create-colleague

Présentation de la skill create-colleague

Ce que fait la skill create-colleague

La skill create-colleague transforme les artefacts réels d’un collègue en une skill AI réutilisable. Son rôle principal n’est pas de rédiger une biographie générique, mais de distiller la façon dont une personne travaille, communique et prend ses décisions afin de recréer un profil de collaborateur exploitable à partir de documents, discussions, captures d’écran, e-mails et plateformes professionnelles comme Feishu et DingTalk.

Pour qui installer create-colleague

Cette skill convient particulièrement aux utilisateurs de Skill Authoring qui veulent préserver un savoir-faire opérationnel lorsqu’un membre de l’équipe part, change de poste ou transmet ses responsabilités. Elle est d’autant plus pertinente si votre équipe dispose déjà d’indices dispersés dans plusieurs outils de travail et cherche quelque chose de plus structuré que « écris-moi un prompt qui parle comme cette personne ».

Ce qui la différencie d’un prompt classique

Un prompt simple peut imiter un ton. La create-colleague skill cherche à produire deux sorties distinctes : une skill de travail pour l’exécution des tâches, et une couche persona pour le style de communication. Le repo inclut aussi des chemins d’ingestion pour Feishu, DingTalk, les e-mails et des entrées basées sur des fichiers, ce qui la rend plus pratique que le simple collage manuel d’extraits épars dans un chat.

Ce qui intéresse les utilisateurs avant l’installation

La décision d’adoption tourne généralement autour de quatre questions : vos sources sont-elles prises en charge, l’installation dépend-elle d’un environnement d’agent précis, la sortie générée est-elle modifiable après le premier passage, et le résultat peut-il évoluer dans le temps ? Sur ces points, create-colleague est particulièrement solide dans des workflows de type Claude Code, prend en charge à la fois des parcours de collecte automatisés et manuels, et prévoit explicitement des flux de mise à jour et d’évolution pour les corrections et l’ajout de nouveaux fichiers.

Cas d’usage adaptés et inadaptés

Utilisez create-colleague lorsque vous disposez de traces de la manière dont une personne travaillait réellement : historique de messages, documents, e-mails, captures d’écran ou descriptions rédigées. Évitez-la si vous cherchez seulement une persona fictive, une imitation de style légère pour un usage ponctuel, ou un modèle générique de rôle d’équipe. Cette skill sert à produire une distillation ancrée dans des éléments concrets, pas à faire du roleplay à partir de peu d’entrées.

Comment utiliser la skill create-colleague

Installer create-colleague dans le bon répertoire de skills

La consigne d’installation du repo repose sur un clonage, pas sur npx. Pour Claude Code, installez-la sous le nom create-colleague dans le répertoire de skills du projet ou dans le répertoire 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

Pour OpenClaw :

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

C’est important, car le déclencheur de la skill et les chemins de sortie générés supposent un répertoire d’installation nommé de cette manière.

Installer les dépendances avant de tester les collecteurs

En pratique, le parcours d’install de create-colleague dépend des sources que vous souhaitez utiliser. La base requise est Python 3.9+. Des packages optionnels débloquent une meilleure ingestion :

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

Si vous les ignorez, la skill peut toujours fonctionner avec des uploads manuels et des entrées texte, mais certains chemins de collecte automatisée et de conversion de fichiers ne seront pas disponibles.

Lancer la skill avec le vrai déclencheur

Dans les environnements d’agent pris en charge, invoquez-la avec /create-colleague. Le repo documente aussi des déclencheurs en langage naturel, par exemple une demande de création de skill de collègue, ainsi que des flux de mise à jour comme /update-colleague {slug} et /list-colleagues. Si votre plan de test consiste à « installer puis vérifier qu’elle se réveille correctement », c’est ce comportement de déclenchement qu’il faut valider en premier.

Comprendre quelles entrées create-colleague attend

Les meilleurs résultats viennent de la combinaison de deux catégories d’entrées :

1. des informations structurées de base sur la personne
2. des preuves de sa manière de travailler

Le workflow demande des éléments de base comme le nom, le rôle, le niveau, le contexte d’entreprise, des indices de personnalité et votre impression subjective. Il ingère ensuite des matériaux comme des messages Feishu, des documents DingTalk, du JSON exporté, des e-mails, des captures d’écran, des PDF, du markdown ou du texte collé. Si vous ne fournissez que des informations démographiques sans artefacts de travail, attendez-vous à une sortie superficielle.

Transformer une demande vague en bon prompt create-colleague

Une demande faible serait : « Fais une skill pour Alice. »

Un prompt de create-colleague usage plus solide inclut :

• qui est la personne
• quel type de travail elle faisait
• quels matériaux vous avez
• ce pour quoi la skill générée doit être performante
• où le signal est le plus fort
• ce qu’il ne faut pas inférer

Exemple :

/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

Ce type de prompt réduit le surapprentissage sur le ton de surface et améliore la séparation entre travail et persona.

