create-colleague

Descripción general de la skill create-colleague

Qué hace la skill create-colleague

La skill create-colleague convierte los artefactos reales de un compañero de trabajo en una skill de IA reutilizable. Su función principal no es redactar una biografía genérica, sino destilar cómo trabaja, cómo se comunica y cómo toma decisiones para que puedas recrear un perfil de colaboración útil a partir de documentos, chats, capturas de pantalla, correos y plataformas de trabajo como Feishu y DingTalk.

Quién debería instalar create-colleague

Es una muy buena opción para usuarios de Skill Authoring que quieren preservar conocimiento operativo cuando un miembro del equipo se va, cambia de puesto o hace una transferencia de trabajo. Resulta especialmente relevante si tu equipo ya tiene evidencias dispersas en varias herramientas de trabajo y necesita algo más estructurado que “escríbeme un prompt que suene como esta persona”.

Qué la diferencia de un prompt normal

Un prompt simple puede imitar el tono. La create-colleague skill busca generar dos salidas distintas: una work skill para ejecutar tareas y una capa de persona para el estilo de comunicación. El repo también incluye rutas de ingestión para Feishu, DingTalk, correo y entradas basadas en archivos, lo que la vuelve más práctica que pegar fragmentos sueltos manualmente en un chat.

Qué les importa a los usuarios antes de instalarla

La mayoría de las decisiones de adopción se reducen a cuatro preguntas: si el material fuente está soportado, si la instalación depende de un entorno de agente concreto, si la salida generada se puede editar después de la primera pasada y si el resultado puede evolucionar con el tiempo. En esos puntos, create-colleague destaca especialmente en flujos de skill al estilo Claude Code, soporta tanto recopilación automatizada como manual e incluye de forma explícita flujos de actualización/evolución para correcciones y archivos nuevos.

Casos de uso ideales y casos poco adecuados

Usa create-colleague cuando tengas evidencia de cómo trabajaba realmente una persona: historial de mensajes, documentos, correos, capturas de pantalla o descripciones escritas. Evítala si solo quieres una persona ficticia, una imitación ligera y puntual de estilo o una plantilla genérica para un rol de equipo. Esta skill está pensada para una destilación basada en evidencia real, no para hacer roleplay con entradas mínimas.

Cómo usar la skill create-colleague

Instala create-colleague en el directorio correcto de skills

La guía de instalación del propio repo se basa en clonado, no en npx. Para Claude Code, instálala como create-colleague en el directorio de skills del proyecto o en el global:

# project-local
mkdir -p .claude/skills
git clone https://github.com/titanwings/colleague-skill .claude/skills/create-colleague

# or global
git clone https://github.com/titanwings/colleague-skill ~/.claude/skills/create-colleague

Para OpenClaw:

git clone https://github.com/titanwings/colleague-skill ~/.openclaw/workspace/skills/create-colleague

Esto importa porque el trigger de la skill y las rutas de salida generadas asumen un directorio de instalación con ese nombre.

Instala las dependencias antes de probar los collectors

La ruta práctica de create-colleague install depende de qué fuentes quieras usar. El requisito base es Python 3.9+. Los paquetes opcionales habilitan una ingestión más completa:

pip3 install pypinyin
pip3 install playwright
playwright install chromium
npm install -g feishu-mcp
pip3 install python-docx openpyxl

Si te saltas esto, la skill puede seguir funcionando con cargas manuales y entrada de texto, pero algunas rutas de recopilación automatizada y conversión de archivos no estarán disponibles.

Inicia la skill con el trigger real

En los entornos de agente compatibles, se invoca con /create-colleague. El repo también documenta triggers en lenguaje natural, como pedir que se cree una colleague skill, además de flujos de actualización como /update-colleague {slug} y /list-colleagues. Si tu plan de prueba es “instalar y luego ver si realmente se activa”, este comportamiento de trigger es lo primero que conviene verificar.

Entiende qué entradas necesita create-colleague

Las mejores salidas vienen de combinar dos clases de entrada:

1. información básica estructurada sobre la persona
2. evidencia de cómo trabaja

El flujo pide datos básicos como nombre, rol, nivel, contexto de empresa, pistas sobre personalidad y tu impresión subjetiva. Después ingiere materiales como mensajes de Feishu, documentos de DingTalk, JSON exportado, correos, capturas de pantalla, PDFs, markdown o texto pegado. Si solo aportas información demográfica sin artefactos de trabajo, el resultado será superficial.

Convierte una petición vaga en un buen prompt para create-colleague

Una petición débil sería: “Haz una skill para Alice”.

Un prompt más sólido de create-colleague usage incluye:

• quién es la persona
• qué tipo de trabajo hacía
• qué materiales tienes
• en qué necesitas que destaque la skill generada
• dónde está la señal más fuerte
• qué no se debe inferir

Ejemplo:

/create-colleague

Name: Alice
Role: Staff backend engineer
Company context: B2B SaaS, billing platform
What I need: a skill that reproduces her incident response style, API review standards, and communication tone with PMs
Sources: 2 Feishu doc links, 1 exported message JSON, 6 screenshots of architecture notes, 3 handoff emails
Important: prioritize technical judgment and escalation habits over personality mimicry
Do not infer management style from jokes or casual chat

Este tipo de prompt reduce el sobreajuste al tono superficial y mejora la separación entre trabajo y persona.

