create-colleague

Visão geral da skill create-colleague

O que a skill create-colleague faz

A create-colleague transforma os artefatos reais de um colega de trabalho em uma skill de IA reutilizável. A função central dela não é escrever uma biografia genérica; é condensar como alguém trabalha, se comunica e toma decisões para que você consiga recriar um perfil de colaboração útil a partir de docs, chats, screenshots, emails e plataformas corporativas como Feishu e DingTalk.

Quem deve instalar a create-colleague

Ela é mais indicada para usuários de Skill Authoring que querem preservar know-how operacional depois que um integrante do time sai, muda de área ou faz handoff do trabalho. É especialmente relevante se sua equipe já tem evidências espalhadas em várias ferramentas de trabalho e quer algo mais estruturado do que “me escreve um prompt que soe como essa pessoa”.

O que diferencia a create-colleague de um prompt comum

Um prompt simples consegue imitar tom de voz. A create-colleague skill foi pensada para gerar duas saídas distintas: uma work skill para execução de tarefas e uma camada de persona para estilo de comunicação. O repositório também inclui caminhos de ingestão para Feishu, DingTalk, email e entradas baseadas em arquivos, o que a torna mais prática do que ficar colando trechos aleatórios no chat manualmente.

O que os usuários avaliam antes de instalar a create-colleague

A maioria das decisões de adoção gira em torno de quatro perguntas: se o material de origem é suportado, se a instalação depende de um ambiente de agent específico, se a saída gerada pode ser editada depois da primeira rodada e se o resultado consegue evoluir ao longo do tempo. Nesses pontos, a create-colleague se destaca em fluxos de skill no estilo Claude Code, suporta tanto coleta automatizada quanto manual e inclui explicitamente fluxos de atualização/evolução para correções e novos arquivos.

Casos de uso ideais — e quando a create-colleague não é a escolha certa

Use a create-colleague quando você tiver evidências de como a pessoa realmente trabalhava: histórico de mensagens, docs, emails, screenshots ou descrições escritas. Evite se você quer apenas uma persona fictícia, uma imitação rápida de estilo para uso pontual ou um template genérico de função do time. Essa skill foi feita para destilação com base em evidências, não para roleplay a partir de insumos frágeis.

Como usar a skill create-colleague

Instale a create-colleague no diretório correto de skills

A orientação de instalação do próprio repositório é baseada em git clone, não em npx. Para Claude Code, instale como create-colleague no diretório de skills do projeto ou no 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

Isso importa porque o gatilho da skill e os caminhos da saída gerada presumem um diretório de skill instalado com esse nome.

Instale as dependências antes de testar os coletores

Na prática, o caminho de create-colleague install depende das fontes que você quer usar. O requisito base é Python 3.9+. Pacotes opcionais liberam ingestão mais completa:

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

Se você pular essa etapa, a skill ainda pode funcionar com uploads manuais e entrada em texto, mas alguns caminhos de coleta automatizada e conversão de arquivos não estarão disponíveis.

Inicie a skill com o gatilho real

Em ambientes de agent compatíveis, invoque com /create-colleague. O repositório também documenta gatilhos em linguagem natural, como pedir para criar uma colleague skill, além de fluxos de atualização como /update-colleague {slug} e /list-colleagues. Se o seu plano de teste é “instalar e ver se ela desperta corretamente”, esse comportamento de acionamento é a primeira coisa a validar.

Entenda quais entradas a create-colleague precisa

As melhores saídas vêm da combinação de duas classes de entrada:

1. informações estruturadas básicas sobre a pessoa
2. evidências de como ela trabalha

O fluxo pede dados básicos como nome, função, senioridade, contexto da empresa, pistas de personalidade e sua impressão subjetiva. Depois, faz ingestão de materiais como mensagens do Feishu, docs do DingTalk, JSON exportado, emails, screenshots, PDFs, markdown ou texto colado. Se você fornecer apenas informações demográficas sem artefatos de trabalho, espere uma saída superficial.

Transforme um pedido vago em um prompt forte para create-colleague

Um pedido fraco seria: “Crie uma skill para Alice.”

Um prompt mais forte de create-colleague usage inclui:

• quem é a pessoa
• que tipo de trabalho ela fazia
• quais materiais você tem
• no que a skill gerada precisa ser boa
• onde o sinal é mais forte
• o que não deve ser inferido

Exemplo:

/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

Esse tipo de prompt reduz o overfitting ao tom superficial e melhora a separação entre work e persona.

