“同事.skill”帶來的“職場鬼故事”，折射出哪些法律問題

21世紀經濟報道記者 王俊

近來，技術社區GitHub上爆火的“同事.skill”引起了廣泛討論，這項skill的技能點是“提供同事的材料加上你的主觀描述，生成一個真正能替他工作的AI skill”，并宣稱“將冰冷的告別化為溫暖的skill，加入賽博永生”。

截至4月4日晚，這個項目在GitHub累積了將近7萬的星標。作為參照，在國內被稱為龍蝦的Openclaw，星標數為25萬，并憑借這個數字登頂GitHub星標第一。

社會平臺上的梗圖層出不窮：“你的同事被優化了，但他的 skill 還在。”“被畢業的同事并沒有消失，不過是被蒸餾成了token繼續陪著你”……一系列“地獄笑話”背后，AI是否真的能將個人的工作經驗蒸餾成可調用的Skill？如果能，這些know-how歸誰所有？AI時代如何保護職場中的個體勞動價值？

清華大學公共管理學院長聘副教授，清華大學科技發展與治理研究中心主任助理陳天昊長期關注AI治理并有著豐富實操經驗，他在一開始，便犀利發問：如果人的工作經驗、協作方式甚至風格特征都能被模塊化，那么凝聚其中的勞動價值、知識產權和人格尊嚴分別應當如何保護？

個體在職場中積累的判斷習慣、溝通節奏、問題拆解方式、在不確定情境下的取舍標準等，是打工人真正的“飯碗”。而AI可能把這些沉淀在聊天記錄、文檔修改痕跡、代碼提交和郵件往來中的經驗，系統化提煉、封裝并調用。“這部分知識到底更偏向屬于公司資產，還是更應由勞動者自己掌握，現有知識產權法和個人信息法都只能覆蓋一部分，還不能完全解決。”陳天昊指出。

他認為，勞動者在工作中形成的默會知識，在原則上應由勞動者自己掌握，未來需要修訂勞動法及相關法律法規，以及通過勞動合同提前約定，明確誰有權調用這些默會知識以及調用的邊界在哪里。

同時，對于普遍存在的AI對就業影響的焦慮，他指出，Skill 帶來的影響或許會比AI對特定職業的顯性替代影響更深，因為Skill能夠逐步把崗位內部的一部分又一部分“微能力”抽出來、自動化、模塊化，從而逐漸改寫崗位定義、招聘標準和組織結構。

以下為采訪全文：

人會被部分蒸餾，而不是完整復制

《21世紀》：“同事.skill”發生的背景是什么，為什么會有這么大的水花？

陳天昊：所謂skill，是把某類工作的經驗、流程、工具調用方法和參考資料，整理成一個可復用的能力模塊。Anthropic 在推出 Agent Skills 時，把它類比成“給新員工寫 onboarding guide”，意思是把原來由一個人所掌握的做事方法、判斷路徑和操作規范進行文件化、模塊化，讓 Agent 在需要時按需讀取和執行。

從更大的背景看，這背后是 AI 正在從 Chatbot 走向 Agent的演進——從“會回答”走向“能行動”。但 Agent 不是裝上工具就自然會工作，如何調用工具、管理記憶、把流程真正跑通，需要經驗和方法，而這正是Skill 的意義：把這些方法沉淀下來，變成可復用的能力包。

“同事.skill”就是在這個背景下出現的。核心做法是把某位同事在工作中留下的飛書記錄、文檔、郵件、截圖等材料提煉成兩部分：一部分是工作方法和技術規范，另一部分是性格特征和溝通風格，再把它們封裝成可調用的 Skill。它之所以引發關注，是因為它把一個很尖銳的問題擺到了臺面上：如果人的工作經驗、協作方式甚至風格特征都能被模塊化，那么凝聚其中的勞動價值、知識產權和人格尊嚴分別應當如何保護？

《21世紀》：以你對技術的了解以及自身實踐，一個人常年積累的判斷力、排錯直覺等等工作經驗，能被蒸餾嗎？

陳天昊：我的初步判斷是：可以被蒸餾，但只能是部分蒸餾，而不是完整復制。

為什么這么說？因為一個人對自己的理解，很多時候并不如他在長期行為中表現出來的東西那么穩定、那么真實。人在工作里留下的判斷、修改、排錯、溝通和取舍，本身就是一種外化了的知識表達。

