核心用法
create-senpai 是一款创新的"人格蒸馏"工具，旨在将实验室毕业师兄的说话风格、技术习惯和组内记忆转化为可交互的 AI Skill。用户通过 /create-senpai 触发创建流程，仅需回答3个基础问题（花名、组内信息、人设画像），随后导入微信/QQ聊天记录、组会纪要、照片截图等原材料，系统即可自动解析并生成结构化的 Group Memory（共同记忆）和 Persona（人格画像），最终输出可独立运行的 Skill 文件。
该 Skill 支持持续进化：用户可通过"补充材料"追加新的聊天记录，或通过"师兄不会这样说"进行对话纠正，系统会自动版本备份并增量更新人格模型。管理命令包括 /list-senpais 查看全部师兄、、/update-senpai 进化升级、、/senpai-rollback 版本回滚等。
显著优点
深度本土化设计：针对中国科研团队场景量身定制，原生支持微信、QQ聊天记录解析，理解"组会""rebuttal""救火"等学术黑话，还原开组会、debug、带新人等典型场景。
完整隐私保护：所有数据完全本地处理，无网络上传，.gitignore 自动排除敏感目录，适合处理包含未发表研究成果的内部讨论。
人格还原度高：采用"5层 Persona 结构"拆解说话风格、吐槽方式、带人习惯等维度，结合 Group Memory 注入组内梗和历史项目，生成"既像他，又不能越权"的边界感。
工程化完善：内置版本管理、自动备份、回滚机制，支持原材料的渐进式积累，让"赛博师兄"随时间越来越像本人。
潜在缺点与局限性
依赖原材料质量：若聊天记录稀疏或缺乏标志性事件，生成的人格可能流于表面，出现"正确的废话"。
技术栈局限：需要 Python 3.9+ 环境运行解析工具，对非技术背景用户有一定门槛；微信聊天记录导出需借助第三方工具（WeChatMsg、留痕等）。
边界模糊风险：尽管设置了 Layer 0 硬规则（不冒充导师、不伪造结果），但长期使用可能导致用户产生情感依赖，模糊虚拟与现实的界限。
单人视角偏差：原材料通常来自提问者单方面记录，可能无法还原师兄面对不同人时的差异化态度。
适合的目标群体
- 在读研究生：怀念已毕业师兄指导的"空巢实验室"成员
- 课题组传承：希望保留实验室技术遗产和组内文化的 PI 或行政助理
- 学术玩梗：需要"嘴替"吐槽论文审稿意见、模拟组会预演的科研工作者
- 远程协作团队：分布式实验室中需要"精神图腾"凝聚组内认同感的成员
使用风险
性能风险：解析大量聊天记录（数万条）时可能耗时较长；照片 EXIF 分析依赖 Pillow 库，超大图片可能占用较多内存。
依赖项风险：工具脚本分散在6个 Python 文件中，若用户环境缺失依赖或路径配置错误，可能导致解析失败。
数据管理风险：虽然默认本地存储，但用户手动复制 senpais// 目录或误操作删除可能造成数据丢失——建议定期使用内置版本备份功能。
伦理合规风险：需确保原材料获取符合对方知情同意，避免将包含他人隐私的 Skill 分享至公共平台。