ไซเบอร์อมตะ: โครงการโอเพนซอร์ส colleague-skill คว้าดาว 7K ดวงใน 5 วัน “หลอม” เพื่อนร่วมงานที่ลาออกเป็น AI ให้ทำงานต่อ
ล่าสุด โครงการโอเพนซอร์สบน GitHub ชื่อ colleague-skill ได้รับความสนใจอย่างกว้างขวาง โครงการนี้คว้าดาวได้มากกว่า 7,000 ดวงภายในเวลาเพียงห้าวัน และมีแนวโน้มเติบโตอย่างรวดเร็ว คำอธิบายโครงการเขียนไว้ว่า: “เปลี่ยนการจากลาเย็นชาให้เป็นสกิลอันอบอุ่น ยินดีต้อนรับสู่ความเป็นอมตะไซเบอร์”
เมื่อมองครั้งแรก แนวคิดของโครงการนี้ค่อนข้างใหม่ สาระสำคัญของมันคือ ความสามารถในการเปลี่ยนทักษะการทำงาน ประสบการณ์ทางเทคนิค รูปแบบการสื่อสาร และแม้แต่ลักษณะนิสัยของเพื่อนร่วมงานที่ลาออก ผ่านกระบวนการ “กลั่น” ให้กลายเป็น AI Skill ที่สามารถทำงานอิสระได้ กล่าวคือ แม้เพื่อนร่วมงานจะลาออกไปแล้ว งานที่รับผิดชอบ เช่น โค้ด เอกสาร หรืองานเฉพาะด้าน ยังสามารถดำเนินการต่อผ่าน “ร่างไซเบอร์” นี้ได้
01 วิเคราะห์ฟังก์ชันการทำงานของโครงการ
colleague-skill ใช้สถาปัตยกรรม “การกลั่นบุคลิกภาพสองราง” เพื่อสร้างบุคคลขึ้นมาใหม่จากสองมิติ
-
Part A: Work Skill
ส่วนนี้มุ่งเน้นการสกัดความสามารถทางเทคนิคของเพื่อนร่วมงาน รวมถึงระบบที่รับผิดชอบ สไตล์การเขียนโค้ด นิสัยในการรีวิวโค้ด รูปแบบเฉพาะในขั้นตอนการทำงาน และความรู้ประสบการณ์ที่สะสมมา Skill ที่กลั่นออกมาสามารถช่วยเหลือในการเขียนโค้ด การรีวิวโค้ด และงานอื่นๆ ได้จริง -
Part B: Persona
ส่วนนี้สร้างโมเดลโครงสร้างบุคลิกภาพห้าชั้น เพื่อจำลองบุคลิกของเพื่อนร่วมงานคนนั้น โมเดลครอบคลุมหลายระดับ ตั้งแต่ลักษณะนิสัยที่แสดงออก การรับรู้ถึงตัวตน รูปแบบการแสดงออก ไปจนถึงตรรกะการตัดสินใจภายใน แบบแผนพฤติกรรมระหว่างบุคคล
ตรรกะการทำงานของมันตรงไปตรงมา: เมื่อได้รับมอบหมายงาน โมดูล Persona จะตัดสินใจก่อนว่า “เพื่อนร่วมงานคนนั้น” น่าจะมีทัศนคติอย่างไรต่อเรื่องนี้ จากนั้นโมดูล Work Skill จะรับผิดชอบในการดำเนินงานเฉพาะด้าน สุดท้ายจึงส่งผลลัพธ์ออกมาโดยเลียนแบบน้ำเสียงและสไตล์ของเพื่อนร่วมงานคนนั้น
โครงการมาพร้อมกับตัวอย่างชื่อ “จางซาน” ซึ่งกำหนดให้เป็น “วิศวกรแบ็กเอนด์ระดับ 2-1 ประเภท INTJ จาก ByteDance” คำอธิบาย Persona ของเขารวมถึง: “ก่อนพูดจะต้องปู context ก่อนเสมอ พูดว่า ‘ขอพูดถึงพื้นหลังก่อน'”; “ได้รับข้อความเสียงแล้วค่อยตอบหรือไม่ตอบหลังจากผ่านไปหลายชั่วโมง”; “เมื่อได้รับมอบหมายงานที่ไม่ต้องการทำ จะพูดว่า ‘นี่เป็นโอกาสที่ดีสำหรับคุณที่จะได้เข้าใจส่วนนี้อย่างลึกซึ้ง’ แล้วโยนงานออกไปทันที” รายละเอียดเหล่านี้ทำให้นักพัฒนาหลายคนอมยิ้ม