Choisir le bon chemin de collecte

Le repo propose plusieurs pipelines de sources, et le bon choix influe sur l’effort nécessaire comme sur la fiabilité :

• tools/feishu_auto_collector.py : idéal si vous disposez d’identifiants d’app Feishu
• tools/feishu_browser.py : utile pour des documents internes accessibles uniquement via une session navigateur
• tools/feishu_mcp_client.py : pour l’accès aux documents Feishu via un flux basé sur des tokens
• tools/dingtalk_auto_collector.py : chemin de collecte DingTalk
• tools/email_parser.py : pour .eml ou .mbox
• tools/feishu_parser.py : pour parser du JSON Feishu exporté

Si votre équipe ne peut pas accorder d’identifiants d’app, les parcours navigateur ou fichiers manuels seront souvent le point de départ le plus réaliste.

Lisez ces fichiers en priorité

Si vous voulez juger rapidement si la skill convient, lisez dans cet ordre :

1. SKILL.md pour la logique de déclenchement, les outils autorisés et le workflow
2. INSTALL.md pour la configuration réelle de l’environnement et les choix de dépendances
3. README_EN.md pour les sources prises en charge et le cadrage côté utilisateur
4. docs/PRD.md pour le modèle de sortie visé et le flux d’évolution
5. les fichiers de prompts/ si vous prévoyez de modifier le comportement d’analyse

Ce parcours donne une vision bien plus utile pour décider qu’une exploration aléatoire de l’arborescence du repo.

Comprendre la structure de sortie générée

La conception produit du repo sépare la sortie en :

• une Work Skill
• une Persona
• un résultat combiné de type SKILL.md prêt à l’emploi

Cette séparation compte dans la pratique. Si vous cherchez avant tout à reproduire « comment cette personne résout le travail », vous pouvez garder une influence persona plus légère. Si vous voulez une communication plus authentique, vous pouvez renforcer les preuves liées à la persona. La skill est plus utile qu’un prompt unique fusionné, car elle traite la capacité et le style comme deux signaux distincts.

Aborder create-colleague comme un processus itératif

Le bon état d’esprit dans un create-colleague guide consiste à considérer la première exécution comme une génération de brouillon. La skill prend en charge un « mode évolution » quand vous ajoutez des fichiers, corrigez des affirmations ou affinez le comportement après relecture. C’est bien mieux adapté à une vraie distillation du travail en contexte professionnel que d’essayer d’obtenir dès le premier jour un prompt one-shot parfait.

Conseils pratiques pour améliorer la qualité des sorties

Les entrées à fort signal sont :

• des conversations riches en décisions, pas seulement du chat social
• des documents avec des standards explicites, des arbitrages ou des commentaires de review
• des exemples couvrant plusieurs tâches, pas un artefact isolé
• vos propres corrections sur ce que la personne ne ferait jamais

Les entrées à faible signal sont :

• uniquement des captures d’écran sans contexte
• uniquement des descriptions flatteuses
• uniquement des documents formels sans preuve du style de décision
• des matériaux mélangés provenant de plusieurs personnes sans étiquetage

Où les sorties sont écrites et pourquoi c’est important

La documentation d’installation indique que les skills de collègues générées sont écrites par défaut dans ./colleagues/ dans un usage orienté Claude Code. C’est un point important sur le plan opérationnel : avant le déploiement, décidez si les skills générées doivent vivre dans votre repo, dans un espace de travail interne partagé ou dans un environnement personnel. Les équipes sous-estiment souvent la charge de maintenance des skills générées.

FAQ sur la skill create-colleague

create-colleague convient-elle aux débutants en Skill Authoring ?

Oui, si vous savez déjà installer une skill à partir d’un repo et fournir des matériaux source. Le workflow est guidé, mais ce n’est pas une application grand public en un clic. Vous obtiendrez de meilleurs résultats si vous êtes à l’aise pour choisir les bonnes sources de données et relire la sortie générée avec un regard critique.

create-colleague est-elle meilleure qu’un prompt ordinaire ?

En général oui, lorsque le vrai besoin consiste à préserver les façons de travailler d’un coéquipier plutôt qu’à imiter simplement sa voix. La valeur ajoutée vient d’une collecte structurée, de collecteurs pris en charge, d’une génération séparée travail/persona et d’un chemin de mise à jour explicite. Si vous avez seulement besoin de « rédiger dans un style direct », un prompt classique peut suffire.

Quels types de matériaux source fonctionnent le mieux ?

Le meilleur mélange est composé de matériaux liés aux tâches : fils de messages sur des décisions, commentaires de review, documents internes, notes de processus, e-mails de passation et exemples de raisonnement sur les arbitrages. Des données centrées uniquement sur la personnalité ne suffisent pas si vous attendez de la skill générée qu’elle exécute le travail de manière crédible.

create-colleague exige-t-elle Feishu ou DingTalk ?

Non. Ce sont des options de collecte importantes, pas des prérequis stricts. Vous pouvez aussi utiliser des PDF, du markdown, des captures d’écran, des e-mails, du texte collé et des fichiers exportés. Cela rend la skill exploitable en dehors d’un workflow strictement centré sur Feishu.

Quand ne faut-il pas installer create-colleague ?

