我把同事蒸餾成 Skill，然后他變成了永生牛馬

同事被裁了，留下的工作沒人干怎么辦？

別擔(dān)心，科技發(fā)展日新月異，現(xiàn)在你可以把他蒸餾成 Skill，讓他隨時隨地寫 Bug，和你永生永世做同事。

同事.skill，一個最近在 GitHub 上爆火的開源項目：導(dǎo)入同事的“原材料”（飛書消息、釘釘文檔、郵件、截圖），克隆一個能夠替他工作的 AI。

煉化同事，提取舍利子。第一批被裁的打工人，已經(jīng)實現(xiàn)賽博永生了。

01.蒸餾同事進行時

AI 時代的黑話還是迭代得太快了。“把同事蒸餾成 Skill”，短短幾個字里竟然出現(xiàn)了兩個需要解釋的行業(yè)術(shù)語。

為什么是“蒸餾”而不是“爆炒”呢？

在機器學(xué)習(xí)領(lǐng)域中，“蒸餾”（Distillation）是一種經(jīng)典的模型壓縮技術(shù)。核心思想是讓一個小模型（學(xué)生）去模仿一個大模型（老師）的行為，這樣可以讓小模型在保持較高性能的同時，擁有更快的速度和更小的體積。

代入職場，同事本人是一個維護成本很高，又容易宕機的大模型。他有情緒波動，需要五險一金，還會因為失戀或流感陷入性能低谷。通過蒸餾，可以剝離這些占內(nèi)存的冗余信息，只提取出他大腦中有用的生產(chǎn)能力。

所以，蒸餾同事，即提取同事之精華，棄其肉身之糟粕。

最終產(chǎn)出的 Skill，可以簡單理解為“技能插件”。如果把通用大模型比作一個擁有通用常識但缺乏職場經(jīng)驗的應(yīng)屆生，那么 Skill 就是一本寫滿了特定崗位潛規(guī)則、操作流程和思維范式的員工手冊。

把同事蒸餾成 Skill 再喂給 AI ，即可獲得一個更像同事的 AI。那一刻，原本對公司項目一無所知的通用大模型，瞬間被注入了同事靈魂。話糙的網(wǎng)友將其稱為“同事倒膜”。

最近很火的同事.skill，上線不到一周，就獲得了 7k stars（收藏）。項目的宣傳文案就是它的使用場景：你的同事跳槽了，留下大量的文檔沒人維護？你的實習(xí)生離職了，只留下空蕩的工位和爛尾的項目？你的搭檔轉(zhuǎn)崗了，熟悉的默契一夜之間歸零？

將冰冷的離別化為溫暖的 Skill，初代數(shù)字生命竟先從打工人身上誕生。

生產(chǎn)同事.skill，原材料質(zhì)量決定 Skill 質(zhì)量，聊天記錄加長文檔的效果好于純手動描述，最好先收集同事主動寫的長文，其次是決策類回復(fù)，最后才是日常消息。

AI 會把這些碎片拼湊起來，復(fù)制同事的工作能力和性格。工作能力包括他處理 Bug 的邏輯、寫代碼的規(guī)范、做競品分析的框架，性格特征包括他匯報工作的語氣、甩鍋時的措辭，阿里味或字節(jié)范任選。

同事.skill 的產(chǎn)出是一個文件夾，里面躺著一個完整的 SKILL.md 說明文件，外加幾行執(zhí)行腳本、一套提示詞模板和一堆被切碎的資源數(shù)據(jù)。

生成之后，你可以通過指令在 Claude Code 或類似環(huán)境中調(diào)用這個 AI 同事來協(xié)助工作。最好蒸餾那些比較能干的同事，不然他就算變成了 AI，也是一個愛甩鍋的 AI。

讓打工人變成公司的祖?zhèn)髋ｑR，這個想法過于地獄，因此在社交平臺上有很高的討論度：人人都可以蒸餾另一個人，那未來豈不是全員 Skill？

網(wǎng)友們創(chuàng)作了一系列梗圖：“我的 Skill 已上傳，我的工位已清空”“打工人的一生：入職 → 攢 Skill → 上傳 OpenClaw → 畢業(yè)”。

