"导师可以走，但她的判断力可以留下。"
把你的导师蒸馏成 AI Skill——她的思维方式、反馈风格、知识体系、甚至口头禅，全部保留。
pip install mentor-skill
# 无需任何配置，立即与内置导师「王老师」对话
mentor demo
# 配置 LLM 后，与她实时对话（可用 --preset 一键设置模型与 api_base）
mentor doctor
mentor config --preset zhipu
mentor config --set llm.api_key YOUR_KEY
mentor demo --ask "老师，帮我看看这个用户增长方案"你的输入 导师.SKILL 的输出
───────────────────────── ──────────────────────────────────────────
导师写的 Markdown 文档 → 在 Cursor IDE 中以导师口吻给你反馈
飞书/钉钉/微信对话记录 → Claude Code 里的专属导师 Persona
PDF 论文/方法论文档 → OpenClaw AgentSkills 兼容格式
…
核心特性：导师会记得你的项目，主动追问进展，检查你有没有真的改。
┌─────────────────────────────────────────┐
│ Layer 7: 学徒记忆层 ⭐ 核心差异化 │ 记得你的项目、追问进展、检查修改
├─────────────────────────────────────────┤
│ Layer 6: 指导关系层 │ 她怎么带人、放手程度、指导节奏
├─────────────────────────────────────────┤
│ Layer 5: 情感表达层 │ 鼓励方式、不满信号、共情风格
├─────────────────────────────────────────┤
│ Layer 4: 沟通风格层 │ 语气、节奏、修辞、口头禅
├─────────────────────────────────────────┤
│ Layer 3: 思维框架层 │ 方法论、决策逻辑、追问方式
├─────────────────────────────────────────┤
│ Layer 2: 知识与专业层 │ 领域深度、知识边界、核心见解
├─────────────────────────────────────────┤
│ Layer 1: 基础身份层 │ 姓名、背景、性格、行为红线
└─────────────────────────────────────────┘
pip install mentor-skill
# 如需采集钉钉消息（浏览器自动化），额外安装 chromium
playwright install chromiummentor init --name wang-laoshi --template product
# 模板可选：product（产品）| tech（技术）| academic（学术）# 本地文档（最简单，推荐先从这里开始）
mentor collect --source markdown --input ./mentor-docs/ --persona wang-laoshi
mentor collect --source pdf --input ./mentor-papers/ --persona wang-laoshi
# 微信（需先用 WeChatMsg 工具导出为 CSV）
mentor collect --source wechat --input ./wechat_export.csv --persona wang-laoshi
# 飞书（需配置 App ID/Secret，见 config.yaml.example）
mentor collect --source feishu --name "王老师" --persona wang-laoshi
# 钉钉（文档走 API，消息走 Playwright）
mentor collect --source dingtalk --name "王老师" --persona wang-laoshimentor analyze --persona wang-laoshi --stats
# 输出：消息数、高价值消息数、质量评分（0-100）及建议# 自检环境（配置、数据、依赖；可选 --check-llm 验证 API 连通）
mentor doctor
# 配置 LLM：一键预设（zhipu / deepseek / qwen / minimax / openai）或手动逐项设置
mentor config --preset zhipu
mentor config --set llm.api_key YOUR_API_KEY
# 手动示例（与 preset 二选一即可）
# mentor config --set llm.model glm-4-flash
# mentor config --set llm.api_base https://open.bigmodel.cn/api/paas/v4/
# 执行 7 层蒸馏（约 5-15 分钟）
mentor distill --persona wang-laoshi
# 中途中断后续跑
mentor distill --persona wang-laoshi --resume
# 逐层确认（每层结果可编辑/重蒸馏）
mentor distill --persona wang-laoshi --interactive# 一次生成全部格式（推荐）
mentor generate --persona wang-laoshi --format all
# 只生成 Cursor 规则文件
mentor generate --persona wang-laoshi --format cursor
