处理别人,好处是后续生成画像时 agent 已经知道输出要给谁看、偏好什么风格。
初级用法
1. 用一句话触发创建,再按引导选族
在宿主里说:
Use Distilly to create a Person Profile for
<person>.
然后按提示选 colleague、relationship 或 celebrity,补一段描述或材料——官方强调每个字段都是可选的,你可以只给一段描述先看效果。产出会打包成名为 {character}-{slug} 的 Agent Skill。
2. 用路由表选流程,而不是凭感觉
SKILL.md 里有一张明确的路由表:说「给我建个技能 / 我想蒸馏某人」走 prompts/flows/create.md;说「我有新材料 / 追加」或「他不会这么说」走 prompts/flows/evolve.md;说「看看我的技能 / 回滚 / 删除」走 prompts/flows/manage.md。用这些说法触发,比让它自由发挥要稳。
3. 用对话纠错让画像收敛
当输出不像本人时,直接说「他不会这么说,他会先问影响面」。官方把这类反馈写进 Correction 层并立即生效,且每次更新都会自动归档一个版本,可回滚到任一历史版本。这是它优于「一次性生成提示词」的地方。
4. 用 manage 流程盘点与清理
生成的技能都落在 ./skills/{family}/{slug}/。manage 流程负责列出、回滚与删除;删除与回滚都有明确入口,不要自己去 rm -rf 目录,避免留下不一致的元数据。
高级玩法
1. 用 append + 增量合并维持长期画像
prompts/flows/evolve.md 支持「追加材料」:新文件进来后自动分析增量,合并进相关章节,不覆盖已有结论。实际用法是按时间分桶追加(季度文档、阶段评审意见),让画像随材料积累变厚,而不是每次重生成。
2. 走 celebrity 六维研究流水线
celebrity 族自带研究工具链:字幕下载(tools/research/download_subtitles.sh)→ 转写清理(srt_to_transcript.py)→ 六维研究合并(merge_research.py)→ 质量检查(quality_check.py),维度覆盖作品、访谈、决策、表达 DNA、外部评价与时间线。可选地通过计量第三方服务 Xquik 抓公开 X 帖子作为候选材料。
3. 用 owner 画像做「输出校准层」
owner 画像除了让 agent 认识你,还能当生成画像时的对齐基准:先有 owner,agent 才知道这份同事画像要交付给什么岗位、什么阅读习惯的人。实践中把 owner 流程当一次性前置投资,比事后反复改风格便宜。
4. 多宿主分发同一份画像
一份 Profile 可以装到多个宿主:install_generated_skill.py 用 --host 选目标,--skills-dir 改为项目级路径。团队里同一份同事画像可以同时进 Claude Code 与 Codex,不必维护两套文件。
5. 用 skill_writer 约束写入
SKILL.md 规定生成技能只能通过 tools/skill_writer.py 创建与更新,禁止手工拼装或手改文件。要做批量或定制流程时,也应调用这个 writer,而不是自己写 SKILL.md——否则下一次 evolve 的合并会与手改内容冲突。
小技巧
- 材料优先级官方给了明确排序:本人长篇写作 > 决策性回复 > 日常群聊;按这个顺序取舍,比堆量有效。
relationship族最好覆盖「冲突」和「修复」两类材料,只有甜的部分会得到失真的画像。celebrity族避免只喂二手解读,否则产出的是「别人对他的评价」而不是他的判断方式。- 采集前先跑
--dry-run,确认落点再写入,尤其是已有旧安装时。 - 技能根路径不要靠猜:Claude Code 用
${CLAUDE_SKILL_DIR},其它宿主用加载时提供的路径;脚本一律用绝对路径调用。 - 生成后的 Profile 建议纳入 git 管理(只提交
SKILL.md与元数据,不提交原材料),这样演进历史与回滚都有据可查。
踩坑记录
1. 目录名写成 dot-skill 或 colleague-skill,宿主认不到
症状:克隆完,宿主里没有 /distilly 命令,或者加载到旧版本。
原因:规范安装目录必须叫 distilly;已存在的 dot-skill 克隆不会因为 git pull 被重命名,官方也明确不自动迁移目录。
解决:按 INSTALL_EN 的宿主表把新副本装到 distilly 目标(或跑仓库安装器),确认宿主能发现新副本后,再人工决定旧目录留还是删。
2. Hermes 项目级安装后技能不可见
症状:.hermes/skills/distilly 存在,但 Hermes 不加载。
原因:Hermes 的项目级技能需要信任后才生效。