用上牛馬經(jīng)驗提取器，同事，散是 Token，聚是 Skill。

“建議改名叫同事 Kill，成為 Skill 后就可以 Kill 掉了”。

這些自嘲式的調(diào)侃背后，是大家意識到，在 AI 時代的流水線上，打工人正在從工具的使用者，變成工具的母本。我們的勞動產(chǎn)出，本質(zhì)上在為那個終將取代我們的 Skill 提供養(yǎng)料。

現(xiàn)在很多公司要求員工全員寫自己的 Skill，美名其曰“知識沉淀”，其實是一場針對生產(chǎn)力的資產(chǎn)盤點。讓員工將個人工作經(jīng)驗文檔化，脫水處理成可以被 AI 理解并運行的說明書。

上有政策下有對策，網(wǎng)友們很快就想出了反擊招數(shù)：給自己的 Skill “投毒”。但再細琢磨一下，看著自己親手堆出來的那堆屎山代碼，其實倒也大可不必刻意投毒，正常發(fā)揮就行。

有開發(fā)者創(chuàng)作了“反蒸餾 Skill”：公司讓你寫 Skill？跑一遍，交差用。

把寫好的 Skill 扔進反蒸餾 Skill，系統(tǒng)就會輸出一份看起來完整專業(yè)，實則廢話連篇的灌水版 Skill。比如將“Redis key 必須設(shè) TTL，不設(shè)的 PR 直接打回”變成“緩存使用遵循團隊規(guī)范”。

可以依照公司的審核仔細程度決定清洗強度，完整版本只保留在自己手上。

先脫水，再灌水。讓 AI 讀了等于沒讀，讓老板大有所獲的同時兩手空空。果然中華語言博大精深，人類創(chuàng)造力永無止境。

還有另一個防止自己被同事蒸餾的工具：殺死那個數(shù)字分身。

這個工具加入三層防護系統(tǒng)：第一層是混淆——寫作風(fēng)格隨機化、代碼風(fēng)格混淆、語義噪聲注入，讓 AI 提取不出你的模式；第二層是追蹤——在文檔里嵌入肉眼不可見的零寬字符水印和金絲雀陷阱，一旦 AI 復(fù)述出來就是鐵證；第三層是檢測——風(fēng)格指紋對比和水印驗證器，幫你揪出有沒有被人偷偷蒸餾。

一份普普通通的工作，硬是干出了碟中諜的即視感。

這些看起來有些魔幻的反蒸餾工具，是打工人面對不可逆的技術(shù)洪流時，試圖抓住的最后一根稻草。但當(dāng)整個職場都在朝著數(shù)字化狂奔時，個人的抵抗往往顯得杯水車薪。

潮水的方向難以更改，干脆講講地獄笑話，樂呵樂呵算了。

02.當(dāng)經(jīng)驗變成Skill

1913 年某一天，福特汽車的創(chuàng)始人亨利·福特從芝加哥的一家屠宰場里，找到了提升生產(chǎn)效率的靈感。

在那條血腥而精準(zhǔn)的傳送帶上，一頭完整的牛被掛在鉤子上滑行，經(jīng)過每一個工位時，屠夫們只負責(zé)極其機械的一刀：有人只管剔除脊骨，有人只管切下后腿。整頭牛在移動中被迅速拆解成標(biāo)準(zhǔn)化的肉塊。福特從中嗅到了工業(yè)時代的終極秘密——不要讓一個人去造一輛車，要讓一輛車經(jīng)過一群只做固定動作的人。

在此之前，造一輛汽車是手工藝人的活兒：一群人圍著一輛車敲敲打打，零件堆一地，工人得是熟練工，裝一輛要花 12 個小時。

福特改進了方法：每個人只做一個動作，不用動腦子，只需要跟上傳送帶的節(jié)奏。結(jié)果一輛 T 型車的組裝時間驟降至 93 分鐘，后期進一步壓縮到 90 分鐘。

