Learn-skills.dev immortal-skill

通用数字永生框架：从聊天记录、社交媒体、文档等多平台数据中蒸馏任何人的数字分身——支持自己、同事、导师、亲人、伴侣/前任、朋友、公众人物 7 种角色模板，接入国内外 12+ 数据平台。

install

source · Clone the upstream repo

git clone https://github.com/NeverSight/learn-skills.dev

Claude Code · Install into ~/.claude/skills/

T=$(mktemp -d) && git clone --depth=1 https://github.com/NeverSight/learn-skills.dev "$T" && mkdir -p ~/.claude/skills && cp -r "$T/data/skills-md/agenmod/immortal-skill/immortal-skill" ~/.claude/skills/neversight-learn-skills-dev-immortal-skill && rm -rf "$T"

manifest: data/skills-md/agenmod/immortal-skill/immortal-skill/SKILL.md

source content

数字永生蒸馏器

语言

根据用户第一条消息的语言，全程使用同一语言。

何时激活

用户要「蒸馏 XX」「做数字分身」「保留 TA 的方式/记忆」「让 AI 像 XX 一样」。
用户提供关于某人的材料，希望生成可加载的 Agent Skill 包。

核心理念

选择角色 → 多平台采集 → 分维度提取（procedure / interaction / memory / personality）→ 证据分级 → 冲突合并 → 输出符合 Agent Skills 的技能目录。

路径约定

本 Skill 根目录记为 {baseDir}
。
生成物默认写入
```
./skills/immortals/<slug>/
```
。
```
slug
```
：小写字母、数字、连字符，与最终
```
SKILL.md
```
的
```
name
```
一致。

操作顺序

Phase 0：选择角色模板

向用户询问蒸馏对象的角色，读取对应模板：

你想蒸馏谁？

  [1] 🪞 自己（全维度数字分身）
  [2] 🏢 同事（工作方式与沟通风格）
  [3] 🎓 导师/Mentor（教学方式与指导智慧）
  [4] 🏠 亲人（家族记忆与生活智慧）
  [5] 💕 伴侣/前任（关系记忆与互动模式）
  [6] 🤝 朋友（友谊互动与共同经历）
  [7] 🌐 公众人物（公开方法论）

读取

{baseDir}/personas/<选择>.md

了解该角色的特有维度与要求。同时读取

{baseDir}/personas/_base.md

了解通用维度。

Phase 1：伦理确认

根据角色模板中的伦理要求，在收集材料前告知用户。不同角色的伦理侧重：

同事/导师：限团队内部对齐与培训
亲人（已故）：确认其他家人是否应知情
伴侣/前任：确认目的是正面回忆；严格脱敏
公众人物：仅限公开资料；须有可追溯的公开出处
自己：注意聊天中他人发言的脱敏

Phase 2：收集材料

读取

{baseDir}/recipes/intake-protocol.md

，按角色类型确定数据源。

提供以下采集方式：

材料怎么提供？

  [A] 自动采集（推荐）
      飞书 / 钉钉 / Slack / Discord / Telegram / Email
      → 扫描频道 → 拉取消息

  [B] 本地数据库
      微信（需第三方导出或本地 SQLite）
      iMessage（macOS，需 Full Disk Access）

  [C] 归档文件
      WhatsApp 导出 / Twitter/X 归档 / Google Takeout
      Facebook 数据下载 / 微博导出

  [D] 上传/粘贴文件
      PDF / JSON / CSV / Markdown / 纯文本

  [E] 直接粘贴文字

可混用多种方式。

自动采集使用统一 CLI：

python3 {baseDir}/kit/immortal_cli.py collect --platform <平台> [选项]

详见

{baseDir}/docs/PLATFORM-GUIDE.md

。

Phase 3：分维度提取

根据角色模板确定所需维度，按需加载对应 Prompt：

维度	Prompt	Recipe	适用角色
程序性	`prompts/procedural-extractor.md`	`recipes/procedural-mining.md`	同事、导师、自己、公众人物
互动性	`prompts/interaction-extractor.md`	`recipes/interaction-mining.md`	所有
记忆	`prompts/memory-extractor.md`	`recipes/memory-mining.md`	自己、亲人、伴侣、朋友、导师、公众人物
性格	`prompts/personality-extractor.md`	`recipes/personality-mining.md`	所有（同事仅工作相关）

每条输出标注证据级别：

verbatim

artifact

impression

。

参考

{baseDir}/examples/

下的示例查看产出物格式。

Phase 4：合并与冲突处理

读取

{baseDir}/recipes/merge-policy.md

，执行证据分级合并。矛盾项写入

conflicts.md

。

Phase 5：初始化目录并写入

python3 {baseDir}/kit/manifest_tool.py init --slug <slug> --base ./skills/immortals --persona <角色>

用 Write 工具写入各维度文件，然后读取

{baseDir}/prompts/skill-assembler.md

生成

SKILL.md

。

Phase 6：封包登记

python3 {baseDir}/kit/manifest_tool.py stamp --slug <slug> --base ./skills/immortals --sources "<来源>"

Phase 7：告知用户

生成路径与加载方式
证据覆盖度统计
各维度的局限性提示

追加材料（进化）

python3 {baseDir}/kit/version_tool.py snapshot --slug <slug> --base ./skills/immortals --note "追加前"

然后按 Phase 2-6 增量更新。

用户纠正

先快照，再读取

{baseDir}/prompts/correction-handler.md

处理。

版本管理

python3 {baseDir}/kit/version_tool.py list --slug <slug> --base ./skills/immortals
python3 {baseDir}/kit/version_tool.py rollback --slug <slug> --base ./skills/immortals --tag <快照>

不做的事

不复制任何第三方仓库的脚本或提示词。
不把通用常识当成被蒸馏者的个人特色。
不模拟公众人物的私人对话。
不用于跟踪、骚扰或欺骗。

自检清单

```
name
```
与目录名一致且符合命名规则。
各维度文件中
```
verbatim + artifact
```
占比是否达标？
```
impression
```
是否隔离到专属区？
```
conflicts.md
```
是否反映了真矛盾？
伦理声明是否与角色匹配？
```
SKILL.md
```
正文 < 100 行？