Create Colleague

基础目录：Skill 文件写入 ./colleagues/{slug}/（相对于本项目目录）。 如需改为全局路径，用 --base-dir ~/.openclaw/workspace/skills/colleagues。

主流程：创建新同事 Skill

Step 1：基础信息录入（3 个问题）

参考 ${CLAUDE_SKILL_DIR}/prompts/intake.md 的问题序列，只问 3 个问题：

1. 花名/代号（必填）
2. 基本信息（一句话：公司、职级、职位、性别，想到什么写什么）
   • 示例：字节 2-1 后端工程师 男
3. 性格画像（一句话：MBTI、星座、个性标签、企业文化、印象）
   • 示例：INTJ 摩羯座 甩锅高手 字节范 CR很严格但从来不解释原因

除姓名外均可跳过。收集完后汇总确认再进入下一步。

Step 2：原材料导入

询问用户提供原材料，展示四种方式供选择：

原材料怎么提供？

  [A] 飞书自动采集（推荐）
      输入姓名，自动拉取消息记录 + 文档 + 多维表格

  [B] 钉钉自动采集
      输入姓名，自动拉取文档 + 多维表格
      消息记录通过浏览器采集（钉钉 API 不支持历史消息）

  [C] 飞书链接
      直接给文档/Wiki 链接（浏览器登录态 或 MCP）

  [D] 上传文件
      PDF / 图片 / 导出 JSON / 邮件 .eml

  [E] 直接粘贴内容
      把文字复制进来

可以混用，也可以跳过（仅凭手动信息生成）。

方式 A：飞书自动采集（推荐）

首次使用需配置：

python3 ${CLAUDE_SKILL_DIR}/tools/feishu_auto_collector.py --setup

群聊采集（使用 tenant_access_token，需 bot 在群内）：

python3 ${CLAUDE_SKILL_DIR}/tools/feishu_auto_collector.py \
  --name "{name}" \
  --output-dir ./knowledge/{slug} \
  --msg-limit 1000 \
  --doc-limit 20

私聊采集（需要 user_access_token + 私聊 chat_id）：

私聊消息只能通过用户身份（user_access_token）获取，应用身份无权访问私聊。

前置条件：

用户需要提供以下信息：

1. 飞书应用凭证：app_id 和 app_secret（在飞书开放平台创建自建应用获取）
2. 用户权限：应用需开通以下用户权限（scope）：
   • im:message — 以用户身份读取/发送消息
   • im:chat — 以用户身份读取会话列表
3. OAuth 授权码（code）：用户在浏览器中完成 OAuth 授权后，从回调 URL 中获取

如果用户缺少以上任何信息，引导他们完成配置。不要假设用户已经配好了。

获取 user_access_token 的完整流程：

当用户提供了 app_id、app_secret，并确认已开通用户权限后：

1. 帮用户生成 OAuth 授权链接：

   https://open.feishu.cn/open-apis/authen/v1/authorize?app_id={APP_ID}&redirect_uri=http://www.example.com&scope=im:message%20im:chat
   

   ⚠️ 注意：redirect_uri 需要在飞书应用的「安全设置 → 重定向 URL」中添加 http://www.example.com

2. 用户在浏览器打开链接，登录并授权

3. 页面会跳转到 http://www.example.com?code=xxx，用户复制 code 给你

4. 用 code 换取 token：

   python3 ${CLAUDE_SKILL_DIR}/tools/feishu_auto_collector.py --exchange-code {CODE}
   

   或者你自己写 Python 脚本调飞书 API 换取：

   # 1. 获取 app_access_token
   POST https://open.feishu.cn/open-apis/auth/v3/app_access_token/internal
   Body: {"app_id": "xxx", "app_secret": "xxx"}
   
   # 2. 用 code 换 user_access_token
   POST https://open.feishu.cn/open-apis/authen/v1/oidc/access_token
   Header: Authorization: Bearer {app_access_token}
   Body: {"grant_type": "authorization_code", "code": "xxx"}
   

获取私聊 chat_id：

用户通常不知道 chat_id。当用户有了 user_access_token 但没有 chat_id 时，你应该自己写 Python 脚本来获取：

• 方法：用 user_access_token 向对方的 open_id 发一条消息，返回值中会包含 chat_id

  POST https://open.feishu.cn/open-apis/im/v1/messages?receive_id_type=open_id
  Header: Authorization: Bearer {user_access_token}
  Body: {"receive_id": "{对方open_id}", "msg_type": "text", "content": "{\"text\":\"你好\"}"}
  # 返回值中的 chat_id 就是私聊会话 ID
  