流水線把人拆解成工序節(jié)點，泰勒則在另一邊把人拆解成可量化的數(shù)據(jù)單元。

1898 年，這位科學(xué)管理之父在伯利恒鋼鐵公司進行了一場著名的實驗。他找來一個叫施密特的工人，拿著跑表站在旁邊，把他的每一個動作，包括怎么彎腰、怎么走路、怎么休息，全部標(biāo)準(zhǔn)化。

實驗前，施密特每天搬運 12 到 13 噸生鐵，掙 1.15 美元。泰勒給他設(shè)計了最優(yōu)化的操作流程、精準(zhǔn)的行走路線和固定的休息間隔，再配合計件工資激勵。結(jié)果施密特每天搬運量從 12 噸飆升至 47 噸。

泰勒和福特像兩根釘子，把現(xiàn)代職場釘死在效率的十字架上。這兩股力量在 20 世紀交織蔓延，工業(yè)流水線上發(fā)展出來的績效考核體系，從工廠蔓延到辦公室，從一線工人滲透到程序員、產(chǎn)品經(jīng)理、運營專員。

很多人覺得蒸餾同事是 AI 時代的特產(chǎn)，但其實打工人一直在通往工具的道路上步履不停。

ERP 和各種辦公自動化系統(tǒng)的普及，將員工的工作拆解成一系列 SOP（標(biāo)準(zhǔn)作業(yè)程序）；OKR、KPI 以及各種顆粒度極細的績效統(tǒng)計，又把人們的貢獻壓縮成幾個簡單的數(shù)字。

公司鼓勵員工寫工作文檔，將零散的工作記錄直接轉(zhuǎn)化為結(jié)構(gòu)化的知識庫，思考過程、決策依據(jù)、分析框架，寫得越詳細越好。協(xié)同辦公軟件也早已升級，能基于企業(yè)上傳的所有文檔、知識庫甚至聊天記錄進行智能問答。

當(dāng)一個人的所有思考都被寫進文檔，所有討論都被記錄在云端，他的工作經(jīng)驗就成了系統(tǒng)里可以被檢索和復(fù)用的知識資產(chǎn)。

新員工不必再花時間請教老同事，銷售人員可以秒級調(diào)取歷史成功方案。效率的代價，是人的不可替代性被大幅稀釋。

對于老板來說，誰不希望自己的員工像 USB 接口一樣呢？插上就能用，拔掉也沒損失，甚至還能熱插拔——不用關(guān)機就能換人。

AI 的出現(xiàn)，只是恰好站在了這條工具化長鏈的終點。

過去，一個資深員工離職會帶走大量的隱形成本，現(xiàn)在公司可以通過 AI 學(xué)習(xí)這些歷史記錄，把員工的職業(yè)精華提純、封裝，變成一個可以隨時運行的 Skill。

按照這樣的發(fā)展趨勢，或許會有越來越多行業(yè)經(jīng)驗被整合打包，變成 Skill，存進公司的服務(wù)器里。新人不再需要通過長期的師徒帶教來獲取經(jīng)驗，他們只需要調(diào)用那個被蒸餾出來的 Skill，就能瞬間獲得你積累了十年的職業(yè)能力，即插即用。

這樣做效率倒是很高，但有一個隱蔽的問題：知識被封裝成 Skill 后，知識復(fù)用的成本急劇下降，可能削弱團隊的長期創(chuàng)新能力。

HBR 基于華威大學(xué)商學(xué)院的研究建立了一個分析模型，預(yù)測了這種現(xiàn)象的演變軌跡。當(dāng)“好到可接受”的答案幾乎零成本時，獨立探索就迅速下降，整個團隊會趨同于少數(shù)幾種已被驗證的做法。個體不再有動力去嘗試那些高風(fēng)險、高不確定性的方向。

更值得警惕的是，這種對現(xiàn)成答案的依賴，正在從團隊層面下沉到個體大腦。調(diào)研數(shù)據(jù)顯示，學(xué)生在寫作任務(wù)中使用 AI 后，對內(nèi)容的回憶失敗率高達83.3%，這表明外在智能工具的介入在無形中降低了大腦的認知參與度。

