从聊天记录中复活任何人的数字分身

基于12+平台数据蒸馏个人/他人数字分身，支持7种角色模板，MIT开源框架确保用户完全掌控数据与隐私。

基本信息

• 技能名称?immortal-skill
• 中文名称?从聊天记录中复活任何人的数字分身
• 作者?agenmod
• 分类?专业技能
• 版本?latest
• 标签?productivity, content-media, education-research, automation, data-analytics, docs, development-engineering

使用方法

使用说明
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。