create-senpai

create-senpai skill 概览

create-senpai skill 实际能做什么

create-senpai 是面向 Claude Code 的一项 meta-skill，用来把已经离开的实验室前辈留下的各种痕迹整理成可复用的 AI skill。实际使用中，它会吸收聊天导出、会议记录、截图、照片，以及你自己的补充描述，随后生成一套结构化的人设与群体记忆，并且支持后续持续更新。它要解决的并不是泛泛的角色扮演，而是为实验室内部流程、会议协作和共享语境，构建一个可重复调用、具有“senpai 风格”的协作者。

哪些人适合安装 create-senpai

最适合安装这款 create-senpai skill 的，是已经在使用 Claude Code、并且愿意在本地整理素材的团队。它尤其适合实验室、学生团队，或小型技术团队：你们希望保留一种持续存在的声音，里面既有项目掌故，也有点评习惯和带人风格。如果你只是想要一个一次性的角色 prompt，这个仓库大概率会比你的需求更重。

create-senpai skill 与普通 prompt 的差异在哪里

create-senpai skill 最明显的区别在于“结构化”。这个仓库把事实性记忆和行为型 persona 分开处理，内置了 WeChat、QQ、社交文本和照片元数据的解析能力，也支持纠错与版本演进，而不是把第一次输出当成最终结果。对 Skill Authoring 场景来说，create-senpai 比一段手写长 prompt 更容易维护，尤其适合你想调整语气、但又不想丢掉事实背景的时候。

如何使用 create-senpai skill

安装环境与依赖要求

这个仓库是按 Claude Code 的 skill 目录结构来设计的，优先推荐项目本地安装。create-senpai 的实际安装路径如下：

mkdir -p .claude/skills
git clone https://github.com/zhanghaichao520/senpai-skill.git .claude/skills/create-senpai

文档也提供了全局安装方式，路径是 ~/.claude/skills/create-senpai。可选的 Python 依赖来自 requirements.txt；目前主要是 Pillow，用于从照片中提取 EXIF 信息。如果你不打算分析群聊合影或白板照片，这部分可以跳过。

create-senpai 想要产出效果好，需要什么输入

这个 skill 即使只从一个昵称开始也能运行，但输出质量会非常依赖证据材料。按优先级来看，最好的输入依次是：导出的聊天记录、会议纪要或 issue 评论，其次是照片/截图，最后才是你自己的主观描述。仓库里 prompts/intake.md 的提示流展示了最小采集要求：别名、实验室角色/背景，以及一份 persona 草图。更理想的输入会像这样：“2022 年答辩周的 WeChat 导出、3 份会议记录、2 张 issue 评论截图，再加一句他平时怎么批 slide。” 这种材料量，才足够让 create-senpai skill 把反复出现的事实和说话风格区分开来。

怎样给 create-senpai 下提示更有效

真正使用 create-senpai 时，不要只停留在“帮我做一个 senpai skill”。你最好同时给出目标、素材来源和使用场景。更好的请求写法例如：

• “/create-senpai gpu-bro from these WeChat logs and two meeting notes; emphasize how he reviews experiments and responds to broken environments.”
• “Create a senpai skill from this QQ export plus my corrections: he is sarcastic, but always ends with concrete TODOs.”

之所以这样更有效，是因为这个仓库的设计核心是“抽取与合并”，不是自由发挥式的虚构。如果你在意还原感，最好明确标注哪些是存疑记忆，哪些是硬证据。

优先阅读哪些文件，以及推荐的 create-senpai 工作流

先看 SKILL.md，确认触发短语、可用工具和命令预期。接着看 INSTALL.md，了解环境假设；再读 README_EN.md，把握作者设定的整体工作流；然后是 docs/PRD.md，理解它的双层架构。之后再深入检查 prompts/intake.md、prompts/memory_builder.md、prompts/persona_builder.md 和 prompts/correction_handler.md。如果你准备喂给它的是导出的日志，而不是人工整理摘要，那么 tools/ 下的工具链也很关键。

推荐工作流如下：

1. 在 Claude Code 中安装这个 skill。
2. 先准备一批高信号的素材。
3. 用明确的 alias 运行 create-senpai。
4. 审阅生成后的 memory / persona 拆分结果。
5. 在更广泛使用之前，立刻补做纠错。
6. 后续新增材料时，优先走 update 流程，而不是每次都从头重建。

create-senpai skill 常见问题

create-senpai 比普通 persona prompt 更好吗？

通常是更好的，前提是你想要“可持续”和“可修订”。普通 prompt 可以很快模仿语气，但如果你需要有来源支撑的记忆、纠错处理，以及可版本化的演进，那么 create-senpai 的使用方式更合适。代价是前期准备时间更长：你需要先整理素材，并在受支持的 skill 环境中完成安装。

这对新手友好吗？

中等友好。概念本身不难理解，但 create-senpai 的使用指南默认你知道如何把文件放进 Claude Code 的 skill 目录，也默认你在需要时能安装可选的 Python 依赖。新手依然可以上手，只是更建议第一天先用纯文本输入，先别急着启用那些更依赖解析器的导入流程。

什么情况下不该使用 create-senpai skill？

如果你需要的是一个通用聊天机器人 persona、手头没有足够素材，或者根本没在使用 Claude Code 或兼容的 skill 环境，就不建议选这款 create-senpai skill。如果你的目标是面向公众的助手，而不是一个在团队内部“听起来就像那个人”、并且带着团队记忆的协作者，它同样不太适合。

如何改进 create-senpai skill 的效果

给 create-senpai 提供更丰富、更干净的素材

想让 create-senpai skill 质量提升，最快的办法不是堆更多形容词，而是提供更好的证据。聊天记录能暴露表达节奏和惯用语，会议记录能体现判断模式，截图和照片则能补上时间线锚点。如果输入比较杂乱，最好先按来源和日期做标注。哪怕只是简单写一句“private chat, 2023 spring, debugging-heavy”，也能帮助 create-senpai skill 判断哪些是稳定行为，哪些只是一次性的状态。

尽早修正常见失败模式

常见问题通常有三类：声音太泛、语气对了但事实不对、或者只放大了刻薄感却没有保留后续有帮助的建议。仓库其实已经在 prompts/correction_handler.md 里给出了纠错路径，越早用越好。有效的纠错应该尽量具体，比如：“He does not start by mocking; he first asks for logs, then criticizes the method.” 这种反馈对行为更新的帮助，远比“make him more accurate”更强。

不要重建，先在第一版基础上迭代 create-senpai

把第一次输出当成校准稿，而不是终稿。这个仓库支持 update/evolution 模式，而这正是 create-senpai 在 Skill Authoring 场景里比静态 prompt 更有价值的地方。每次只补充一批新的证据，观察变化发生在 memory 还是 persona，再把主观修正和事实补充分开记录。比起第一轮就把所有东西一股脑塞进去，这种小步、可追踪的修订方式，更容易得到可信的结果。