Ne la choisissez pas si vous avez besoin d’un simple préréglage de style, d’un personnage fictif ou d’une simulation garantie fidèle d’une personne à partir de peu d’éléments. Évitez-la également si votre environnement ne peut pas exécuter l’outillage nécessaire aux skills, ou si votre modèle d’accès aux données empêche l’export ou la collecte des matériaux indispensables.

Puis-je mettre à jour un collègue généré après la première version ?

Oui. Le repo prend explicitement en charge l’ajout de fichiers, la correction d’inférences erronées et l’évolution d’un collègue déjà généré. C’est l’une des meilleures raisons de préférer create-colleague à un prompt statique rédigé à la main.

Comment améliorer la skill create-colleague

Donnez à create-colleague des preuves, pas seulement des adjectifs

Le moyen le plus rapide d’améliorer les résultats de create-colleague consiste à remplacer des étiquettes comme « très rigoureux » ou « un peu sec » par des preuves :

• des commentaires de review qu’il ou elle formule régulièrement
• des exemples de travail accepté versus rejeté
• des documents montrant sa structure par défaut
• des messages d’escalade pendant des incidents
• des formulations utilisées lorsqu’il ou elle est dans l’incertitude

Les preuves rendent la work skill générée plus actionnable et la persona moins caricaturale.

Séparez les signaux de compétence des signaux de personnalité

Les utilisateurs mélangent souvent « ce que la personne sait » et « la manière dont elle s’exprime ». De meilleurs résultats viennent d’un balisage explicite des entrées :

• entrées de travail : specs, notes de code review, runbooks, commentaires d’architecture
• entrées persona : ton dans le chat, gestion du conflit, humour, façons d’exprimer un désaccord

Cela aide la skill à maintenir la distinction entre les sorties travail et persona, au lieu de produire une imitation floue.

Étiquetez la fiabilité des sources

Toutes les entrées ne doivent pas avoir le même poids. Indiquez à la skill quels matériaux sont canoniques, récents ou bruités. Par exemple :

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

Cela réduit les mauvaises inférences et aide create-colleague à prioriser les meilleures preuves.

Corrigez le premier brouillon avec des patchs précis

Quand la première sortie est erronée, évitez de dire seulement « ce n’est pas tout à fait ça ». De meilleures corrections ressemblent à :

• « 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 »

Des patchs précis sont plus faciles à intégrer dans la version suivante qu’une insatisfaction vague.

Utilisez les fichiers de prompt si vous prévoyez de personnaliser le comportement

Le répertoire prompts/ mérite d’être lu si vous voulez modifier la manière dont la skill analyse ou fusionne les preuves. Des fichiers comme intake.md, work_analyzer.md, persona_analyzer.md, work_builder.md, persona_builder.md, merger.md et correction_handler.md montrent où la qualité de sortie se joue réellement. C’est le bon endroit à inspecter si l’équilibre par défaut entre travail et persona ne correspond pas à votre cas d’usage.

Surveillez les modes d’échec les plus fréquents

Les principaux risques qualité sont :

• surpondérer le ton et sous-construire les vraies capacités de travail
• trop inférer à partir de matériaux rares ou biaisés
• fusionner plusieurs collègues dans un seul profil
• traiter d’anciens artefacts comme un comportement actuel
• confondre le processus de l’entreprise avec le style personnel

Ce ne sont pas des problèmes abstraits d’IA ; ce sont les raisons très concrètes pour lesquelles un collègue généré paraît faux ou peu utile.

Améliorez create-colleague en resserrant le job to be done

Si la première exécution vous semble trop large, réduisez la cible. Demandez d’abord une skill de collègue optimisée pour un seul domaine, comme la réponse aux incidents, la review d’architecture, l’escalade client ou la communication avec les PM. Une cible initiale plus étroite produit souvent un résultat plus crédible et plus utile que la tentative de recréer une personne entière d’un seul coup.

Mettez en place une boucle de review avant le déploiement en équipe

Si la skill générée doit être utilisée par d’autres, faites-la relire par quelqu’un qui a travaillé de près avec la personne d’origine. Demandez-lui de valider :

• ce que la skill doit absolument faire
• ce qu’elle ne doit jamais prétendre
• quelles situations nécessitent une escalade
• si le style de communication est suffisamment juste pour être utile

C’est la manière la plus sûre d’améliorer create-colleague for Skill Authoring dans un contexte d’équipe réel.

Gardez un chemin d’installation maintenable

Pour améliorer l’usage dans la durée, standardisez l’emplacement des collègues générés, la manière dont les mises à jour sont versionnées et les collecteurs optionnels officiellement pris en charge par votre équipe. Une skill qui fonctionne uniquement sur le laptop d’un seul mainteneur inspire moins confiance qu’une skill avec une politique claire d’installation et de mise à jour.

Le chemin le plus simple vers une meilleure utilisation de create-colleague

S’il ne fallait retenir qu’une règle pratique : fournissez moins d’artefacts, mais de meilleure qualité, clairement étiquetés, puis itérez avec des corrections ciblées. C’est le levier le plus efficace pour améliorer à la fois la sortie générée et votre expérience globale de create-colleague usage.