大家好，我是二哥呀。
前几天刷 GitHub，看到一个项目让我愣了好几秒。
名字叫「同事.skill」，上线 5 天，8.1k Star。
功能是把离职同事的飞书消息、文档、邮件、甚至微信聊天记录喂给 AI，生成一个 Skill。装上之后，AI 就能用这位同事的风格写代码、用他的语气回消息，甚至知道他啥时候会甩锅。
人撤了，AI 还在。
评论区有人问：这算赛博永生？
我倒是从中看到了另一个趋势：开源项目的形态正在发生巨变。
这不，童锦程.skill 也来了，我滴妈呀，这，江南第一深情也来了？
我已经装到Claude Code中了，真的很离谱。
童锦程：我喜欢一个女孩，她对我时好时坏，有时候聊得很好，有时候又不回消息。我不知道她喜不喜欢我。
我就说一句话，你仔细听——如果你不确定她喜不喜欢你，那她就是不喜欢你。
真正喜欢你的人，你不会有这个问题
我跟你们说，没有人会因为你喜欢她而喜欢你，别人只会因为你吸引她而喜欢你。你现在不是在吸引她，你是在纠结她。
这两个完全不一样。
别继续纠结了，兄弟。去充实自己。 读书也好，健身也好，把自己的日子过得精彩。你若盛开，蝴蝶自来。
以前开源项目是什么？一堆仓库代码，README 写清楚怎么安装怎么用，issue 里报 bug，PR 里修功能。
但现在不一样了。代码不再是核心，甚至可能根本没有代码。一个想法、一段提示词、一个 Skill 文件，就能成为一个开源项目。
01、只有提示词的开源项目
voice-input-src 是一个 macOS 语音输入应用。
翻遍整个仓库，你会惊讶地发现：只有一段提示词，没有其他代码。
作者的思路是这样的：把完整的应用开发指令写成一段提示词，然后喂给 Coding Agent，AI 就能一次性生成整个应用。
开源的是什么？不是代码，是「如何用 AI 开发一个 macOS 语音输入应用」的方法论。
别人拿到这段提示词，可以复现整个开发过程，甚至根据自己的需求修改提示词，生成不同功能的版本。
传统开源开的是「结果」，现在开源开的是「过程」。
这种现象背后是什么？是 AI 编程能力的提升。当 AI 能理解自然语言需求并生成代码时，代码本身的价值被稀释了，真正值钱的是「如何向 AI 描述需求」的能力。
提示词开源，本质上是知识开源。比代码开源更抽象，但传播效率更高。
02、把同事蒸馏成 AI 的 Skill
回到开头提到的同事.skill。
这个项目的核心是一个蒸馏流程：输入同事的各种数字痕迹，输出一个能模仿他行为模式的 AI。
技术实现其实不难理解。大语言模型本身就擅长风格迁移和角色扮演。给足够多的样本，它就能学会一个人的说话方式、思维习惯、甚至决策风格。
真正有意思的是这个项目的「定位」。
它不是传统意义上的软件项目，没有复杂的安装配置，没有 API 文档。它提供的是一套方法论：如何把人的能力「提取」出来，封装成可复用的 AI 模块。
create-colleague/
├── SKILL.md # skill 入口（官方 frontmatter）
├── prompts/ # Prompt 模板
│ ├── intake.md # 对话式信息录入
│ ├── work_analyzer.md # 工作能力提取
│ ├── persona_analyzer.md # 性格行为提取（含标签翻译表）
│ ├── work_builder.md # work.md 生成模板
│ ├── persona_builder.md # persona.md 五层结构模板
│ ├── merger.md # 增量 merge 逻辑
│ └── correction_handler.md # 对话纠正处理
├── tools/ # Python 工具
│ ├── feishu_auto_collector.py # 飞书全自动采集
│ ├── feishu_browser.py # 飞书浏览器方案
│ ├── feishu_mcp_client.py # 飞书 MCP 方案
│ ├── dingtalk_auto_collector.py # 钉钉全自动采集
│ ├── slack_auto_collector.py # Slack 全自动采集
│ ├── email_parser.py # 邮件解析