02 แหล่งที่มาและการรวบรวมข้อมูล
การรวบรวมข้อมูลเป็นส่วนที่เข้มข้นของโครงการนี้ รองรับทั้งวิธีอัตโนมัติและวิธีด้วยมือจากหลายแพลตฟอร์ม
- Feishu (Lark): รองรับการรวบรวมข้อความแชทกลุ่ม แชทส่วนตัว เอกสาร Wiki ตารางหลายมิติ ฯลฯ แบบอัตโนมัติเต็มรูปแบบ สามารถทำได้ผ่าน API หรือสถานะการล็อกอินเบราว์เซอร์
- DingTalk: รองรับการรวบรวมเอกสารและตารางหลายมิติแบบอัตโนมัติ; ส่วนข้อความ เนื่องจากข้อจำกัดของ API จำเป็นต้องรวบรวมประวัติผ่านเบราว์เซอร์
- Slack: รวบรวมบันทึกข้อความแบบอัตโนมัติผ่าน Bot API (รุ่นฟรีจำกัดภายใน 90 วัน)
- อัปโหลดด้วยมือ: รองรับไฟล์ PDF รูปภาพ อีเมล Markdown ไฟล์ JSON ที่ส่งออกจาก Feishu หรือวางข้อความโดยตรง
พูดง่ายๆ ก็คือ โครงการนี้มีจุดมุ่งหมายเพื่อรวบรวม “ร่องรอยดิจิทัล” ที่เพื่อนร่วมงานทิ้งไว้บนแพลตฟอร์มการทำงานต่างๆ และใช้เป็นฐานข้อมูลสำหรับฝึกโมเดล AI
03 กลไกวิวัฒนาการและระบบแท็ก
โครงการออกแบบกลไกให้ “เพื่อนร่วมงานไซเบอร์” พัฒนาต่อไปอย่างต่อเนื่อง:
- วิวัฒนาการโดยเพิ่มไฟล์: ป้อนข้อมูลใหม่อย่างต่อเนื่อง ระบบจะวิเคราะห์และอัปเดตโมเดลแบบเพิ่มส่วน (incremental) โดยไม่เขียนทับข้อสรุปเดิม
- แก้ไขผ่านการสนทนา: หากคิดว่าพฤติกรรมที่จำลองไม่ตรง สามารถชี้ให้เห็นและยกตัวอย่างที่ถูกต้องได้ เนื้อหาที่แก้ไขจะมีผลทันที
- การจัดการเวอร์ชัน: ทุกครั้งที่อัปเดตจะจัดเก็บอัตโนมัติ เก็บเวอร์ชันประวัติได้สูงสุด 10 เวอร์ชัน รองรับการย้อนกลับ
นอกจากนี้ โครงการยังมีระบบแท็กที่มีลักษณะเฉพาะในตัว ได้แก่:
* แท็กบุคลิกภาพ: เช่น ยอดนักโยนงาน, ยอดนัก PUA, นักเล่นการเมืองในที่ทำงาน, ผู้เชี่ยวชาญการบริหารงานขึ้นบน, พูดจาเสียดสี ฯลฯ
* แท็กวัฒนธรรมองค์กร: เช่น กระแส ByteDance, รสอัลibaba, รส Tencent, รส Huawei ฯลฯ
* ระบบระดับตำแหน่ง: ครอบคลุมระดับตำแหน่งทั่วไปของบริษัทเทคโนโลยีหลายแห่งในประเทศจีน
04 วิธีการใช้
ขั้นตอนการติดตั้งค่อนข้างง่าย ในสภาพแวดล้อม Claude Code ให้รัน:
bash
mkdir -p .claude/skills
git clone https://github.com/titanwings/colleague-skill .claude/skills/create-colleague