解决:在项目里执行 hermes skills trust;或改用用户级路径 ~/.hermes/skills/openclaw-imports/distilly。
3. Codex 里「装好了但找不到」
症状:技能装在 ~/.codex/skills/ 下,Codex 读不到。
原因:官方说明旧版 Codex 技能根 ~/.codex/skills/ 不会自动迁移到 ~/.agents/skills/。
解决:按当前文档装到 ~/.agents/skills/distilly,旧的作为回退保留,确认新版被发现后再清理。
4. 采集器要求你贴 token 才能继续
症状:agent 让你把 Slack/Lark 的 token 或 OAuth 码粘进对话。
原因:这是错误的用法。SKILL.md 明确规定 App Secrets、访问令牌、Bot Token、OAuth 码永不进入对话,也不应向你索取。
解决:拒绝,并在自己的终端运行采集器的 --setup / --login。凭据一旦进入对话就留在了上下文与日志里。
5. 脚本找不到 tools/ 或 prompts/ 里的资源
症状:python3 tools/owner_profile.py 报文件不存在。
原因:当前工作目录不一定是 Skill 根目录;SKILL.md 明确要求先解析宿主实际加载的 SKILL.md 目录,再用绝对路径调用。
解决:Claude Code 用 ${CLAUDE_SKILL_DIR},其它宿主用加载路径;把 {distilly_skill_root} 替换成真实绝对路径再执行。多个安装并存且无法判断时,先让用户指明活动安装。
6. 采集到的材料残缺,画像明显偏
症状:同事画像只有零星几句话,风格完全不对。
原因:源本身有硬限制——Slack 免费版只保留 90 天历史;DingTalk API 不支持消息历史,只能走浏览器采集;Lark 自动采集需要把机器人拉进群。
解决:先核对各源的覆盖范围,必要时补导出文件(Lark JSON、微信 SQLite、.eml/.mbox、PDF、Markdown 直贴);材料不足就降级为「只做工作方法,不做语气」。
7. 手改生成的 SKILL.md 后,下一次演进覆盖了修改
症状:手工调整的措辞在 append 材料后消失或冲突。
原因:写入规范要求只能通过 tools/skill_writer.py 生成与更新;手改破坏了它的合并假设。
解决:改内容走对话纠错(写入 Correction 层)或重新生成;需要定制结构就改 writer 或对应的 prompts/,不要直接编辑产物。
常见问题 FAQ
Q1: Distilly 和 Colleague Skill 是两个项目吗?
A: 是同一个项目的更名。官方在 README、INSTALL_EN 与 SKILL.md 三处都写明:原名 Colleague Skill / colleague-skill,现名与创作者入口统一为 distilly,旧名只为搜索与历史连续保留。
Q2: 它真的能「复制一个人」吗?
A: 不能,官方也没这么宣称。它做的是把可观测的经验、决策模式、表达与工作方法整理成以来源为依据的 Profile,明确不声称克隆本人。质量取决于材料,材料不足就会得到一份「看起来像」的摘要。
Q3: 支持哪些宿主?
A: Claude Code、OpenClaw、Hermes、Codex、DeepSeek Harness、Pi coding agent、Grok Build、OpenCode 八个。命令形式各不相同:Claude Code / Hermes / DeepSeek Harness / Grok Build 用 /distilly,OpenClaw 用 /distilly 或 /skill distilly,Codex 用 $distilly 或 /skills,Pi 用 /skill:distilly,OpenCode 原生加载无专用命令。
Q4: Grok Bot 能直接装吗?
A: 不能。官方说明 Grok Bot 只支持保存型/私有 Skill,其文档未描述直接导入本地 SKILL.md,因此不要把本仓库当作 Grok Bot 的安装方式;工作流可以手工迁移进一个保存型 Skill。
Q5: 能采集哪些平台的数据?
A: Lark(API + 文档)、DingTalk(浏览器)、Slack(API)、公开 X 帖子(经计量第三方服务 Xquik)、微信(先导出 SQLite)、以及 PDF/图片/截图、Lark JSON 导出、.eml/.mbox、Markdown 或直接粘贴。
Q6: 它有论文吗?
A: 有,但对应的是前身 COLLEAGUE.SKILL:arXiv 2605.31264《COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation》,覆盖 Work Skill + Persona 两层架构与多源采集。relationship 与 celebrity 两族的独立论文官方称在计划中。
Q7: 采集别人的聊天记录需要注意什么?