大腦遵循用進廢退的原則，長期外包思考，最終會削弱人類親自下場干活的能力。

03.人人都可賽博永生

同事.skill 爆火之后，大家的想象空間打開了：既然同事可以蒸餾，老板、導(dǎo)師、前任當(dāng)然也可以蒸餾。

蒸餾你的老板，以后匯報前先讓 AI 老板預(yù)演一遍；蒸餾你的導(dǎo)師，讓他手把手教你修改論文；蒸餾你的前任，讓你們分手了又好像沒分手。

克隆一個數(shù)字分身，技術(shù)的發(fā)展正在讓這件事從科幻小說走向現(xiàn)實。早在 2024 年底，斯坦福大學(xué)和谷歌 DeepMind 的研究人員就做過一項實驗。他們讓 AI 與 1052 名參與者進行兩小時深度訪談，涉及個人故事、價值觀和對社會問題的看法，然后將這些數(shù)據(jù)訓(xùn)練成 AI 代理。

結(jié)果，這些 AI 復(fù)制品在性格測驗和社會調(diào)查中的反應(yīng)，與真人對應(yīng)物的匹配準(zhǔn)確率高達 85%。

2025 年底，Meta 獲批了一項頗為爭議的 AI 專利。這項專利描述了一種系統(tǒng)，能夠利用大語言模型分析已故用戶的帖子、評論、點贊、聊天記錄、語音消息，然后部署一個機器人接管賬號，繼續(xù)回應(yīng)動態(tài)、回復(fù)私信，甚至模擬音頻和視頻通話。

最近幾個月，市面上甚至出現(xiàn)了一批 AI 交友產(chǎn)品：用戶訓(xùn)練一個 AI 分身，讓它上網(wǎng)沖浪，和別人的 AI 分身聊天交友。人類只在關(guān)鍵時刻出馬（比如要去看對方家里的貓咪后空翻時）。

從實驗室的人格克隆到 Meta 的賽博永生，從蒸餾同事到 AI 交友，可以看出，人們對于復(fù)制一個數(shù)字生命真的很感興趣，有時想復(fù)制別人，有時想復(fù)制自己。

沒準(zhǔn)未來會出現(xiàn)這樣的場景：你的肉身已經(jīng)下班甚至離世，但你的 Skill 依然在流水線上被 24 小時調(diào)用，替別人改 Bug、回郵件、甚至在家庭群里陪長輩聊天。

職場技能可以被蒸餾，私人情感可以被數(shù)字化，連親密關(guān)系都可以被封裝成隨時待命的 Skill。我們以為用技術(shù)留住了對方，但留下的那個替身，真的是 TA 嗎？

在《黑鏡》第二季中第一集，女主角瑪莎的男友因車禍去世后，她利用男友生前在社交網(wǎng)絡(luò)上留下的數(shù)字足跡，生成了一個具有其聲音和意識的 AI 程序，最后甚至獲得了一個擁有男友外貌的實體機器人。

起初，AI 男友溫柔、體貼、永遠在線，完美地滿足了她的情感需求。但問題很快暴露了：人造體的行為完全基于數(shù)據(jù)模型，它無法產(chǎn)生真實的人類情感和即時反應(yīng)。

它不會生氣，不會不耐煩，不會犯錯，而恰恰是這些缺陷，才讓一個人真實可愛。瑪莎最終無法將其視為真正的愛人，把機器人收進了閣樓里。

技術(shù)能夠把我們拆解成數(shù)據(jù)，封裝成 Skill，但它沒辦法替我們真實地活在當(dāng)下，和一個真實的人經(jīng)歷一段無法被回放的關(guān)系。

就像我們可以蒸餾同事的經(jīng)驗，但不能蒸餾他熬夜改 Bug 時那句“沒事，我來”；我們可以復(fù)制前任的語氣，但不能復(fù)制第一次牽手時手心出汗的觸感；我們可以讓自己的 AI 分身永遠在線，但它不能替我們感受一場日落或一次擁抱。

或許，真正重要的東西，從來不在聊天記錄里，不在郵件歸檔里，不在任何可以被蒸餾的文件里——它只發(fā)生在你和我，面對面，此時此刻。