Escolha o caminho de coleta certo

O repositório oferece vários pipelines de origem, e a escolha certa afeta esforço e confiabilidade:

• tools/feishu_auto_collector.py: melhor quando você tem credenciais de app do Feishu
• tools/feishu_browser.py: útil para docs internas atrás de login no navegador
• tools/feishu_mcp_client.py: para acesso a docs do Feishu via fluxo baseado em token
• tools/dingtalk_auto_collector.py: caminho de coleta para DingTalk
• tools/email_parser.py: para .eml ou .mbox
• tools/feishu_parser.py: parsing de JSON exportado do Feishu

Se a sua equipe não puder conceder credenciais de app, rotas via navegador ou arquivos manuais podem ser o ponto de partida mais realista.

Leia estes arquivos primeiro

Se você quer avaliar rapidamente se a create-colleague serve para o seu caso, leia nesta ordem:

1. SKILL.md para lógica de gatilho, ferramentas permitidas e fluxo
2. INSTALL.md para configuração real do ambiente e escolhas de dependências
3. README_EN.md para fontes suportadas e framing voltado ao usuário
4. docs/PRD.md para o modelo de saída pretendido e o fluxo de evolução
5. arquivos em prompts/ se você pretende modificar o comportamento de análise

Esse caminho gera uma decisão melhor e mais rápida do que sair navegando pela árvore do repositório sem critério.

Entenda a estrutura da saída gerada

O design do produto no repositório separa a saída em:

• uma Work Skill
• uma Persona
• um resultado combinado no estilo SKILL.md para uso direto

Essa separação é importante para adoção. Se o seu foco principal é “como essa pessoa resolve o trabalho”, você pode manter a influência da persona mais leve. Se quer comunicação mais autêntica, pode reforçar as evidências de persona. A skill é mais útil do que um único prompt misturado porque trata capacidade e estilo como sinais diferentes.

Espere uma create-colleague iterativa

Uma boa mentalidade para um create-colleague guide é tratar a primeira execução como geração de rascunho. A skill oferece “evolution mode” quando você adiciona arquivos, corrige afirmações ou refina o comportamento após revisão. Isso combina mais com a destilação de trabalho do mundo real do que tentar acertar um prompt perfeito de primeira.

Dicas práticas que melhoram a qualidade da saída

Entradas de alto sinal incluem:

• conversas com decisões importantes, não só papo social
• docs com padrões explícitos, tradeoffs ou comentários de review
• exemplos em múltiplas tarefas, não um artefato isolado
• suas próprias correções sobre o que a pessoa nunca faria

Entradas de sinal mais fraco incluem:

• apenas screenshots sem contexto
• apenas descrições elogiosas
• apenas docs formais sem evidência de estilo de decisão
• materiais misturados de várias pessoas sem identificação

Onde as saídas são gravadas — e por que isso importa

A documentação de instalação observa que as colleague skills geradas são gravadas por padrão em ./colleagues/ no uso orientado a Claude Code. Isso importa operacionalmente: antes de colocar em uso, defina se as skills geradas devem ficar no seu repositório, em um workspace interno compartilhado ou em um ambiente pessoal. Times frequentemente subestimam o lado de manutenção de skills geradas.

FAQ da skill create-colleague

A create-colleague é para iniciantes em Skill Authoring?

Sim, desde que você já consiga instalar uma skill baseada em repositório e fornecer materiais de origem. O fluxo é guiado, mas não é um app de consumo de um clique só. Os resultados tendem a ser melhores se você tiver familiaridade para escolher fontes de dados e revisar criticamente a saída gerada.

A create-colleague é melhor do que um prompt comum?

Na maioria dos casos, sim — quando o problema real é preservar os padrões de trabalho de um colega, e não apenas imitar sua voz. O valor extra vem da coleta estruturada, dos coletores suportados, da geração separada entre work e persona e de um caminho explícito de atualização. Se tudo o que você precisa é “escreva em um estilo direto”, um prompt normal pode bastar.

Que tipos de material de origem funcionam melhor?

A melhor combinação é de material ligado a tarefas reais: threads de mensagens sobre decisões, comentários de review, docs internas, notas de processo, emails de handoff e exemplos de raciocínio sobre tradeoffs. Dados só de personalidade não bastam se você espera que a skill gerada execute trabalho com credibilidade.

A create-colleague exige Feishu ou DingTalk?

Não. Essas são opções importantes de coleta, não requisitos obrigatórios. Você também pode usar PDFs, markdown, screenshots, emails, texto colado e arquivos exportados. Isso torna a skill utilizável fora de um fluxo estritamente baseado em Feishu.

Quando eu não devo instalar a create-colleague?

