一夜之間冒出5000多種蒸餾Skill，還有誰是不能被“煉”的？

過去一周，一個略帶黑色幽默的項目火了：同事.skill。

只要把一個人的聊天記錄、會議紀要、PRD、代碼注釋、郵件往來喂給模型，它就能生成一個“可調用的人”：用他的邏輯寫方案，用他的語氣回消息，用他的決策風格判斷優先級。

隨后，這把“煉丹爐”的火越燒越旺：前任.skill、老板.skill、導師.skill、月老.skill、大師.skill……甚至連女媧.skill都出現了。

GitHub上出現了一批結構高度相似的項目：Persona 層復刻表達風格，Work Skill 層復刻工作能力，最終輸出一個可以被調用的“人類接口”。

人，第一次被如此直觀地壓縮為一個API。

這件事真正引發關注的倒不是技術本身，而是它揭示了一個令人不適的趨勢：職場，正在被重新拆分為可以被調用的模塊。

1.“人味”正在消解，AI把職業拆成 Skill 樹

在一個按職業角色搜索 AI Agent SkillAI Skill 的平臺上，目已經收錄了 5121個 Skill，總安裝量超過百萬次。

（來源：skills.yangsir.net）

如果你觀察各種Skill上的技能結構，會發現一個明顯的變化：過去企業招聘的是崗位，現在招聘的是“skill組合”。

比如，產品經理不再是一個崗位，而是一組能力模塊：

● 用戶研究 skill

● PRD 撰寫 skill

● 路線圖規劃 skill

● 數據分析 skill

● 增長策略 skill

工程師，也不再是“后端工程師”，而是：

● Python skill

● API 設計 skill

● Kubernetes skill

● CI/CD skill

職業被拆解為技能樹，在這個時代并不新鮮。真正的變化在于：AI 讓 skill 第一次具備了“可復制性”。

過去，一個人的能力需要通過漫長的培訓、熟悉、復盤才能轉移；現在，一個 skill 可以通過上下文蒸餾，被快速復制為 AI Agent 的能力組件。

職場招聘和升遷的最小單位，也就從“單一崗位”變成“足夠多的skill”。

企業真正需要的，可能不再是一個完整的人，而是一組動態組合的能力模塊。

2.扎心真相：越小心翼翼認真工作的人，越容易被“煉”

很多人把這一波“蒸餾”的影響理解為：我會不會被取代？一番討論后，發現了尤其扎心的真相：最容易被系統完全復制的，反而是那些認真復盤、坦誠分析、事無巨細負責的人。

是否容易被蒸餾，取決于三個特征：

1. 是否高度結構化

越標準化的能力，越容易被提取為規則。例如：

● 寫標準格式報告

● 根據數據生成圖表

● 按既定流程推進項目

● 按規范編寫代碼

這些能力，本質上都是執行流程，而 pattern，正是模型最擅長的部分。

2. 是否高度上下文化

蒸餾 skill 的核心原料不是知識，而是上下文。過去這些年，我們的職場辦公經歷了一次轉變——大量工作過程被完整記錄在協作系統中。

● 聊天記錄

● 溝通文檔

● 共享文件

● 郵件系統

這些工具沉淀了一個“打工人”的：決策路徑/溝通方式/拆解邏輯/優先級判斷依據。

一個人的工作方式，被完整數字化。當上下文足夠豐富時，能力就可以被擬合。

3. 是否依賴穩定目標函數

模型最容易學習的，是“有明確評價標準”的能力。

例如：代碼是否報錯、文案是否通順、方案是否符合格式、數據是否準確

當“好壞標準”清晰時，能力就可以被優化。而一旦能力可以被優化，就可以被自動化。

3.隱性知識，不能被蒸餾成 skill

邁克爾·波蘭尼有一句被反復引用的話：“我們所知道的，比我們能表達出來的更多。”

他將知識分為兩種：顯性知識與隱性知識。顯性知識，是可以被語言、公式或圖表清晰表達的內容，比如書本里的方法、課堂上的講解、教程中的步驟；而隱性知識，則藏在經驗之中，往往體現在直覺、判斷和手感里，很難被完整說清，卻決定了事情能不能真正做好。

比如學游泳，我們很容易查到動作要領：身體保持流線型、注意換氣節奏、放松肌肉。但真正下水時才會發現，水的阻力、身體的平衡、呼吸的時機，都需要在反復嘗試中慢慢體會。

很多設計師也有類似感受：面對一句“要更高級一點”，背后可能是多年閱讀、觀察與實踐積累形成的直覺，卻很難被一句話解釋清楚。

專家之所以被稱為專家，并不是因為他們掌握了更多秘密，而是因為他們在某個領域里嘗試過足夠多次，犯過足夠多的錯誤，最終把經驗沉淀為穩定的判斷，并能夠重新表達出來，幫助他人理解。

