（14290期）immortal-skill – 从聊天记录中复活任何人的数字分身

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。 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（immortalcli.py、manifesttool.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。 原始说明 immortal-skill