我的同事被煉化成 Skill 了

被畢業(yè)的同事其實并沒有消失，他們只是被蒸餾成了 Token，換成另一種形式陪伴你。

最近一個「同事.skill 」的叫 GitHub 項目火了。項目的 slogan 寫得很溫情：「將冰冷的離別化為溫暖的 Skill，歡迎加入賽博永生。」

▲ https://github.com/titanwings/colleague-skill

操作也很簡單：把離職同事的飛書消息、釘釘文檔、郵件、截圖喂進去，AI 就能生成一個「真正能替他工作」的 skill。用他的技術規(guī)范寫代碼，用他的語氣回答問題，甚至知道他什么時候會甩鍋。

緊接著，前任 skill、老板 skill、導師 skill、父母 skill、暗戀對象 skill、永生 skill 接連冒出來。#同事被煉化了# #賽博永生# 沖上熱搜。

已經(jīng)有人貼出截圖：「你好，我是已離職員工（王明）的數(shù)字分身，你可以向我提問。」

網(wǎng)友辣評：同事，散是 Token，聚是 skill。

看起來是又是一次抽象玩梗，但笑著笑著，我發(fā)現(xiàn)很快就笑不出來了。

啟動全球線上黑客松 TapTV 引領內容平臺新范式 skills 怎么成了牛馬的經(jīng)驗提取器

同事.skill 的 README 里有一行小字：「原材料質量決定 skill 質量：聊天記錄 + 長文檔 > 僅手動描述。建議優(yōu)先收集：他主動寫的長文 > 決策類回復 > 日常消息。」

也就是說，你的專業(yè)知識、判斷邏輯、處理邊緣情況的直覺，這些構成你不可替代性的東西，恰恰是最容易被提取和蒸餾的東西。

APPAO 之前曾報道，硅谷的社交媒體和技術論壇上，有一個反復出現(xiàn)的敘事：被裁的員工發(fā)現(xiàn)，自己此前被要求系統(tǒng)性地記錄工作流程、決策邏輯和操作規(guī)范，管理層稱之為「知識管理」或「流程優(yōu)化」，而這些文檔最終被用于訓練 AI 系統(tǒng)。部分團隊在使用 AI 工具大幅提升了生產(chǎn)效率之后，整組被裁撤。

亞馬遜三年間砍掉超過 57000 個企業(yè)職位，CEO Andy Jassy 公開表態(tài)：企業(yè)員工會持續(xù)減少，但 AI 帶來的效率提升是值得的。與此同時，AI 輔助寫出來的程序開始把系統(tǒng)搞崩。去年 12 月亞馬遜內部的 AI 編程助手自行決定「刪除并重建整個環(huán)境」，導致 AWS 區(qū)域性宕機 13 小時。

一邊裁人，一邊 AI 把系統(tǒng)搞崩，然后讓剩下的人去兜底。人類把決策權交給 AI，AI 不承擔后果，后果回到人類頭上，但那時候能兜底的人已經(jīng)被裁掉了。

徹底閉環(huán)了。

同事.skill 背后實際上就是一種集體創(chuàng)傷的自嘲式表達。因為「同事.skill」干的事，跟那些大廠管理層要求員工「系統(tǒng)性記錄工作流程」的邏輯，一模一樣。只不過大廠是自上而下的「知識管理」，開源社區(qū)是自下而上的「賽博整活」。

殊途同歸：把人的經(jīng)驗、判斷、習慣蒸餾成數(shù)據(jù)，然后人就可以被丟棄。

就像闌夕說的，前幾年還有程序員出主意說可以在代碼里「埋雷」，多層嵌套、不寫注釋、故意加入只有自己才懂的觸發(fā)條件，增加別人的接手成本，當做一種防裁員技巧。

AI 來了之后這招也不靈了。多層嵌套？AI 給你拆開。不寫注釋？AI 給你補上。只有你懂的觸發(fā)條件？AI 跑一遍測試就能找出來，無非就是多燒一些 Token 嘛。

萬物皆可 skill 化。

有網(wǎng)友甚至整出了「反蒸餾 skill」（anti-distill）：公司讓你寫 skill？跑一遍，交差用。核心知識留給自己。把你寫好的 skill 文件扔進來，輸出一份看起來完整專業(yè)、實際上核心知識已被抽掉的「清洗版」。同時生成一份私人備份，記錄所有被抽掉的核心知識，這才是你真正的職業(yè)資產(chǎn)。

▲ https://github.com/leilei926524-tech/anti-distill.

不論這些反擊是否有效，有個更根本的問題被忽略了，這些被 skill 化的崗位，本來是很多職場新人的練級區(qū)。

你喂養(yǎng)的 AI，正在吃掉你的未來

工業(yè)革命時期，盧德運動者砸毀紡織機，但至少紡織機不是由紡織工人自己設計的。2026 年的打工人，卻不得不親手訓練出那個要替代自己的工具。

這還不是這事最殘酷的地方。

Nature 今年采訪了 48 位不同學科的科學家，問 AI 正在威脅哪些科學崗位。答案出人意料地一致：正在被替代的是寫代碼、跑模型、做數(shù)據(jù)分析，這些曾經(jīng)是研究生和初級研究人員的日常工作。Stanford 計算生物學家 Brian Hie 說得直白：實驗室專門雇來寫代碼的研究程序員？「這個崗位現(xiàn)在已經(jīng)過時了。」