Elige la ruta de recopilación adecuada

El repo ofrece varios pipelines de fuentes, y elegir el correcto afecta tanto al esfuerzo como a la fiabilidad:

• tools/feishu_auto_collector.py: lo mejor cuando tienes credenciales de app de Feishu
• tools/feishu_browser.py: útil para documentos internos detrás de login en navegador
• tools/feishu_mcp_client.py: para acceso a documentos de Feishu mediante flujo con token
• tools/dingtalk_auto_collector.py: ruta de recopilación para DingTalk
• tools/email_parser.py: para .eml o .mbox
• tools/feishu_parser.py: parseo de JSON exportado de Feishu

Si tu equipo no puede conceder credenciales de app, las rutas por navegador o por archivos manuales pueden ser el punto de partida más realista.

Lee primero estos archivos

Si quieres evaluar el encaje rápidamente, léelos en este orden:

1. SKILL.md para la lógica de trigger, herramientas permitidas y flujo de trabajo
2. INSTALL.md para la configuración real del entorno y las opciones de dependencias
3. README_EN.md para las fuentes soportadas y el enfoque orientado al usuario
4. docs/PRD.md para el modelo de salida previsto y el flujo de evolución
5. los archivos de prompts/ si planeas modificar el comportamiento de análisis

Esta ruta te da una base mucho más útil para decidir que navegar el árbol del repo al azar.

Comprende la estructura de salida generada

El diseño de producto del repo separa la salida en:

• una Work Skill
• una Persona
• un resultado combinado tipo SKILL.md para uso directo

Esa separación es importante para la adopción. Si lo que más te interesa es “cómo resuelve el trabajo”, puedes mantener más ligera la influencia de persona. Si buscas una comunicación más auténtica, puedes reforzar la evidencia de persona. La skill resulta más útil que un único prompt mezclado porque trata capacidad y estilo como señales distintas.

Asume que create-colleague es iterativa

Una buena mentalidad para una create-colleague guide es tratar la primera ejecución como un borrador inicial. La skill soporta “evolution mode” cuando añades archivos, corriges afirmaciones o refinas comportamientos tras la revisión. Esto encaja mucho mejor con una destilación real de contexto laboral que intentar acertar un prompt perfecto de una sola vez desde el primer día.

Consejos prácticos para mejorar la calidad de salida

Las entradas con más señal son:

• conversaciones cargadas de decisiones, no solo chat social
• documentos con estándares explícitos, tradeoffs o comentarios de revisión
• ejemplos repartidos en varias tareas, no un único artefacto aislado
• tus propias correcciones sobre lo que esa persona nunca haría

Las entradas con menos señal son:

• solo capturas de pantalla sin contexto
• solo descripciones halagadoras
• solo documentos formales sin evidencia de estilo de decisión
• materiales mezclados de varias personas sin etiquetar

Dónde se escriben las salidas y por qué importa

La documentación de instalación indica que las colleague skills generadas se escriben por defecto en ./colleagues/ en el uso orientado a Claude Code. Esto importa a nivel operativo: antes de desplegarla, conviene decidir si esas skills generadas deben vivir en tu repo, en un workspace interno compartido o en un entorno personal. Muchos equipos subestiman el coste de mantenimiento de las skills generadas.

FAQ de la skill create-colleague

¿create-colleague es adecuada para principiantes en Skill Authoring?

Sí, siempre que ya puedas instalar una skill basada en repo y aportar materiales fuente. El flujo está guiado, pero no es una app de consumo de un solo clic. Obtendrás mejores resultados si te sientes cómodo eligiendo fuentes de datos y revisando críticamente la salida generada.

¿create-colleague es mejor que un prompt normal?

Normalmente sí cuando el problema real es preservar los patrones de trabajo de un compañero, no solo imitar su voz. El valor adicional viene de la recopilación estructurada, los collectors soportados, la generación separada de trabajo/persona y una ruta de actualización explícita. Si lo único que necesitas es “escribe con un estilo directo”, un prompt normal puede ser suficiente.

¿Qué tipos de material fuente funcionan mejor?

La mejor combinación es material ligado a tareas reales: hilos de mensajes sobre decisiones, comentarios de revisión, documentos internos, notas de proceso, correos de handoff y ejemplos de razonamiento sobre tradeoffs. Los datos centrados solo en personalidad no bastan si esperas que la skill generada pueda realizar trabajo de forma creíble.

¿create-colleague requiere Feishu o DingTalk?

No. Son opciones importantes de recopilación, no requisitos obligatorios. También puedes usar PDFs, markdown, capturas de pantalla, correos, texto pegado y archivos exportados. Eso hace que la skill sea útil fuera de un flujo estrictamente centrado en Feishu.

¿Cuándo no debería instalar create-colleague?