Não escolha a create-colleague se você precisa de um preset simples de estilo, um personagem fictício ou uma simulação garantidamente fiel de uma pessoa com base em evidências escassas. Também vale pular se o seu ambiente não consegue executar o tooling necessário da skill ou se o seu modelo de acesso a dados impede exportar ou coletar os materiais necessários.

Posso atualizar um colleague gerado depois da primeira versão?

Sim. O repositório suporta explicitamente anexar arquivos, corrigir inferências erradas e evoluir um colleague já gerado. Esse é um dos motivos mais fortes para preferir create-colleague a um prompt manual estático.

Como melhorar a skill create-colleague

Dê evidências para a create-colleague, não apenas adjetivos

A forma mais rápida de melhorar os resultados de create-colleague é trocar rótulos como “muito rigoroso” ou “um pouco incisivo” por provas concretas:

• comentários de review que a pessoa faz repetidamente
• exemplos de trabalho aceitável vs rejeitado
• docs que mostram sua estrutura padrão
• mensagens de escalonamento durante incidentes
• frases que ela usa quando está em dúvida

Evidência torna a work skill gerada mais acionável e a persona menos caricata.

Separe sinais de skill de sinais de personalidade

Muita gente mistura “o que a pessoa sabe” com “como ela soa”. Os resultados melhoram quando você marca as entradas explicitamente:

• entradas de work: specs, notas de code review, runbooks, comentários de arquitetura
• entradas de persona: tom no chat, estilo em conflito, humor, formas de discordar

Isso ajuda a skill a manter work e persona distintos, em vez de produzir uma imitação vaga.

Identifique a confiabilidade das fontes

Nem toda entrada deve receber o mesmo peso. Diga à skill quais materiais são canônicos, recentes ou ruidosos. Por exemplo:

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

Isso reduz inferências ruins e ajuda a create-colleague a priorizar evidências melhores.

Corrija o primeiro rascunho com ajustes específicos

Quando a primeira saída estiver errada, evite dizer apenas “isso parece estranho”. Correções melhores se parecem com:

• “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”

Ajustes específicos são mais fáceis de incorporar na próxima versão do que uma insatisfação genérica.

Use os arquivos de prompt se você pretende customizar o comportamento

Vale a pena ler o diretório prompts/ se você quer mudar a forma como a skill analisa ou combina evidências. Arquivos como intake.md, work_analyzer.md, persona_analyzer.md, work_builder.md, persona_builder.md, merger.md e correction_handler.md mostram onde a qualidade da saída é de fato moldada. Esse é o lugar certo para inspecionar se o equilíbrio padrão entre work e persona não se encaixa no seu caso de uso.

Fique atento aos modos de falha mais comuns

Os principais riscos de qualidade são:

• dar peso demais ao tom e construir de menos a capacidade real de trabalho
• inferir demais a partir de materiais escassos ou enviesados
• misturar vários colegas em um único perfil
• tratar artefatos antigos como comportamento atual
• confundir processo da empresa com estilo pessoal

Esses não são problemas abstratos de IA; são os motivos práticos pelos quais um colleague gerado parece falso ou pouco útil.

Melhore a create-colleague restringindo o trabalho a ser feito

Se a primeira execução parecer ampla demais, reduza o escopo. Peça uma colleague skill otimizada primeiro para um domínio específico, como incident response, architecture review, customer escalation ou comunicação com PM. Um alvo inicial mais estreito costuma produzir um resultado mais convincente e útil do que tentar recriar um ser humano inteiro de uma vez.

Monte um ciclo de revisão antes de disponibilizar para o time

Se a skill gerada for usada por outras pessoas, revise com alguém que trabalhou de perto com a pessoa original. Peça para validar:

• o que a skill definitivamente deve fazer
• o que ela nunca deve afirmar
• quais situações exigem escalonamento
• se o estilo de comunicação está fiel o suficiente para ser útil

Essa é a forma mais segura de melhorar create-colleague for Skill Authoring em contextos reais de equipe.

Mantenha o caminho de instalação sustentável

Para melhorar o uso no longo prazo, padronize onde os colleagues gerados ficam, como as atualizações são versionadas e quais coletores opcionais a sua equipe realmente suporta oficialmente. Uma skill que funciona só no laptop de um maintainer é mais difícil de confiar do que uma com política clara de instalação e atualização.

O caminho mais simples para melhorar o uso de create-colleague

Se você quiser uma regra prática só: forneça menos artefatos, mas melhores, claramente identificados, e depois itere com correções direcionadas. Essa é a forma de maior impacto para melhorar tanto a saída gerada quanto a sua experiência geral de create-colleague usage.