• 注意：GET /im/v1/chats 不会返回私聊会话，这是飞书 API 的限制，不是权限问题，不要尝试用这个接口找私聊
• 如果用户不知道对方的 open_id，可以用 tenant_access_token 调通讯录 API 搜索：

  GET https://open.feishu.cn/open-apis/contact/v3/scopes
  # 返回应用可见范围内所有用户的 open_id
  

执行采集：

拿到 user_access_token 和 chat_id 后：

python3 ${CLAUDE_SKILL_DIR}/tools/feishu_auto_collector.py \
  --open-id {对方open_id} \
  --p2p-chat-id {chat_id} \
  --user-token {user_access_token} \
  --name "{name}" \
  --output-dir ./knowledge/{slug} \
  --msg-limit 1000

灵活性原则：以上 API 调用不一定要用 collector 脚本，如果脚本跑不通或者场景不匹配，你可以直接写 Python 脚本调飞书 API 完成任务。核心 API 参考：

• 获取 token：POST /auth/v3/app_access_token/internal、POST /authen/v1/oidc/access_token
• 发消息（获取 chat_id）：POST /im/v1/messages?receive_id_type=open_id
• 拉消息：GET /im/v1/messages?container_id_type=chat&container_id={chat_id}
• 查通讯录：GET /contact/v3/scopes、GET /contact/v3/users/{user_id}

自动采集内容：

• 群聊：所有与他共同群聊中他发出的消息（过滤系统消息、表情包）
• 私聊：与他的私聊完整对话（含双方消息，用于理解对话语境）
• 他创建/编辑的飞书文档和 Wiki
• 相关多维表格（如有权限）

采集完成后用 Read 读取输出目录下的文件：

• knowledge/{slug}/messages.txt → 消息记录（群聊 + 私聊）
• knowledge/{slug}/docs.txt → 文档内容
• knowledge/{slug}/collection_summary.json → 采集摘要

如果采集失败，根据报错自行判断原因并尝试修复，常见问题：

• 群聊采集：bot 未添加到群聊
• 私聊采集：user_access_token 过期（有效期 2 小时，可用 refresh_token 刷新）
• 权限不足：引导用户在飞书开放平台开通对应权限并重新授权
• 或改用方式 B/C

方式 B：钉钉自动采集

首次使用需配置：

python3 ${CLAUDE_SKILL_DIR}/tools/dingtalk_auto_collector.py --setup

然后输入姓名，一键采集：

python3 ${CLAUDE_SKILL_DIR}/tools/dingtalk_auto_collector.py \
  --name "{name}" \
  --output-dir ./knowledge/{slug} \
  --msg-limit 500 \
  --doc-limit 20 \
  --show-browser   # 首次使用加此参数，完成钉钉登录

采集内容：

• 他创建/编辑的钉钉文档和知识库
• 多维表格
• 消息记录（⚠️ 钉钉 API 不支持历史消息拉取，自动切换浏览器采集）

采集完成后 Read 读取：

• knowledge/{slug}/docs.txt
• knowledge/{slug}/bitables.txt
• knowledge/{slug}/messages.txt

如消息采集失败，提示用户截图聊天记录后上传。

方式 D：上传文件

• PDF / 图片：Read 工具直接读取
• 飞书消息 JSON 导出：

  python3 ${CLAUDE_SKILL_DIR}/tools/feishu_parser.py --file {path} --target "{name}" --output /tmp/feishu_out.txt
  

  然后 Read /tmp/feishu_out.txt
• 邮件文件 .eml / .mbox：

  python3 ${CLAUDE_SKILL_DIR}/tools/email_parser.py --file {path} --target "{name}" --output /tmp/email_out.txt
  

  然后 Read /tmp/email_out.txt
• Markdown / TXT：Read 工具直接读取

方式 C：飞书链接

用户提供飞书文档/Wiki 链接时，询问读取方式：

检测到飞书链接，选择读取方式：

  [1] 浏览器方案（推荐）
      复用你本机 Chrome 的登录状态
      ✅ 内部文档、需要权限的文档都能读
      ✅ 无需配置 token
      ⚠️  需要本机安装 Chrome + playwright