A: 这是工具之外的责任:需要当事人同意、需要符合平台条款与当地法律,且应避免把无关的第三方隐私一并写入。工具只规定「凭据不进对话」,不会替你判断材料是否可以使用。
权限、安全、成本与平台限制
- 许可证:MIT,可自由使用与修改;商用仍需自行评估真人画像带来的肖像、名誉与数据合规风险。
- 数据位置:生成的技能在你自己工作区的
./skills/{family}/{slug}/,owner 画像在~/.distilly/owner/;安装器只复制自包含的SKILL.md与元数据,不复制原材料。 - 凭据:App Secrets、access/refresh token、Bot Token、OAuth 码一律由用户在自己的终端完成
--setup/--login;任何要求你贴 token 的话术都应拒绝。 - 模型成本:Skill 本身不收费,成本来自宿主模型的调用;celebrity 研究链条里的字幕下载与转写会消耗本地算力或第三方额度,Xquik 属计量服务。
- 平台限制:Slack 免费版 90 天历史;DingTalk 无消息历史 API;Lark 需把机器人加入群聊;微信需先导出。
- 成熟度:作者在 README 中自述仍属 demo 版本,遇 bug 建议开 issue;
pushed_at为 2026-10-13,距今约五周,未见停滞但也不是高频发版期。 - 不可承诺项:画像无法保证与本人判断一致;涉及人事评价、亲密关系的画像不应作为对真人的定性依据。
参考链接
📊 评分与标签
核验口径:已按现行口径通过,待按新证据契约复核 · 证据状态:仅公开资料 · 核验日期:
评分说明
总分 8.6/10 · P_优选 核验日期:2026-11-17。评分依据可追溯至当前 README(含三种人物族与数据源表)、INSTALL_EN.md 的宿主路径与安装器、SKILL.md 的路由与写入规则、arXiv 技术报告页与 GitHub REST 元数据;不沿用采集阶段的百分制排序值。 MagicNetWorld 未安装 Distilly、未采集任何平台数据、未生成或演进过画像,因此判断属 doc-only;作者对技术报告与社区规模的表述只作为其自述证据,不视为本站实测。
可观测社区指标
采集日期:2026-11-17。GitHub API 返回 ★26,609、forks 2,270、open issues 75,pushed_at 为 2026-10-13T05:57:17Z(核验前约五周),创建于 2026-03-30,未归档,默认分支 dot-skill,MIT,语言 Python,watchers 58。
来源:仓库元数据。README 另有社区画廊与里程碑自述(2026-08-13 超过 20K 星;2026-06-01 称画廊已有 215 个技能、165 位贡献者),这些是项目自述,本站未逐个核验。
📦 可安装性 2.1/2.5
README 给「对 agent 说一句话」与「git clone 到宿主目录」两种入口,INSTALL_EN 逐宿主列出用户级与项目级路径,并提供 tools/install_distilly.py、tools/install_generated_skill.py 与 Windows 专用 shim 安装器,均支持 --dry-run 与 --force。
- 竞品对比 1(anthropics/skills):Anthropic 官方技能集以仓库内示例为主,安装方式随宿主文档走;Distilly 自带跨宿主的安装脚本与落点表,安装路径更明确,但多一层「目录名必须叫 distilly」的约束。
- 竞品对比 2(agentskills.io 标准):标准只规定
SKILL.md的发现约定,不含安装器;Distilly 在标准之上补了宿主适配与迁移说明,代价是每次宿主改动都要跟一次。 - 扣分点:从
dot-skill/colleague-skill旧目录迁移要靠人工,官方明确不自动重命名;Hermes 项目级还需hermes skills trust;Codex 旧根~/.codex/skills/不迁移。
🎯 实用性 2.1/2.5
三种人物族各有独立的采集策略与分析维度:colleague 出 Work Skill + Persona 两层,relationship 组织表达 DNA、情绪触发、冲突与修复模式,celebrity 带六维研究流水线。画像可演进(追加合并、对话纠错写入 Correction 层、版本归档与回滚),产出直接是宿主可加载的 Agent Skill。
- 竞品对比 1(Mem0):Mem0 抽取的是用户偏好与事实记忆,服务对话连续性;Distilly 抽取的是「某人怎么判断、怎么表达」的结构化画像,交付物是技能包而非记忆库,二者可叠加但目标不同。
- 竞品对比 2(SillyTavern 角色卡):角色卡以人设为文本模板,社区生态大、可直接导入;Distilly 强制以来源材料为依据并要求质量检查,可信度结构更强,但材料准备成本明显更高。