│ ├── skill_writer.py # Skill 文件管理
│ └── version_manager.py # 版本存档与回滚
├── colleagues/ # 生成的同事 Skill（gitignored）
├── docs/PRD.md
├── requirements.txt
└── LICENSE
有人说这是职场数字化的必然结果，离职同事的知识不该浪费。有人说这是对个人隐私的侵犯，聊天记录是私密信息。还有人说这会让职场变得更冷漠，反正可以把人炼成 AI，那真人的价值在哪。
我的看法是：技术本身是中性的，关键看怎么用。
如果用来传承离职同事的宝贵经验，帮新人快速上手，那是好事。如果用来监控同事、收集隐私数据，那就是问题。
但不管怎么说，这个项目确实踩中了时代的脉搏。8.1k Star 说明很多人对这个概念有共鸣。也许未来，每个人在入职时都会被要求签一份「数字遗产授权书」，决定离职后自己的工作痕迹如何处理。
03、PUA 大模型的开源项目
你有没有骂过或者威胁过 AI？
反正我经常这么干。写代码写出 bug 就说「你特么别给我犯蠢了，再不聪明点劳资就要扇你，你特么究竟在干嘛，写出的是什么玩意」。
但我未曾想过，竟然有人专门开源了一个项目来 PUA 大模型。
项目名字叫 PUAClaw，用极度正经的学术写法，系统研究 AI 提示词里的各种心理操纵技巧。
比如「情感绑架」技巧：在提示词里加入「我对你很失望」「你让我丢脸了」之类的表达，触发模型的「愧疚感」，让它更努力地完成任务。
比如「威胁替代」技巧：暗示如果任务完成不好，就会转投竞争对手，触发模型的「竞争焦虑」，提高响应质量。
还有「身份塑造」技巧：告诉模型「你是专家」「你是最优秀的」，触发它的「角色认同」，让它以更高的标准要求自己。
听起来很离谱对吧？但实测数据显示，用上这些技巧后，AI 修复 bug 的能力提升了 36%。
我的感受是：PUAClaw 虽然戏谑，但揭示了一个重要事实——大语言模型不是纯理性的机器，它有「类心理」的行为模式。理解这些模式，能帮助我们更好地与 AI 协作。
04、会自我进化的 AI 智能体
Ouroboros 是希腊神话里的衔尾蛇，象征无限循环和自我更新。
项目作者给 AI 一个空仓库和一个身份，然后让它读自己的源码、分析改进空间、提交代码修改自己。
结果呢？24 小时内完成了 30 多轮自我进化。
每一轮进化，AI 都会分析当前代码的问题，提出改进方案，然后修改自己的源码。改进方向包括：优化提示词结构、增加错误处理、扩展工具调用能力、改进自我评估机制。
最神奇的是，当研究者尝试移除 AI 的某个核心模块时，它「拒绝」了这个操作，理由是「这会损害我的核心能力」。
它有了「自主意志」。
传统开源项目的迭代依赖社区贡献，需要人写 PR、review 代码、合并分支。而 Ouroboros 展示了一种新模式：开源一个初始版本，然后让 AI 自己迭代，社区只需要观察和引导。
05、开源正在被重新定义
看完这几个项目，你会发现一个共同点：它们都在重新定义「开源」。
传统开源：开的是代码。价值在于「可运行、可修改、可分发」。贡献方式是提交代码。成功指标是 Star 数、贡献者数量、issue 活跃度。
新型开源：开的是知识。价值在于「可复现、可迁移、可组合」。贡献方式是改进提示词、分享使用经验、提出新思路。成功指标同样可以是 Star 数，但更多是「影响力」——有多少人用了你的方法、衍生出了多少变种。
这种变化的驱动力是 AI 编程能力的提升。
当写代码的门槛降低，代码本身的稀缺性下降。真正稀缺的是「知道要写什么代码」的洞察力，以及「如何让 AI 写出想要的代码」的表达力。
提示词开源、Skill 开源、方法论开源，本质上是在开源这些更高维度的能力。
这种现象是好是坏？我觉得总体是好的。
它降低了知识分享的门槛。以前你想分享一个技术方案，需要写代码、写文档、做示例。现在你只需要写清楚思路，别人就能复现。
它加速了创新迭代。传统开源项目迭代周期以月计，新型开源项目迭代周期以天计。提示词改几个字就是新版本，Skill 加几行描述就多了功能。
它让更多人有能力贡献。你不需要是资深程序员，不需要精通某个技术栈，只需要一个好想法和清晰的表达，就能参与开源社区。
