【COLLEAGUE.SKILL入門】退職した同僚の「仕事の進め方」と「人柄」をAIに蒸留する実践セットアップガイド

組織において、優秀なメンバーの退職や異動は、単なる人員の減少にとどまりません。彼らが培ってきた「仕事の進め方」や「判断基準」といった暗黙知が失われることは、組織にとって極めて大きな損失です。従来のドキュメント化やRAG（検索拡張生成）などの手法では、業務のプロセスは記録できても、その人独自の「思考モデル」や「コミュニケーションスタイル」までを完全に再現することは困難でした。

このような課題を解決するアプローチとして、上海人工知能実験室（Shanghai Artificial Intelligence Laboratory）のAI安全センターが主導するプロジェクト「COLLEAGUE.SKILL（現在はdot-skillへアップグレード）」が注目を集めています。本プロジェクトは、特定の人物の専門知識や対話スタイルを抽出し、AIエージェント向けのポータブルなスキルへと自動変換するシステムです。

GitHubでは約18,500〜18,900のスターを獲得し、コミュニティギャラリーには215のスキルや55のメタスキルが公開されるなど、すでに大きな実績を上げています。本記事では、このCOLLEAGUE.SKILLの仕組みを紐解き、実際に導入するための手順と初期設定例を解説します。

暗黙知と人柄を切り離す「二層構造（Dual Representation）」

COLLEAGUE.SKILLの最大の特徴は、対象者を単に丸ごとクローン化するのではなく、個人の「痕跡（Trace）」から有用な専門知識を抽出し、編集可能な技術的アーティファクト（スキル）として再利用する点にあります。

これを実現するために、システムは以下の2つの独立したトラックで動作を管理・制御します。これらは個別または統合して呼び出すことが可能です。

1. 能力（Capability）トラック：work.md

業務における手順、基準、思考モデル、意思決定の優先順位などを明文化して格納します。例えば、コードレビューにおける「N+1問題の指摘ルール」や「API設計の確認手順」などがこれに該当します。

2. 振る舞い（Behavior）トラック：persona.md

対象者の口調、表現の好み、対話の境界線、修正履歴などを格納します。業務に特化した冷静な口調や、特定の表現の癖などを制御します。

このように「能力」と「人柄」を分離することで、AIの挙動が不透明になることを防ぎ、ユーザーによる「検査可能（Inspectable）」「修正可能（Correctable）」な状態を確保しています。

導入手順：主要エージェントへのワンコマンドインストール

COLLEAGUE.SKILLは、複数のエージェント環境（Claude Code、Hermes Agent、OpenClaw、Codex）に対応しており、ワンコマンドでのインストールが可能です。

以下は、実際に「同僚（colleague）」プリセットを用いてセットアップを行うロードマップです。

ステップ1：データソースの準備

まずは蒸留の元となるデータを準備します。システムは日常の多様なデジタル活動データに対応しています。

• 自動収集：Slack（Bot経由）、飛書（Feishu - API/Wiki経由）、釘釘（DingTalk - ブラウザ経由）
• 手動収集：微信（WeChat）の暗号化データベース（SQLite形式）の書き出し、PDF、画像、メール（.eml/.mbox）、直接のMarkdown入力

ステップ2：エージェント環境へのインストール

例えば、Claude Code 環境に導入する場合、提供されているCLIツールを用いてインストールを行います。

# colleague-skill（dot-skill）をインストールし、エージェント環境へ適用するコマンド例
dot-skill install --agent claude-code

ステップ3：初期設定ファイルの作成

プロジェクトのルートディレクトリに、以下のような設定ファイルを配置します。ここでは「同僚（colleague）」プリセットをベースに、バックエンドエンジニアのスキルを定義する例を示します。

# config.yaml の設定例
skill:
  name: "backend_expert"
  preset: "colleague"
  source:
    - path: "./slack_exports/"
    - path: "./code_reviews.md"
  output:
    capability: "./skills/work.md"
    behavior: "./skills/persona.md"

生成される work.md と persona.md の記述例は以下の通りです。

# work.md (能力トラックの例)
- 意思決定の優先順位:
  1. APIのパフォーマンス（特にN+1問題の回避）
  2. 規定フォーマットの遵守
- 思考モデル:
  - コンテキストが不足している提案には、まず背景の説明を求める。

# persona.md (振る舞いトラックの例)
- 口調: 冷静かつ客観的、業務志向
- 表現の好み: 冗長な挨拶を省き、結論から述べる
- 修正履歴:
  - [2026-05-10] ユーザーのフィードバックに基づき、過度に攻撃的な表現を抑制するように修正。

よくあるエラーと対処法：対話を通じた継続的修正

実際に運用を開始すると、AIの回答が本人の実際の判断や口調とズレてしまうことがあります。COLLEAGUE.SKILLには、このズレを補正するための「修正・更新ループ（Correction & Update Loop）」が備わっています。

エラー1：判断基準が実際の業務と異なる場合

ユーザーが「彼女ならここで別の判断をするはずだ」と自然言語で指摘すると、システムは自動的にMarkdownパッチを作成し、work.md の能力記述を自動更新します。

エラー2：口調や振る舞いが不自然な場合

「彼はそんな冷たい言い方はしない」といったフィードバックに対しては、システムが構造化データ（{状況, 誤り, 修正}）として記録し、persona.md の振る舞いを補正します。これらは自動でバージョン管理やロールバックが可能です。

エラー3：不適切なプライバシー情報の露出

チャット履歴などから不要な個人情報が抽出されてしまった場合は、ローカル環境で直接Markdownファイルを開き、該当箇所を手動で削除・編集してください。本システムは成果物が明示的なファイル構造として出力されるため、安全にガバナンスを確保できます。

結論

COLLEAGUE.SKILL（dot-skill）は、単なるAIによるキャラクター模倣ツールではありません。組織の「暗黙知」という無形資産を、検査可能で編集可能な「技術的資産」へと変換するための強力なエコシステムです。

退職者が残したプロセスや思考の痕跡をAIに蒸留することで、組織の知識のポータビリティを高め、継続的な成長を支える基盤を構築できます。まずはローカルのプライベート環境での試行から始めてみてはいかがでしょうか。