AI 最能替代的，恰恰是科學家職業(yè)生涯的起點。

Anthropic 的報告指向同一個結論：自 ChatGPT 發(fā)布以來，22 至 25 歲年輕人在 AI 高暴露職業(yè)中的就業(yè)率下降了近 20%。企業(yè)沒有解雇老員工，只是不再招新人了。資深員工有 AI 加持變成超級個體，初級員工做的那些「雜活」，AI 更快更便宜還不需要五險一金。

企業(yè)的算盤打得很精，過去培養(yǎng)一個新人，年薪 15 萬培訓 2 年才能獨當一面。現(xiàn)在給老員工配個 AI 工具，年費幾千塊，效率立刻翻倍。怎么選？不言而喻。

培養(yǎng)一個新人要兩年，給老員工配個 AI 只要兩小時。很多年輕人的職場就這么關上了，甚至不職場人的 KPI，都開始要和 Token 消耗量掛鉤了。

UT Austin 計算生物學家 Claus Wilke 說：「可能短期內每一塊錢的預算可以有更多的產(chǎn)出，但代價是人才管道的崩塌和長期衰退。」

省了一個研究生的工資，但可能毀了一個未來的 Hinton。

1986 年的 Hinton 在做什么？寫代碼，跑實驗，調參數(shù)。他做的每一件事，都是今天被列為「正在被替代」的任務。如果他生在今天，可能連進實驗室的機會都沒有。

AI 替代的不是 Hinton，AI 替代的是 Hinton 成為 Hinton 之前的那個人。

這事不止發(fā)生在科研領域，這就是 skill 化的隱性代價。

每一個被 skill 化的崗位，表面上是效率的提升，實際上是一條職業(yè)路徑的關閉。每一個「同事.skill」的誕生，都意味著某個崗位上不再需要一個真人去犯錯、去試探、去積累那些 AI 提取不走的直覺。

當人生 skill 化，你還剩下什么

老板 skill 幫你應對老板，同事 skill 幫你處理同事關系，前任 skill 幫你保存記憶，暗戀對象 skill 幫你模擬互動。永生 skill 幫你延續(xù)存在。

你有 20 個 skill，覆蓋了生活中的每一種關系和場景，問題來了：要怎么管理這些 skill。

于是你需要一個「skill 管理 skill」來幫你調度。然后你需要一個「決策 skill」來判斷要不要聽「skill 管理 skill」的建議。然后你需要一個「元決策 skill」來決定要不要聽「決策 skill」的建議。

當你把整個人生都 skill 化，你以為在用工具，實際上在喂養(yǎng)一個越來越龐大的系統(tǒng)，而這個系統(tǒng)運轉的目的，是讓你本人變得越來越不必要。

是我在用 skill，還是 skill 在用我？

有人可能說，這不就是效率工具的進化嗎？從 Excel 到 ERP 到 AI skill，工具越來越強，人越來越輕松，有什么不好？

關鍵在于一個臨界點。Excel 不會替你做判斷，ERP 不會替你做決策，但 skill 會。

當你用老板 skill 應對老板三個月，你做決定前的第一反應，會從「我覺得」變成「skill 怎么說」。當你用同事 skill 處理協(xié)作半年，某天有人跟你說「你最近說話怎么這么像 AI」，你才發(fā)現(xiàn)自己的表達方式已經(jīng)被 skill 格式化了。

你沒有變成更好的自己，你變成了 skill 的執(zhí)行終端。

工具和 skill 的區(qū)別就在這里，工具放大你的能力，但能力還是你的。skill 替代你的能力，你只剩下一個按下發(fā)送鍵的手指。

誰來提 issue

skill 化的確代表了 AI 先進生產(chǎn)力的方向，這一點沒有人能否認，也沒有必要否認。

把重復性的、可標準化的工作外包給 AI，讓人有更多時間做更有價值的事。從蒸汽機到互聯(lián)網(wǎng)，每一次技術革命都遵循同樣的邏輯。

skill 不是洪水猛獸，問題是我們對 skill 的態(tài)度。

當一切都可以被 skill 化的時候，那些「不能被 skill 化」的能力，還有機會被培養(yǎng)出來嗎？

你需要先做那些 AI 能做的事，才能學會那些 AI 做不了的事。研究生要先跑數(shù)據(jù)才能學會提問，初級工程師要先寫 CRUD 才能理解架構，實習生要先做雜活才能建立判斷力。這些入門級的工作，恰恰是 AI 最先拿走的。

門票消失了，練級區(qū)關閉了，但最終 Boss 還在那里。

「同事.skill」的 README 最后有一句話：「如果有 bug 請多多提 issue。」

一個由人的經(jīng)驗蒸餾而成的 skill，當然會有 bug。問題是，當所有的人都變成了 skill，誰來提 issue？

當年那個在實驗室里寫代碼跑數(shù)據(jù)的年輕人，正是因為親手踩過無數(shù)個 bug，才能在三十年后看見別人看不見的東西。那些直覺不能被 prompt 出來，也不能被 fine-tune 出來。

我們正在量產(chǎn) skill，卻在關閉培養(yǎng)提 issue 的人的通道。

skill 可以復制經(jīng)驗，但復制不了那個在無數(shù)次失敗中學會提問的人。

也許有一天，我們會發(fā)現(xiàn)自己擁有了一萬個完美運行的 skill，卻找不到一個能指出 skill 哪里不對的人。

▲網(wǎng)友梗圖.

到那時候，被蒸餾成 Token 、煉化成 skill的，就不只是離職的同事了。