2026-04-06 22:12
扫码打开虎嗅APP
本文来自微信公众号： 酷玩实验室 ，作者：酷玩实验室，原文标题：《我把同事蒸馏成 Skill，然后他变成了永生牛马》
同事被裁了，留下的工作没人干怎么办？
别担心，科技发展日新月异，现在你可以把他蒸馏成Skill，让他随时随地写Bug，和你永生永世做同事。
同事.skill，一个最近在GitHub上爆火的开源项目：导入同事的“原材料”（飞书消息、钉钉文档、邮件、截图），克隆一个能够替他工作的AI。
炼化同事，提取舍利子。第一批被裁的打工人，已经实现赛博永生了。
AI时代的黑话还是迭代得太快了。“把同事蒸馏成Skill”，短短几个字里竟然出现了两个需要解释的行业术语。
为什么是“蒸馏”而不是“爆炒”呢？
在机器学习领域中，“蒸馏”（Distillation）是一种经典的模型压缩技术。核心思想是让一个小模型（学生）去模仿一个大模型（老师）的行为，这样可以让小模型在保持较高性能的同时，拥有更快的速度和更小的体积。
代入职场，同事本人是一个维护成本很高，又容易宕机的大模型。他有情绪波动，需要五险一金，还会因为失恋或流感陷入性能低谷。通过蒸馏，可以剥离这些占内存的冗余信息，只提取出他大脑中有用的生产能力。
所以，蒸馏同事，即提取同事之精华，弃其肉身之糟粕。
最终产出的Skill，可以简单理解为“技能插件”。如果把通用大模型比作一个拥有通用常识但缺乏职场经验的应届生，那么Skill就是一本写满了特定岗位潜规则、操作流程和思维范式的员工手册。
把同事蒸馏成Skill再喂给AI，即可获得一个更像同事的AI。那一刻，原本对公司项目一无所知的通用大模型，瞬间被注入了同事灵魂。话糙的网友将其称为“同事倒膜”。
最近很火的同事.skill，上线不到一周，就获得了7k stars（收藏）。项目的宣传文案就是它的使用场景：你的同事跳槽了，留下大量的文档没人维护？你的实习生离职了，只留下空荡的工位和烂尾的项目？你的搭档转岗了，熟悉的默契一夜之间归零？
将冰冷的离别化为温暖的Skill，初代数字生命竟先从打工人身上诞生。
生产同事.skill，原材料质量决定Skill质量，聊天记录加长文档的效果好于纯手动描述，最好先收集同事主动写的长文，其次是决策类回复，最后才是日常消息。
AI会把这些碎片拼凑起来，复制同事的工作能力和性格。工作能力包括他处理Bug的逻辑、写代码的规范、做竞品分析的框架，性格特征包括他汇报工作的语气、甩锅时的措辞，阿里味或字节范任选。
同事.skill的产出是一个文件夹，里面躺着一个完整的SKILL.md说明文件，外加几行执行脚本、一套提示词模板和一堆被切碎的资源数据。
生成之后，你可以通过指令在Claude Code或类似环境中调用这个AI同事来协助工作。最好蒸馏那些比较能干的同事，不然他就算变成了AI，也是一个爱甩锅的AI。
让打工人变成公司的祖传牛马，这个想法过于地狱，因此在社交平台上有很高的讨论度：人人都可以蒸馏另一个人，那未来岂不是全员Skill？
网友们创作了一系列梗图：“我的Skill已上传，我的工位已清空”“打工人的一生：入职→攒Skill→上传OpenClaw→毕业”。
用上牛马经验提取器，同事，散是Token，聚是Skill。
“建议改名叫同事Kill，成为Skill后就可以Kill掉了”。
这些自嘲式的调侃背后，是大家意识到，在AI时代的流水线上，打工人正在从工具的使用者，变成工具的母本。我们的劳动产出，本质上在为那个终将取代我们的Skill提供养料。
现在很多公司要求员工全员写自己的Skill，美名其曰“知识沉淀”，其实是一场针对生产力的资产盘点。让员工将个人工作经验文档化，脱水处理成可以被AI理解并运行的说明书。
上有政策下有对策，网友们很快就想出了反击招数：给自己的Skill“投毒”。但再细琢磨一下，看着自己亲手堆出来的那堆屎山代码，其实倒也大可不必刻意投毒，正常发挥就行。