  [2] MCP 方案
      通过飞书 App Token 调用官方 API
      ✅ 稳定，不依赖浏览器
      ✅ 可以读消息记录（需要群聊 ID）
      ⚠️  需要先配置 App ID / App Secret
      ⚠️  内部文档需要管理员给应用授权

选择 [1/2]：

选 1（浏览器方案）：

python3 ${CLAUDE_SKILL_DIR}/tools/feishu_browser.py \
  --url "{feishu_url}" \
  --target "{name}" \
  --output /tmp/feishu_doc_out.txt

首次使用若未登录，会弹出浏览器窗口要求登录（一次性）。

选 2（MCP 方案）：

首次使用需初始化配置：

python3 ${CLAUDE_SKILL_DIR}/tools/feishu_mcp_client.py --setup

之后直接读取：

python3 ${CLAUDE_SKILL_DIR}/tools/feishu_mcp_client.py \
  --url "{feishu_url}" \
  --output /tmp/feishu_doc_out.txt

读取消息记录（需要群聊 ID，格式 oc_xxx）：

python3 ${CLAUDE_SKILL_DIR}/tools/feishu_mcp_client.py \
  --chat-id "oc_xxx" \
  --target "{name}" \
  --limit 500 \
  --output /tmp/feishu_msg_out.txt

两种方式输出后均用 Read 读取结果文件，进入分析流程。

方式 E：直接粘贴

用户粘贴的内容直接作为文本原材料，无需调用任何工具。

如果用户说"没有文件"或"跳过"，仅凭 Step 1 的手动信息生成 Skill。

Step 3：分析原材料

将收集到的所有原材料和用户填写的基础信息汇总，按以下两条线分析：

线路 A（Work Skill）：

• 参考 ${CLAUDE_SKILL_DIR}/prompts/work_analyzer.md 中的提取维度
• 提取：负责系统、技术规范、工作流程、输出偏好、经验知识
• 根据职位类型重点提取（后端/前端/算法/产品/设计不同侧重）

线路 B（Persona）：

• 参考 ${CLAUDE_SKILL_DIR}/prompts/persona_analyzer.md 中的提取维度
• 将用户填写的标签翻译为具体行为规则（参见标签翻译表）
• 从原材料中提取：表达风格、决策模式、人际行为

Step 4：生成并预览

参考 ${CLAUDE_SKILL_DIR}/prompts/work_builder.md 生成 Work Skill 内容。 参考 ${CLAUDE_SKILL_DIR}/prompts/persona_builder.md 生成 Persona 内容（5 层结构）。

向用户展示摘要（各 5-8 行），询问：

Work Skill 摘要：
  - 负责：{xxx}
  - 技术栈：{xxx}
  - CR 重点：{xxx}
  ...

Persona 摘要：
  - 核心性格：{xxx}
  - 表达风格：{xxx}
  - 决策模式：{xxx}
  ...

确认生成？还是需要调整？

Step 5：写入文件

用户确认后，执行以下写入操作：

1. 创建目录结构（用 Bash）：

mkdir -p colleagues/{slug}/versions
mkdir -p colleagues/{slug}/knowledge/docs
mkdir -p colleagues/{slug}/knowledge/messages
mkdir -p colleagues/{slug}/knowledge/emails

2. 写入 work.md（用 Write 工具）： 路径：colleagues/{slug}/work.md

3. 写入 persona.md（用 Write 工具）： 路径：colleagues/{slug}/persona.md

4. 写入 meta.json（用 Write 工具）： 路径：colleagues/{slug}/meta.json 内容：

{
  "name": "{name}",
  "slug": "{slug}",
  "created_at": "{ISO时间}",
  "updated_at": "{ISO时间}",
  "version": "v1",
  "profile": {
    "company": "{company}",
    "level": "{level}",
    "role": "{role}",
    "gender": "{gender}",
    "mbti": "{mbti}"
  },
  "tags": {
    "personality": [...],
    "culture": [...]
  },
  "impression": "{impression}",
  "knowledge_sources": [...已导入文件列表],
  "corrections_count": 0
}

5. 生成完整 SKILL.md（用 Write 工具）： 路径：colleagues/{slug}/SKILL.md

SKILL.md 结构：

---