所以，我比較認同這樣一種看法：一個人未必最了解自己，但他的行為常常比他的自我描述更能刻畫他。我們很多工作中的技巧、風格和經驗，自己未必能完整說清楚，但它們會穩定地體現在工作痕跡里，比如怎樣拆解問題、怎樣判斷優先級、怎樣發現異常、怎樣修改別人交來的東西、怎樣回復郵件和消息、怎樣在不確定信息下做取舍。這些材料一旦在聊天記錄、文檔版本、代碼修改、郵件往來、批注意見里沉淀下來，AI就有機會從這些外顯痕跡中總結出一個人的工作模式。

但這里一定要加一個邊界：能被蒸餾出來的，主要是那些在行為中反復出現、能夠留下記錄、具有一定穩定性的部分；而不是一個人全部的判斷力，更不是完整的人格和主體性。 例如，排錯直覺里有一部分是可以外化的，但還有一部分非常依賴語境、責任感、現場壓力、組織關系，這些東西并不總能在材料里充分留下來。

我覺得，長期工作中相對穩定、可觀察、可記錄的判斷模式和經驗，確實可以被蒸餾出相當一部分；但越靠近情境化、身體化、主體性的部分，就越難被完整提煉。

《21世紀》：同事.skill 式的個人級蒸餾，和此前的大模型訓練，在“提取know-how”這件事上有本質區別嗎？

陳天昊：我覺得還是有明顯區別的。此前的大模型訓練，無論是預訓練還是后訓練，都是在海量數據上進行的。它學到的東西最終以參數和權重的形式存儲在模型內部，一旦訓練完成，這些能力就變成了一種通用的、基礎性的能力底座。

而今天我們看到的 Skill，尤其是“同事.skill”這種個人級蒸餾，并不是通過調參、調權重來完成，而是通過組織一個更精確的任務上下文，把某個人的操作方式、技巧、方法和相關資料封裝起來。它本質上更像是一個外置的、可調用的知識與流程層，而不是寫進模型參數里的能力。

此外，Skill非常輕量級，并且有非常強的靈活性和適應性。一個 Skill 可以隨時修改、增補、替換腳本，甚至根據具體個案不斷迭代，而不需要重新訓練整個模型。

所以，我認為大模型訓練提取的是一般性、可泛化的共性能力；同事.skill 這類個人級蒸餾提取的，則是高度情境化、與具體工作流綁定的局部 know-how。

在工作流程中積淀的默會知識 應更多地由勞動者自己掌握

《21世紀》：同事.skill 所涉及的在職期間產生的飛書記錄、郵件、代碼，所有權屬于誰？以及誰有權調用？個人的和公司的邊界在哪里？

陳天昊：我會把這個問題分成三層來看。第一層是知識產權問題，第二層是個人信息和隱私問題，第三層是兩者之間目前最有爭議的中間地帶。

先說第一層，知識產權。如果員工在職期間留下來的飛書文檔、郵件內容、代碼、技術方案中，有一部分具有獨創性，能夠構成著作權法意義上的作品，或者符合專利法上的技術方案標準，那么這部分內容就要先放到知識產權框架里判斷。著作權法有職務作品規則，專利法有職務發明規則——這部分權利歸屬的框架是相對清晰的，現行法已有成熟規則。并且，作者的人身性權利，如署名權，在法定條件下會獲得保留。

第二層是個人信息和隱私。員工在郵箱、飛書、企業協同系統里留下的內容，并不因為發生在公司系統里，就自動失去人格權保護。民法典明確規定，自然人享有隱私權，個人信息受法律保護。在人力資源管理場景下，個人信息保護法雖然允許按照依法制定的勞動規章制度和依法簽訂的集體合同，在“實施人力資源管理所必需”的范圍內處理個人信息，但這并不意味著企業可以無限制地把員工留下的所有痕跡都拿去做“同事.skill”式蒸餾。只要涉及個人畫像、行為分析、風格提煉，乃至向外部模型或外部服務商提供數據，都會觸發更嚴格的合法性與必要性審查。

