COLLEAGUE.SKILL: 専門家知識蒸留による自動AIスキル生成

要旨

LLMエージェントは、単独のタスクを完了するだけでなく、人間の専門知識、判断力、対話スタイルの境界付き表現を保持することが期待されるようになってきている。このような人物に基づいたエージェントを構築することは、個人や役割に関連する実践的な知識が、明確な指示としてではなく、異種の痕跡に埋め込まれていることが多いため、依然として困難である。既存の記憶システムやペルソナシステムは、そのような証拠の断片を捉える一方、スキルフレームワークは移植可能なパッケージ形式を提供するが、これらの痕跡を検査可能で修正可能かつエージェントが利用可能なスキルに蒸留するためのエンドツーエンドのワークフローは存在しない。本稿では、専門知識の蒸留を通じて人物に基づいたAIスキルを生成する、自動化された痕跡からスキルへの蒸留システムを提案する。対象人物や役割の素材を入力として、COLLEAGUE.SKILLは、実践、メンタルモデル、意思決定ヒューリスティックのための「能力トラック」と、コミュニケーションスタイル、対話ルール、修正履歴のための「境界付き振る舞いトラック」という2つの調整されたトラックを持つバージョン管理されたスキルパッケージを生成する。このパッケージは、検査、呼び出し、自然言語フィードバックによる更新、ロールバック、複数のエージェントホストへのインストールが可能であり、必要に応じて管理された配布に備えることもできる。本稿では、オープンソースシステムに実装されたアーティファクト契約、生成ワークフロー、修正ライフサイクル、展開面、ドメインプリセットについて説明する。本稿執筆時点で、公開リポジトリは約18.5kのGitHubスターを獲得しており、ギャラリーには165名の貢献者による215のスキルが掲載され、掲載されたスキルカード全体で10万を超える累計スターを記録している。本システムは、人物に基づいたスキルを不透明なプロンプトや隠れた記憶ではなく、移植可能で修正可能なパッケージとして表現できることを示している。

English

LLM agents are increasingly expected not only to complete isolated tasks, but also to carry bounded representations of human expertise, judgment, and interaction style. Building such person-grounded agents remains difficult because actionable knowledge associated with a person or role is usually embedded in heterogeneous traces rather than written as clean instructions. Existing memory and persona systems capture fragments of this evidence, while skill frameworks provide portable packaging formats; however, there is no end-to-end workflow for distilling these traces into inspectable, correctable, and agent-usable skills. We present an automated trace-to-skill distillation system for generating person-grounded AI skills via expert knowledge distillation. Given materials from a target person or role, COLLEAGUE.SKILL produces a versioned skill package with two coordinated tracks: a capability track for practices, mental models, and decision heuristics, and a bounded behavior track for communication style, interaction rules, and correction history. The package can be inspected, invoked, updated through natural-language feedback, rolled back, installed across agent hosts, and optionally prepared for controlled distribution. We describe the artifact contract, generation workflow, correction lifecycle, deployment surface, and domain presets implemented in the open-source system. At the time of writing, the public repository has approximately 18.5k GitHub stars; the gallery lists 215 skills from 165 contributors and more than 100k cumulative stars across listed skill cards. The system illustrates how person-grounded skills can be represented as portable, correctable packages rather than opaque prompts or hidden memories.