No la elijas si necesitas un preset sencillo de estilo, un personaje ficticio o una simulación garantizada y precisa de una persona a partir de evidencias escasas. También conviene evitarla si tu entorno no puede ejecutar el tooling requerido por la skill o si tu modelo de acceso a datos impide exportar o recopilar los materiales necesarios.

¿Puedo actualizar un colleague generado después de la primera versión?

Sí. El repo soporta explícitamente añadir archivos, corregir inferencias erróneas y hacer evolucionar un colleague ya generado. Esa es una de las razones más fuertes para preferir create-colleague frente a un prompt artesanal estático.

Cómo mejorar la skill create-colleague

Dale a create-colleague evidencia, no solo adjetivos

La forma más rápida de mejorar los resultados de create-colleague es sustituir etiquetas como “muy riguroso” o “un poco tajante” por pruebas concretas:

• comentarios de revisión que repite una y otra vez
• ejemplos de trabajo aceptado frente a trabajo rechazado
• documentos que muestran su estructura por defecto
• mensajes de escalado durante incidentes
• expresiones que usa cuando no está seguro

La evidencia hace que la work skill generada sea más accionable y que la persona resulte menos caricaturesca.

Separa las señales de skill de las señales de personalidad

Muchos usuarios mezclan “lo que sabe hacer” con “cómo suena”. Los mejores resultados llegan cuando marcas las entradas de forma explícita:

• entradas de trabajo: specs, notas de code review, runbooks, comentarios de arquitectura
• entradas de persona: tono en chat, estilo en conflicto, humor, formas de discrepar

Esto ayuda a la skill a mantener separadas las salidas de trabajo y persona en lugar de producir una imitación difusa.

Etiqueta la fiabilidad de las fuentes

No todas las entradas deberían pesar lo mismo. Indícale a la skill qué materiales son canónicos, recientes o ruidosos. Por ejemplo:

• “These review comments reflect current standards”
• “These 2022 chats are outdated”
• “This screenshot is second-hand and may be inaccurate”

Eso reduce las inferencias erróneas y ayuda a create-colleague a priorizar mejor la evidencia.

Corrige el primer borrador con parches específicos

Cuando la primera salida esté mal, evita decir solo “esto no se siente bien”. Las correcciones útiles se parecen más a esto:

• “He prefers rollback first, not hotfix-in-place”
• “She is concise with peers but much more explanatory with junior engineers”
• “Do not make him sound sarcastic in formal docs”
• “Her strongest skill is requirements clarification, not system design”

Los parches concretos son más fáciles de incorporar en la siguiente versión que una insatisfacción vaga.

Usa los archivos de prompts si vas a personalizar el comportamiento

Vale la pena revisar el directorio prompts/ si quieres cambiar cómo la skill analiza o fusiona la evidencia. Archivos como intake.md, work_analyzer.md, persona_analyzer.md, work_builder.md, persona_builder.md, merger.md y correction_handler.md muestran dónde se moldea realmente la calidad de salida. Este es el lugar correcto para inspeccionar si el equilibrio por defecto entre trabajo y persona no encaja con tu caso de uso.

Vigila los modos de fallo más comunes

Los principales riesgos de calidad son:

• dar demasiado peso al tono y construir poco la capacidad real de trabajo
• inferir demasiado a partir de materiales escasos o sesgados
• mezclar varios compañeros en un solo perfil
• tratar artefactos antiguos como si reflejaran el comportamiento actual
• confundir procesos de la empresa con estilo personal

No son problemas abstractos de IA; son las razones prácticas por las que un colleague generado se siente falso o poco útil.

Mejora create-colleague acotando el trabajo que debe resolver

Si la primera ejecución te parece demasiado amplia, reduce el objetivo. Pide una colleague skill optimizada primero para un solo dominio, como respuesta a incidentes, revisión de arquitectura, escalado con clientes o comunicación con PM. Un objetivo inicial más acotado suele producir un resultado más creíble y más útil que intentar recrear a una persona completa de una sola vez.

Crea un bucle de revisión antes de desplegarla en el equipo

Si otros van a usar la skill generada, revísala con alguien que haya trabajado de cerca con la persona original. Pídele que valide:

• qué debería hacer sin falta la skill
• qué no debería afirmar nunca
• en qué situaciones hay que escalar
• si el estilo de comunicación es lo bastante fiel como para resultar útil

Esta es la forma más segura de mejorar create-colleague for Skill Authoring en contextos reales de equipo.

Mantén la ruta de instalación fácil de mantener

Para mejorar el uso a largo plazo, estandariza dónde viven los colleagues generados, cómo se versionan las actualizaciones y qué collectors opcionales soporta oficialmente tu equipo. Una skill que solo funciona en el portátil de una persona encargada del mantenimiento genera menos confianza que una con una política clara de instalación y actualización.

La forma más simple de mejorar create-colleague usage

Si quieres una única regla práctica: aporta menos artefactos, pero mejores, claramente etiquetados, y luego itera con correcciones concretas. Esa es la forma de mayor impacto para mejorar tanto la salida generada como tu experiencia general de create-colleague usage.