從“知道”，到“做到”，再到“能夠解釋為什么這樣做”，這正是知識不斷進化的過程。

《自然》在2024年的一項研究也指出，用AI生成的數據訓練未來模型，會逐漸污染知識本身的多樣性。

當真實的、帶有隱性知識的上下文被逐漸榨干，系統只能用影子訓練影子時，最終會剩下什么？剩下的，很可能只是正確的廢話。

結構完美，卻沒有洞察；邏輯嚴謹，卻沒有判斷；表達流暢，卻沒有立場。

知識沒有消失，但思想消失了。

“蒸餾”的訓練數據，恰恰來自過去的我們。

這形成了一個悖論：我們正在被我們自己的影子訓練。

在「同事.skill」爆火之后，GitHub 上悄然出現了一個項目：anti-distill。它教職場人怎么防止被“白嫖”：在系統抓取上下文之前，主動制造噪音。

當系統偏好“長文”時，就生成看似完整卻缺乏核心邏輯的文本；當系統偏好“結構化表達”時，就提供高度形式化但信息密度極低的內容。

真正的職業資產，并不是那些已經被表達出來的內容，而是那些仍然停留在直覺中的判斷。

換句話說：職場的資產在于誰能夠持續產生新的認知結構，誰能具備不可以被直接“測量”的能力。

4.能力難以被直接測量時，網絡和使命驅動成功

“能力可測量”的說法，由全球復雜網絡研究權威，"無標度網絡"的創立者巴拉巴西教授在著作《巴拉巴西成功定律》中提出。

他的研究結論足夠反常識：“可測量”的能力表現驅動成功（比如游泳運動員的成績），但當能力難以被直接測量時，網絡結構驅動成功。

點擊書封，立即入手

這意味著，真正決定一個人長期影響力的，并不僅是他掌握多少技能，而是他是否成為“優先連接者”——是否處在知識網絡的關鍵節點。

一個人如何連接不同領域的知識，如何成為跨界結構的樞紐，

如何讓思想在更大的網絡中產生影響……這些能力，很難被壓縮為單一模塊。

在《哈薩比斯：谷歌AI之腦》這本書中，作者馬拉比還原了哈薩比斯的工作方式：

他每天14至16小時的工作時長，被切分為兩個彼此獨立的認知空間：白天，他是處理復雜組織與商業問題的管理者；夜晚，他回到科學家身份，推進理論，思考遠景。

馬拉比寫道：他的生活圍繞使命展開。

點擊書封，立即入手

“使命”與“熱情”，很難被復制為一個 skill。

因為 skill 可以描述“如何完成任務”，但無法描述“為何要完成這件事”。

使命，是一種長期張力。它改變一個人如何分配注意力，如何選擇問題，如何承受不確定性，當一個人被使命牽引時，他的行為不再僅僅由效率驅動，而是由方向驅動。

這也是為什么，在AI時代，一個危險的趨勢正在出現：越來越多的人，沉入信息流與短內容構成的“數字貧困”。

他們持續消費信息，卻很少進入真正的認知挑戰；他們不斷優化表達，卻很少重新定義問題。

而哈薩比斯所代表的，是另一條路徑：向外探索智力的邊界，向內鍛造意志的密度。

當AI不斷降低技能獲取成本時，真正稀缺的能力，反而變成：

• 長時間停留在困難問題中的能力

• 在不確定性中保持判斷的能力

• 在沒有即時反饋的情況下持續投入的能力

人類真正的競爭力，反而回到一個古老的問題：

• 你如何構建自己的認知網絡？

• 你如何選擇值得投入十年的問題？

• 你如何在沒有確定性的情況下，依然持續行動？

當世界越來越傾向于復制已有答案時，真正稀缺的，是那些仍然愿意進入未知的人。

我們學習的方式，也必須改變——線性課程，很難培養非線性能力。知識輸入，并不會自動形成認知結構。真正有效的方式，是：在復雜問題中訓練思維。

2026年，湛廬發起新奇點CLUB：核心不是提供更多信息，而是構建一個高密度的認知網絡。

在這里，你不是學習某個 skill，而是持續訓練：如何理解技術躍遷，如何判斷產業方向，如何面對未知并找到內心的幸福。

這未必是最優解，但確實是一種值得審視的進步觀。

歡迎你加入湛廬新奇點CLUB，成為那個定義問題、創造意義、連接彼此的人。

這或許才是AI時代最堅固的“思想錨點”。

加入新奇點CLUB

新奇點CLUB會員權益：

• 全年源頭領讀讀書會內容無限回看

• 領讀人閉門答疑

• 全年領讀書目電子書暢讀

• 同享湛廬超級會員權益（全年購書5折）

• 免費參加作者線下見面會（享有1帶1特權）

• 新奇點大師課/工作坊1600元獎學金

1.系統成長：圍繞“知、行、物、聯”四大支柱，將知識轉化為穩定的判斷力和可操作的方法。

2.全景認知：馬兆遠、田濤、宮玉振、梁冬、李宗恩、蘇德超等數十位頂尖專家組成的導師陣容，覆蓋AI、哲學、商業、教育、健康等多維度認知圖譜。

3.精英社群：與10000+同頻者，共創高質量思想共振。

歡迎加入這場與思想源頭同行的認知升級之旅！

近期活動

? 4月1日起，新奇點讀書會周健工領讀《哈薩比斯：谷歌AI之腦》

? 5月1日起，新奇點讀書會劉向東領讀《1號位思維》

? 4月18日至19日，丹納赫模式大師課

? 4月25日至26日，張堅大客戶銷售心法工作坊

BD@cheerspublishing.com,

拜托點下“在看”