- 扣分点:官方自述仍属 demo 版本;画像与本人的一致性无公开评测;relationship 与 celebrity 族的方法论尚无独立论文支撑。
📚 文档质量 1.8/2.0
README 覆盖三种人物族对照表、八个宿主、数据源能力矩阵、生成结构、演进机制、来源优先级与「source material quality = profile quality」的明确告诫;INSTALL_EN 给出完整路径表与迁移步骤;SKILL.md 用路由表把四类请求映射到具体 flow 文件。另有七种语言的 README 与 CITATION.cff。
- 竞品对比 1(anthropics/skills):官方示例文档更贴近「照着改」的模板,篇幅短;Distilly 的文档偏流程手册,信息密度高但需要按族分别读。
- 竞品对比 2(Letta(MemGPT)):Letta 文档围绕 agent 记忆架构与服务器部署展开,体系完整;Distilly 的文档只覆盖本工具链,缺少故障排查专章与已知问题列表。
- 扣分点:宿主命令形式分散在 SKILL.md 与 INSTALL_EN 两处,容易看漏;采集器的参数说明依赖
--help而非集中文档。
🌱 社区活跃 1.4/1.5
★26,609 与 2,270 forks 说明关注度处于同类项目前列;有 Discord、issue 模板(bug / feature / question)、PR 模板与 CI,社区画廊与里程碑更新持续到 2026-08。
- 竞品对比 1(SillyTavern):SillyTavern 的社区规模更大、第三方扩展与角色卡生态成熟;Distilly 的生态主要在「画廊 + 上游论文」这一层,第三方工具较少。
- 竞品对比 2(Mem0):Mem0 有商业公司支撑与企业集成,发版节奏快;Distilly 以个人维护为主,
pushed_at距核验日约五周,属活跃但非高频。 - 扣分点:75 个 open issue 相对其代码量不算少;README 中多处自述数字(画廊技能数、贡献者数)无独立核对渠道。
🔗 兼容性 1.2/1.5
支持 Claude Code、OpenClaw、Hermes、Codex、DeepSeek Harness、Pi、Grok Build、OpenCode 八个宿主,命令形式与目录各不相同且都已列出;生成的 Profile 可装到多个宿主。
- 竞品对比 1(agentskills.io 标准):标准定义的是最小公共面,理论上任何遵循者都能加载;Distilly 对每个宿主写死路径与调用方式,覆盖广但升级时更易滞后。
- 竞品对比 2(anthropics/skills):官方示例以 Claude Code 为先;Distilly 明确支持八个宿主,并单独说明 Grok Bot 不能直接导入、只能手工迁移为保存型 Skill。
- 扣分点:Grok Bot 只到「预览/手工迁移」;Windows 需要专用安装器加命令 shim;旧目录与旧 Codex 根都不自动迁移。
维度求和核对
2.1 + 2.1 + 1.8 + 1.4 + 1.2 = 8.6,与总分 8.6/10 一致;各维度均未超过满分(2.5 / 2.5 / 2.0 / 1.5 / 1.5)。 🏷️ 标签说明
- Agent Skills: 输出物是标准 Agent Skill,可被八个受支持宿主直接发现与调用。来源:README。
- 人格蒸馏: 官方定位是把经验、判断、表达与工作方式整理成以来源为依据的 Person Profile,不声称克隆本人。来源:README。
- 知识管理: 材料来源覆盖聊天记录、文档、邮件、导出与公开内容,产出可归档、可回滚、可追加演进。来源:INSTALL_EN。
- 开源: MIT 许可,源码、提示词与采集脚本全部公开。来源:LICENSE。 📋 来源核实
- ✅ 直连已验证:README — 更名说明、三种人物族、八个宿主、数据源矩阵、生成结构与演进机制、来源优先级。
- ✅ 直连已验证:INSTALL_EN.md — 各宿主路径表、安装器参数、迁移步骤、Windows shim、生成 Profile 的安装方式。
- ✅ 直连已验证:SKILL.md — 路由表、存储路径、只经 skill_writer 写入、凭据不进对话、宿主调用命令。
- ✅ 直连已验证:GitHub REST — ★26,609、forks 2,270、open issues 75、pushed_at、默认分支
dot-skill、MIT。 - ✅ 直连已验证:arXiv 2605.31264 — 技术报告对应前身 COLLEAGUE.SKILL,当前 README 引用其为同事族的方法基础。
- ⚠️ 未独立实测:未安装、未采集、未生成画像,未验证 Profile 与真人的一致程度。
- 局限:社区数字为单日快照;项目自述的画廊规模与贡献者数未逐一核对;涉及真人材料时的同意与合规责任不在工具范围内,本站不对其使用后果作评价。