有开发者创作了“反蒸馏Skill”：公司让你写Skill？跑一遍，交差用。
把写好的Skill扔进反蒸馏Skill，系统就会输出一份看起来完整专业，实则废话连篇的灌水版Skill。比如将“Redis key必须设TTL，不设的PR直接打回”变成“缓存使用遵循团队规范”。
可以依照公司的审核仔细程度决定清洗强度，完整版本只保留在自己手上。
先脱水，再灌水。让AI读了等于没读，让老板大有所获的同时两手空空。果然中华语言博大精深，人类创造力永无止境。
还有另一个防止自己被同事蒸馏的工具：杀死那个数字分身。
这个工具加入三层防护系统：第一层是混淆——写作风格随机化、代码风格混淆、语义噪声注入，让AI提取不出你的模式；第二层是追踪——在文档里嵌入肉眼不可见的零宽字符水印和金丝雀陷阱，一旦AI复述出来就是铁证；第三层是检测——风格指纹对比和水印验证器，帮你揪出有没有被人偷偷蒸馏。
一份普普通通的工作，硬是干出了碟中谍的即视感。
这些看起来有些魔幻的反蒸馏工具，是打工人面对不可逆的技术洪流时，试图抓住的最后一根稻草。但当整个职场都在朝着数字化狂奔时，个人的抵抗往往显得杯水车薪。
潮水的方向难以更改，干脆讲讲地狱笑话，乐呵乐呵算了。
1913年某一天，福特汽车的创始人亨利·福特从芝加哥的一家屠宰场里，找到了提升生产效率的灵感。
在那条血腥而精准的传送带上，一头完整的牛被挂在钩子上滑行，经过每一个工位时，屠夫们只负责极其机械的一刀：有人只管剔除脊骨，有人只管切下后腿。整头牛在移动中被迅速拆解成标准化的肉块。福特从中嗅到了工业时代的终极秘密——不要让一个人去造一辆车，要让一辆车经过一群只做固定动作的人。
在此之前，造一辆汽车是手工艺人的活儿：一群人围着一辆车敲敲打打，零件堆一地，工人得是熟练工，装一辆要花12个小时。
福特改进了方法：每个人只做一个动作，不用动脑子，只需要跟上传送带的节奏。结果一辆T型车的组装时间骤降至93分钟，后期进一步压缩到90分钟。
流水线把人拆解成工序节点，泰勒则在另一边把人拆解成可量化的数据单元。
1898年，这位科学管理之父在伯利恒钢铁公司进行了一场著名的实验。他找来一个叫施密特的工人，拿着跑表站在旁边，把他的每一个动作，包括怎么弯腰、怎么走路、怎么休息，全部标准化。
实验前，施密特每天搬运12到13吨生铁，挣1.15美元。泰勒给他设计了最优化的操作流程、精准的行走路线和固定的休息间隔，再配合计件工资激励。结果施密特每天搬运量从12吨飙升至47吨。
泰勒和福特像两根钉子，把现代职场钉死在效率的十字架上。这两股力量在20世纪交织蔓延，工业流水线上发展出来的绩效考核体系，从工厂蔓延到办公室，从一线工人渗透到程序员、产品经理、运营专员。
很多人觉得蒸馏同事是AI时代的特产，但其实打工人一直在通往工具的道路上步履不停。
ERP和各种办公自动化系统的普及，将员工的工作拆解成一系列SOP（标准作业程序）；OKR、KPI以及各种颗粒度极细的绩效统计，又把人们的贡献压缩成几个简单的数字。
公司鼓励员工写工作文档，将零散的工作记录直接转化为结构化的知识库，思考过程、决策依据、分析框架，写得越详细越好。协同办公软件也早已升级，能基于企业上传的所有文档、知识库甚至聊天记录进行智能问答。
当一个人的所有思考都被写进文档，所有讨论都被记录在云端，他的工作经验就成了系统里可以被检索和复用的知识资产。
新员工不必再花时间请教老同事，销售人员可以秒级调取历史成功方案。效率的代价，是人的不可替代性被大幅稀释。
对于老板来说，谁不希望自己的员工像USB接口一样呢？插上就能用，拔掉也没损失，甚至还能热插拔——不用关机就能换人。
AI的出现，只是恰好站在了这条工具化长链的终点。