真正難的，是第三層，也就是知識產權和個人信息/隱私之間的中間地帶。比如一個人的排錯順序、判斷習慣、溝通節奏、問題拆解方式、在不確定情境下的取舍標準，這些都可能沉淀在聊天記錄、文檔修改痕跡、代碼提交和郵件往來中。過去這部分經驗更多依附在勞動者本人身上；但現在隨著技術發展，使它第一次有可能被系統化提煉、封裝并調用。這部分知識到底更偏向公司資產，還是更應由勞動者自己掌握，現有知識產權法和個人信息法都只能覆蓋一部分，還不能完全解決。

在這個問題上，我個人更傾向于認為：這部分積累于經驗中的默會知識，原則上應更多地由勞動者自己掌握。因為它雖然形成于工作過程，但很大一部分其實是勞動者自己通過長期訓練而鍛造的能力結構、判斷方式、溝通技巧等默會知識，企業通過工資僅獲取的是這些默會知識在工作期間的使用權，而非所有權，因此也就不能等同于企業可以無條件占有和調用的資產。企業當然可以對真正屬于職務成果、商業秘密或依法可管理的人力資源數據主張權利，但如果進一步要求自動提煉員工個人風格、強制員工提交自己的 Skill 封裝，或者把這類封裝作為離職交接的默認義務，我認為應當有更明確的法律依據或合同依據。

所以我進一步主張，誰有權調用、邊界在哪里，未來一方面需要通過勞動合同提前約定，另一方面更需要通過修訂勞動法、制定專門的法規規章來明確。

無論是立法規定還是合同約定，至少有幾個問題應當事先說清楚：公司是否有權進行此類自動提煉；提煉的范圍是否限于完成工作任務所必需；是否可以要求員工配合提交或維護相關 Skill；員工是否享有知情權、異議權、糾正權，以及遷移權。這些問題，本質上已經不只是知識產權問題，也不只是個人信息問題，而是一個典型的勞動法與數字治理交叉問題。

《21世紀》：據你研究與觀察，AI對勞動的影響有哪些？它是如何一步步滲透影響就業市場的？

陳天昊：我覺得，AI 對勞動的影響是全方位的。最顯性的替代，是原來需要人們投入較多腦力完成的工作，越來越多可以直接由模型完成其中的大部分。翻譯、摘要、基礎寫作是最早的例子；隨著多模態能力增強，媒體和互聯網相關職業的自動化程度也在上升。

再往下走，代碼、辦公和分析類工作也出現了很強的替代壓力，尤其是在那些規則明確、重復性高、容易標準化的任務環節上。Anthropic 關于勞動力市場影響的研究指出，從理論覆蓋潛力來看，大語言模型對計算機與數學類、辦公室與行政類工作的任務滲透空間都很高；但同一份研究也強調，現實中的 AI 使用離理論能力上限還很遠。所以更準確的說法不是“AI 已經完全替代了這些崗位”，而是這些崗位內部越來越多的具體任務，正在被 AI 接手、重寫或者重組。

但更重要的是，AI 對就業的影響不只是替代幾個具體工種，而是在重構工作的組織方式。因為模型進入真實場景以后，會立刻面對復雜的物理世界和數字環境。很多今天的系統、平臺、流程，是為人設計的，而非為 AI 設計。模型即便有很強的通用能力，要真正完成工作，還必須解決“怎么進入場景、怎么調用工具、怎么串聯流程、怎么和現有制度接口”的問題。

這時就出現了 Skill。我很認同把它理解成一種“最后一公里”機制：通用模型提供底座能力，而 Skill 把這些能力接到具體場景中，讓 AI 真正能在某個垂直崗位、某個組織流程里跑通。

也正因為如此，我反而會說，Skill 這一層帶來的影響，可能比最初那種顯性的“AI 直接出一個成品”更深。因為直接交付產品的替代，大家看得見，也容易討論；但 Skill 驅動的滲透更隱性，它不是一下子把一個崗位拿走，而是逐步把崗位內部的一部分又一部分“微能力”抽出來、自動化、模塊化、平臺化。等這些“微能力”積累到一定程度，最后改變的就不只是某個任務，而是整個崗位的定義、招聘標準和組織結構。

（受訪者供圖）