immortal-skill

核心用法

immortal-skill 是一款通用数字永生框架，旨在从聊天记录、社交媒体、文档等多平台数据中"蒸馏"任何人的数字分身。操作流程遵循七阶段路径：Phase 0 选择角色模板（自己/同事/导师/亲人/伴侣/朋友/公众人物）；Phase 1 进行伦理确认；Phase 2 通过自动采集、本地数据库、归档文件或直接上传等方式收集材料；Phase 3 按程序性、互动性、记忆、性格四个维度提取信息并标注证据级别；Phase 4 执行合并与冲突处理；Phase 5-6 初始化目录并生成可加载的 Agent Skill 包；Phase 7 向用户交付成果。整套框架配备完善的 CLI 工具链（immortal_cli.py、manifest_tool.py、version_tool.py）支持增量更新、版本回滚和用户纠正。

显著优点

多角色适配：7种预设模板精准匹配不同场景需求，从工作方式传承到家族记忆保存均有专门优化。平台覆盖广：支持飞书、钉钉、微信、iMessage、Telegram、WhatsApp、Slack、Discord、Email、Twitter/X等12+数据源。证据分级严谨：verbatim（原文）/ artifact（产物）/ impression（印象）三级标注确保输出可信度。用户主权完整：所有敏感数据本地处理，API Token由用户自主配置，无任何远程上传或遥测行为。开源可审计：MIT许可证配合清晰的Python代码结构，便于技术用户审查。版本管理完善：快照机制支持安全回滚，增量更新避免重复劳动。

潜在缺点与局限性

技术门槛：需要Python 3.9+运行环境，非技术用户配置采集器可能存在困难。伦理边界依赖自律：虽然内置伦理确认流程，但最终合规使用仍高度依赖用户自我约束。证据质量参差：社交数据的完整性和真实性直接影响输出质量，存在"垃圾进垃圾出"风险。冲突处理非自动化：矛盾项需人工介入判断，复杂人际关系中的立场冲突难以自动调和。公众人物限制：明确禁止模拟私人对话，仅能从公开资料提取方法论，还原度有限。

适合的目标群体

知识工作者：希望沉淀个人工作方法论或保存团队关键成员的经验。家族记忆守护者：为已故亲人建立数字纪念，需其他家人知情同意的场景。创作者与研究者：系统梳理导师或公众人物的公开思想体系。技术驱动的怀旧者：具备一定技术能力，希望以结构化方式保存重要人际关系记忆的企业管理者、开源社区成员、数字游民等。

使用风险

法律合规风险：未经授权采集他人数据可能违反《个人信息保护法》及各平台ToS，尤其伴侣/前任场景需格外谨慎。数据泄露风险：生成的skill包包含高度敏感的个人对话，存储不当可能导致隐私泄露。心理依赖风险：高度逼真的数字分身可能延缓哀伤处理或模糊现实边界。平台封号风险：部分采集方式（如微信第三方导出）可能触发平台安全机制。长期维护风险：依赖Python生态版本演进，长期存档的skill可能面临依赖断裂。

核心用法

immortal-skill 是一套数字永生框架，目标是将任何人的数字足迹转化为可加载的AI Agent Skill。操作流程遵循「角色模板 → 多平台采集 → 四维提取 → 冲突合并 → 封包输出」的标准化路径。

角色选择：提供7种预设模板——自己（全维度）、同事（工作方式）、导师（教学智慧）、亲人（家族记忆）、伴侣/前任（关系模式）、朋友（共同经历）、公众人物（公开方法论）。每种角色有独立的伦理要求与数据维度。

数据采集：支持飞书、钉钉、微信、iMessage、Telegram、WhatsApp、Slack、Discord、Email、Twitter/X等12+平台的自动化或半自动化采集，也可直接上传PDF/JSON/CSV/Markdown等归档文件。

四维提取：

• 程序性（procedure）：工作方法、决策流程、专业习惯
• 互动性（interaction）：沟通风格、回应模式、社交策略
• 记忆（memory）：关键经历、重要日期、情感锚点
• 性格（personality）：价值观、语言特征、情绪表达

每条输出标注证据级别——verbatim（原文引用）、artifact（文件/记录推导）、impression（观察者印象），后者隔离存放以区分可靠度。

版本与纠正：内置快照、回滚、追加进化机制，支持用户反馈驱动的迭代优化。

显著优点

1. 伦理优先设计：Phase 1强制伦理确认，对不同角色设置差异化的知情同意与脱敏要求——同事限内部培训、伴侣需正面目的确认、公众人物仅限可追溯的公开资料。这在同类工具中较为罕见。

2. 证据分级机制：明确区分直接引用、间接推导与主观印象，避免将推测包装成事实，提升数字分身的可信度边界。

3. 零第三方依赖：纯Python标准库实现，无供应链攻击风险，代码可完全审计。

4. 平台覆盖全面：国内（飞书、钉钉、微信）与国际（Slack、Discord、Telegram）主流平台兼顾，支持本地数据库直接读取与官方归档导出两种合规路径。

潜在缺点与局限性

• 数据质量依赖：输出质量直接取决于输入材料的丰富度与代表性。稀疏聊天记录可能导致"扁平化"分身。
• 情感真实性天花板：AI模拟的是行为模式而非意识本身，对亲密关系角色（伴侣、亲人）可能产生"恐怖谷"效应或情感依赖风险。
• 公众人物限制：明确禁止模拟私人对话，仅限公开方法论，无法还原非正式场合的真实性格。
• 微信/iMessage采集门槛：需第三方工具或系统级权限，技术门槛与隐私风险并存。

适合人群

• 个人：希望留存自身思维模式或家族长辈的生活智慧
• 团队：需要将资深成员的协作经验转化为可传承的Agent Skill
• 研究者：分析公众人物的公开方法论与沟通策略
• 创作者：基于真实互动数据训练角色化写作助手

常规风险

1. 隐私泄露风险：生成的Skill包可能包含他人（聊天对象）的敏感信息，需严格脱敏与访问控制。
2. 情感误用风险：对逝者或前任的模拟可能被用于逃避哀悼或关系纠缠，需遵循伦理指南的自我审查。
3. 身份混淆风险：数字分身的高仿真度可能导致第三方误以为是真人，使用时应明确标注AI属性。
4. 法律边界：部分平台（如微信）的数据导出可能违反服务条款，用户需自行评估合规性。