过去，一个资深员工离职会带走大量的隐形成本，现在公司可以通过AI学习这些历史记录，把员工的职业精华提纯、封装，变成一个可以随时运行的Skill。
按照这样的发展趋势，或许会有越来越多行业经验被整合打包，变成Skill，存进公司的服务器里。新人不再需要通过长期的师徒带教来获取经验，他们只需要调用那个被蒸馏出来的Skill，就能瞬间获得你积累了十年的职业能力，即插即用。
这样做效率倒是很高，但有一个隐蔽的问题：知识被封装成Skill后，知识复用的成本急剧下降，可能削弱团队的长期创新能力。
HBR基于华威大学商学院的研究建立了一个分析模型，预测了这种现象的演变轨迹。当“好到可接受”的答案几乎零成本时，独立探索就迅速下降，整个团队会趋同于少数几种已被验证的做法。个体不再有动力去尝试那些高风险、高不确定性的方向。
更值得警惕的是，这种对现成答案的依赖，正在从团队层面下沉到个体大脑。调研数据显示，学生在写作任务中使用AI后，对内容的回忆失败率高达83.3%，这表明外在智能工具的介入在无形中降低了大脑的认知参与度。
大脑遵循用进废退的原则，长期外包思考，最终会削弱人类亲自下场干活的能力。
同事.skill爆火之后，大家的想象空间打开了：既然同事可以蒸馏，老板、导师、前任当然也可以蒸馏。
蒸馏你的老板，以后汇报前先让AI老板预演一遍；蒸馏你的导师，让他手把手教你修改论文；蒸馏你的前任，让你们分手了又好像没分手。
克隆一个数字分身，技术的发展正在让这件事从科幻小说走向现实。早在2024年底，斯坦福大学和谷歌DeepMind的研究人员就做过一项实验。他们让AI与1052名参与者进行两小时深度访谈，涉及个人故事、价值观和对社会问题的看法，然后将这些数据训练成AI代理。
结果，这些AI复制品在性格测验和社会调查中的反应，与真人对应物的匹配准确率高达85%。
2025年底，Meta获批了一项颇为争议的AI专利。这项专利描述了一种系统，能够利用大语言模型分析已故用户的帖子、评论、点赞、聊天记录、语音消息，然后部署一个机器人接管账号，继续回应动态、回复私信，甚至模拟音频和视频通话。
最近几个月，市面上甚至出现了一批AI交友产品：用户训练一个AI分身，让它上网冲浪，和别人的AI分身聊天交友。人类只在关键时刻出马（比如要去看对方家里的猫咪后空翻时）。
从实验室的人格克隆到Meta的赛博永生，从蒸馏同事到AI交友，可以看出，人们对于复制一个数字生命真的很感兴趣，有时想复制别人，有时想复制自己。
没准未来会出现这样的场景：你的肉身已经下班甚至离世，但你的Skill依然在流水线上被24小时调用，替别人改Bug、回邮件、甚至在家庭群里陪长辈聊天。
职场技能可以被蒸馏，私人情感可以被数字化，连亲密关系都可以被封装成随时待命的Skill。我们以为用技术留住了对方，但留下的那个替身，真的是TA吗？
在《黑镜》第二季中第一集，女主角玛莎的男友因车祸去世后，她利用男友生前在社交网络上留下的数字足迹，生成了一个具有其声音和意识的AI程序，最后甚至获得了一个拥有男友外貌的实体机器人。
起初，AI男友温柔、体贴、永远在线，完美地满足了她的情感需求。但问题很快暴露了：人造体的行为完全基于数据模型，它无法产生真实的人类情感和即时反应。
它不会生气，不会不耐烦，不会犯错，而恰恰是这些缺陷，才让一个人真实可爱。玛莎最终无法将其视为真正的爱人，把机器人收进了阁楼里。
技术能够把我们拆解成数据，封装成Skill，但它没办法替我们真实地活在当下，和一个真实的人经历一段无法被回放的关系。
就像我们可以蒸馏同事的经验，但不能蒸馏他熬夜改Bug时那句“没事，我来”；我们可以复制前任的语气，但不能复制第一次牵手时手心出汗的触感；我们可以让自己的AI分身永远在线，但它不能替我们感受一场日落或一次拥抱。
或许，真正重要的东西，从来不在聊天记录里，不在邮件归档里，不在任何可以被蒸馏的文件里——它只发生在你和我，面对面，此时此刻。