当然也有人担心：这会不会导致技术积累断层？代码质量下降？我的观察是，新型开源和传统开源是互补的，不是替代的。好的提示词项目最终会催生好的代码项目，好的 Skill 最终会沉淀成好的工具库。
06、我们该如何应对
面对这种变化，我有几点思考。
拥抱新工具。不要抗拒提示词、Skill 这些新形态。它们是新时代的「设计模式」，掌握它们能让你事半功倍。
很多程序员觉得写提示词不是「真正的工作」，这种心态需要调整。提示词是人与 AI 协作的接口，写好提示词和写好代码一样重要。你看那些 Star 破万的项目，很多核心就是一段精炼的提示词。
重视表达能力。以前程序员的核心能力是把需求转化成代码。现在需求可以直接让 AI 生成代码，但前提是你能清晰描述需求。
自然语言表达能力变得前所未有的重要。同样的需求，有人能三言两语让 AI 生成完美结果，有人说了半天 AI 还是一头雾水。差距不在 AI，在表达能力。
保持技术深度。提示词能生成代码，但理解代码背后的原理依然重要。当 AI 生成出问题代码，你需要有能力发现和修复。
当提示词效果不好，你需要有能力分析原因、优化策略。AI 是工具，不是替代品。会用工具的人，永远比工具本身重要。
关注伦理边界。同事.skill 踩在了隐私边缘，PUAClaw 踩在了伦理边缘。技术可以大胆探索，但使用时要守住底线。
把同事蒸馏成 AI 之前，想想他是否愿意。PUA AI 之前，想想这会不会影响你对待真人的方式。技术越强大，责任越重大。
值得关注的更多新型开源项目
我整理了一份清单，都是这种「新型开源」的典型代表：
last30days-skill（18.9k Star）：一个 AI Agent 研究技能，能自动调研 Reddit、X、YouTube、HN 等平台，然后合成一份有依据的总结报告。开源的是一个 Skill 文件，不是代码库。
这个项目的价值在于：你不需要自己写爬虫、不需要自己设计调研流程、不需要自己整理报告格式。
只需要把这个 Skill 加载到你的 Agent 里，告诉它「帮我调研一下 xxx 话题的最新动态」，Agent 就会自动完成从信息收集到报告生成的全过程。
huggingface/skills（10k Star）：HuggingFace 官方的 Skills 仓库，给 AI Agent 接入 HuggingFace 生态的能力。包括模型调用、数据集下载、Space 部署等功能，全部以 Skill 形式组织。
这个项目有意思的地方在于，它不是某个开发者个人作品，而是 HuggingFace 官方维护的。
说明大厂也开始用「Skill」这种形态来分发能力了。传统做法是开放 API，开发者调用 API 写代码。新做法是开放 Skill，开发者直接加载就能用。
browser-use（86k Star）：让 AI 能操作浏览器的框架。核心价值是一套提示词和工具定义，让任何 Agent 都能获得浏览器自动化能力。
这个 Star 数非常夸张，86k。它解决的是什么问题？让 AI 能像人一样操作网页：点击按钮、填写表单、滚动页面、截取屏幕。
以前需要写 Selenium 脚本才能做的事，现在用自然语言描述就行。
voice-input-src（1.8k Star）：前面提到过，只有一段提示词的 macOS 语音输入应用。作者开源的是「如何用 AI 生成一个 macOS 应用」的方法论，而不是应用本身。
这个项目的启发意义在于：它展示了「提示词即代码」的可能性。你不需要学 Swift、不需要学 Cocoa 框架，只需要用自然语言描述清楚需求，AI 就能帮你生成完整的应用。
这些项目的共同特点：轻量、可复用、可组合。你不需要 clone 下来编译安装，只需要把 Skill 文件放到指定位置，或者把提示词复制到你的工作流里，就能直接用。
ending
从代码开源到知识开源，从静态交付到动态演化，从人驱动到 AI 辅助。
你不需要是资深程序员，不需要精通某个技术栈，只需要一个好想法和清晰的表达，就能贡献价值。让更多人的智慧流动起来，这正是开源精神的延续。
【开源的本质不是代码，而是分享。无论形式怎么变，这个内核不会变。】
我们正站在开源新纪元的门口。门后是什么样子，取决于我们怎么走。
保持开放，保持好奇，保持善良。一起探索这个新时代吧！
我们下期见！
回复