# 输出格式说明
# generic → wang-laoshi.SKILL.md 通用 Markdown
# cursor → wang-laoshi.mdc 放入 .cursor/rules/ 即可
# claude → wang-laoshi.claude.SKILL.md Claude Code / Projects
# openclaw → wang-laoshi.openclaw.skill.md OpenClaw AgentSkills# 多轮交互对话
mentor test --persona wang-laoshi
# 单次提问
mentor test --persona wang-laoshi --ask "帮我看看这个用户增长方案"| 服务商 | 推荐模型 | api_base |
|---|---|---|
| 智谱 GLM | glm-4-flash |
https://open.bigmodel.cn/api/paas/v4/ |
| DeepSeek | deepseek-chat |
https://api.deepseek.com/v1 |
| Qwen（百炼） | qwen-turbo |
https://dashscope.aliyuncs.com/compatible-mode/v1 |
| MiniMax | abab6.5s-chat |
https://api.minimax.chat/v1 |
| OpenAI | gpt-4o-mini |
默认（无需 api_base） |
| Anthropic | claude-3-haiku-20240307 |
默认 |
| Ollama（本地） | ollama/llama3 |
http://localhost:11434 |
| 平台 | 采集方式 | 状态 |
|---|---|---|
| Markdown / Text | 本地文件递归读取 | ✅ |
| pdfplumber 解析 | ✅ | |
| 微信 | WeChatMsg 导出 CSV | ✅ |
| 飞书 | 开放平台 API（群聊/私聊/文档） | ✅ |
| 钉钉 | API（文档）+ Playwright（消息） | ✅ |
| 如流 | API | 🔜 规划中 |
生成的文件可直接放入对应平台使用：
mentor generate --persona wang-laoshi --format cursor
cp .mentor/personas/wang-laoshi/wang-laoshi.mdc your-project/.cursor/rules/重启 Cursor 后，AI 助手将以王老师的口吻给你反馈。
mentor generate --persona wang-laoshi --format claude
cp .mentor/personas/wang-laoshi/wang-laoshi.claude.SKILL.md your-project/SKILL.mdmentor generate --persona wang-laoshi --format openclaw
# 将 .openclaw.skill.md 上传到 OpenClaw 平台mentor init 初始化新 Persona 项目
mentor collect 采集导师数据（5 个平台）
mentor analyze 检查数据质量（评分 + 建议）
mentor distill 执行 7 层蒸馏（支持断点恢复）
mentor generate 生成 Skill 文件（4 种格式）
mentor test 与 Persona 多轮对话验收
mentor list 查看所有已有 Persona
mentor demo 内置 Sample Persona 演示（无需数据）
mentor doctor 诊断配置、数据与环境（可选 --check-llm）
mentor config 查看/修改全局配置（支持 --preset / --set）
# 全局选项
mentor --version 查看版本号
mentor --help 查看帮助
# 使用内置 sample_mentor 运行自动评估
python evals/run_eval.py --persona sample-mentor
# 评估维度（满分 10）
# 风格一致性（35%）：AI 语气是否符合导师 Persona
# 行为合规性（40%）：是否做了期望行为、避免了禁止行为
# 追问记忆层（25%）：是否主动追问进展、引用历史反馈| 维度 | colleague-skill | 导师.SKILL |
|---|---|---|
| 定位 | 同事模拟 | 导师-学徒关系 |
| Persona 层数 | 5 层 | 7 层 |
| 学徒记忆 | ❌ | ✅ 记得你的项目、追问进展 |
| 指导风格建模 | ❌ | ✅ 引导式/直接式/放手程度 |
| 情感表达 | ❌ | ✅ 鼓励方式、不满信号 |
| 断点恢复 | ❌ | ✅ 每层 checkpoint |
| 输出平台 | 仅 Claude Code | Cursor / Claude / OpenClaw / 通用 |
| LLM 支持 | 仅 Claude | 任意模型（litellm） |
| evals 框架 | ❌ | ✅ LLM-as-judge 三维评分 |
git clone https://github.com/SonicBotMan/mentor-skill
cd mentor-skill
pip install -e ".[dev]"
# 运行测试
pytest tests/ -v
# 格式检查
ruff check src/详见 CONTRIBUTING.md。
- PRD.md — 产品需求文档
- TECHNICAL_DESIGN.md — 技术设计
- EXECUTION_PLAN.md — 执行计划与路线图
- CHANGELOG.md — 版本更新记录
MIT License — 可商业使用，保留署名即可。
- colleague-skill — 开创了「人物蒸馏」方向的灵感来源
- litellm — 模型无关的 LLM 调用抽象层