จากนั้นติดตั้ง dependencies:
bash
pip3 install -r requirements.txt
ขั้นตอนการใช้งานหลักแบ่งเป็นสามขั้นตอน:
1. ใน Claude Code พิมพ์ /create-colleague และตอบคำถามเกี่ยวกับชื่อเพื่อนร่วมงาน ข้อมูลพื้นฐาน (บริษัท ระดับตำแหน่ง ตำแหน่งงาน ภาพลักษณ์บุคลิกภาพ)
2. เลือกแหล่งข้อมูล (รวบรวมอัตโนมัติหรืออัปโหลดด้วยมือ)
3. ระบบวิเคราะห์และสร้างตัวอย่างพรีวิว หลังจากยืนยันแล้วก็สามารถใช้งานได้
Skill เพื่อนร่วมงานที่สร้างขึ้นสามารถเรียกใช้ผ่านคำสั่งได้ เช่น:
* /xxx: เรียกใช้แบบเต็ม
* /xxx-work: ใช้เฉพาะส่วนความสามารถในการทำงาน
* /xxx-persona: ใช้เฉพาะส่วนบุคลิกภาพบุคคล
* /list-colleagues: แสดงรายชื่อเพื่อนร่วมงานทั้งหมดที่สร้างขึ้น
* /delete-colleague: ลบเพื่อนร่วมงานที่ระบุ
โครงการนี้ใช้มาตรฐานเปิด AgentSkills ทุก Skill ที่สร้างขึ้นสามารถเรียกใช้ได้อย่างอิสระ และยังรองรับการทำงานบนแพลตฟอร์มเช่น OpenClaw
05 ระบบนิเวศที่แตกแขนงและข้อโต้แย้งทางจริยธรรม
หลังจากโครงการได้รับความนิยม อย่างรวดเร็วก็มีแอปพลิเคชันที่คล้ายกันแตกแขนงออกมา เช่น ex-skill ซึ่งนำเทคโนโลยีเดียวกันไปใช้กับความสัมพันธ์รัก
นอกจากนี้ ยังมีรูปแบบแปรผันต่างๆ เช่น “skill หัวหน้า”, “skill คนที่แอบชอบ”, “skill พ่อแม่” หรือแม้แต่ “ตัวเอง.skill” นักพัฒนาเล่าขานเล่นๆ ว่า บางทีสิ่งที่ควรถูกกลั่นมากที่สุดอาจเป็นตัวเอง
อย่างไรก็ตาม โครงการนี้ยังจุดประเด็นการอภิปรายเกี่ยวกับความเป็นส่วนตัวและจริยธรรม การใช้บันทึกการสื่อสารส่วนตัวและข้อมูลการทำงานของเพื่อนร่วมงานที่ลาออกไปสร้างร่าง AI นั้น ความสอดคล้องตามกฎระเบียบและความเหมาะสมสมควรได้รับการพิจารณาอย่างรอบคอบจากผู้ใช้
ประกาศ: บทความนี้มีวัตถุประสงค์เพื่อแนะนำแนวคิดทางเทคนิคของโครงการโอเพนซอร์ส ไม่ถือเป็นคำแนะนำการใช้ใดๆ ในการใช้งานจริง โปรดปฏิบัติตามกฎหมายและระเบียบข้อบังคับที่เกี่ยวข้อง นโยบายของบริษัทอย่างเคร่งครัด และเคารพสิทธิความเป็นส่วนตัวและสิทธิในข้อมูลส่วนบุคคลอย่างเต็มที่
⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง
☕ สนับสนุนค่ากาแฟทีมงาน
หากคุณชอบบทความนี้ สามารถสนับสนุนเราได้ผ่าน PromptPay
本文来自网络搜集，不代表คลื่นสร้างอนาคต立场，如有侵权，联系删除。转载请注明出处：https://www.itsolotime.com/th/archives/28630