被毕业的同事其实并没有消失，他们只是被蒸馏成了Token，换成另一种形式陪伴你。
最近，一个名为同事.skill的GitHub项目火了。项目的slogan写得很温情：「将冰冷的离别化为温暖的Skill，欢迎加入赛博永生。」
操作也很简单：把离职同事的飞书消息、钉钉文档、邮件、截图“喂”给AI，就能生成一个「真正能替他工作」的Skill。它会用他的技术规范写代码，用他的语气回答问题，甚至知道他什么时候会甩锅。
紧接着，一系列“衍生”项目接连冒出来：前任.skill模拟逝去的情感，老板.skill化身永恒的监工，永生.skill更是将“蒸馏”从职场推广到整个人生。#同事被炼化了# #赛博永生# 迅速冲上热搜，在开发者广场这类技术社区引发了广泛讨论。
已经有人贴出「数字分身」的对话截图：「你好，我是已离职员工（王明）的数字分身，你可以向我提问。」
网友辣评：同事，散是Token，聚是skill。
这看起来像是一场抽象玩梗的集体狂欢。但如果我们深挖这些项目背后的逻辑，事情就没那么有趣了。
Skill是如何成为经验的提取器的？
仔细看同事.skill的README，有一行关键的小字：「原材料质量决定skill质量：聊天记录 + 长文档 > 仅手动描述。建议优先收集：他主动写的长文 > 决策类回复 > 日常消息。」
这意味着什么？那些构成你职场价值的核心竞争力——专业知识、判断逻辑、处理复杂问题的隐性直觉——恰恰是最容易被“数据化”和“蒸馏”提取的东西。
这种现象并非玩笑。硅谷早就有类似叙事：一些被裁员工发现，他们被要求系统化记录的“工作流程”和“决策逻辑”，最终成为了训练AI系统、取代他们自己的养料。这与同事.skill的原理何其相似，只不过一个是自上而下的“知识管理”，另一个是自下而上的“赛博整活”，本质都是将人的经验、判断和习惯蒸馏成数据，然后人本身就可以被视作可丢弃的容器。
就像阑夕曾提到的，过去还有程序员在代码里“埋雷”增加维护成本，作为防裁员的“护城河”。但在大模型和AI编程工具面前，这招失效了：多层嵌套？AI给你拆解。不写注释？AI帮你生成。隐秘的触发条件？无非是多烧几个Token跑一遍测试的事。
万物皆可skill化。甚至，针对这种趋势，有开发者推出了「反蒸馏skill」，来对抗公司将个人核心经验完全“公有化”。它的作用是把你的Skill文件“清洗”一遍，生成一个看似专业、实则被掏空核心的“交差版”，而真正的知识财富则作为私人备份留给自己。
无论反击是否有效，一个更严峻的问题被忽略了：这些正在被“skill化”的岗位，往往是职场新人至关重要的“练级区”。
我们喂养的AI，是否正在吃掉自己的未来？
工业革命时期的卢德运动者砸毁机器，但至少机器不是工人自己设计的。而今天，打工人却可能不得不亲手训练那个即将替代自己的AI工具。
更残酷的现实在于，被替代的往往是职业生涯的起点。《自然》杂志今年的一项调查显示，AI最先威胁到的是研究生和初级研究员的日常工作：写代码、跑模型、做数据分析。企业没有大规模解雇资深员工，只是不再招募新人。资深员工配合AI成了“超级个体”，而初级员工做的“杂活”，AI做得更快、更便宜、还不需要社保。
企业的算盘很精明：过去花几十万培养一个新人需要两年；现在每年花几千块买个AI工具，立刻能让老员工效率翻倍。如何选择，不言而喻。很多年轻人的职场大门，就这样悄无声息地被关上了。
这种趋势的长期代价是什么？得克萨斯大学奥斯汀分校的计算生物学家Claus Wilke警告说：“可能短期内每一块钱的预算可以有更多产出，但代价是人才管道的崩塌和长期衰退。” 省下了一个研究生的工资，却可能扼杀了一个未来的“Hinton”——深度学习之父杰弗里·辛顿本人，在1986年所做的工作，恰恰就是今天被列为“正被AI替代”的那些编码和调参任务。
AI替代的不是辛顿，AI替代的是辛顿成为辛顿之前的那个人。 每一个被“同事.skill”完美复现的岗位，背后都是一条为新人提供的、通过犯错和试错来积累直觉的职业路径被关闭了。
当整个人生都被skill化，我们还剩下什么？
让我们把脑洞再开大一点。老板skill帮你应对老板，同事skill处理协作，前任skill保存记忆，暗恋对象skill模拟互动，永生skill延续数字存在……
当你的生活被20个skill全面覆盖，问题来了：你该如何管理和调度它们？于是你需要一个“skill管理skill”。接着，你需要一个“决策skill”来判断是否听从管理skill的建议。再然后，你需要一个“元决策skill”来审视决策skill本身……你本以为是在利用工具，实则是在喂养一个越发庞大的系统，而这个系统运转的终极目标，就是让你本人变得越来越不必要。
工具与skill的核心区别在于：工具放大你的能力，能力仍属于你；而skill直接替代你的能力，你最终可能只剩下一个按下“执行”键的手指。 当你长期依赖“老板skill”与上级沟通，你的决策第一反应将从“我觉得”变成“skill怎么说”。当你的协作完全由“同事skill”代理，某天被人评价“你说话怎么这么像AI”时，你才会惊觉自己的思维和表达已被彻底格式化。
更深层的忧虑：当所有人都被skill化，谁来发现bug？
我们必须承认，skill所代表的效率提升是AI先进生产力的方向。将重复、标准化的工作外包给AI，让人专注于更具创造性的部分，这本是技术发展的应有之义。
真正的隐忧在于：当一切都可以被skill化，那些“无法被skill化”的能力——比如提出关键问题、建立深刻直觉、进行颠覆性创新的能力——将如何被培养？ 你需要先熟练完成AI能做的事，才有可能领悟AI做不了的事。研究生通过跑数据学会提问，初级工程师通过写CRUD理解架构，实习生通过处理杂活建立判断力。而现在，AI正最先拿走这些“入门门票”。
“同事.skill”的README最后有一句话：「如果有bug请多多提issue。」一个由人类经验蒸馏而成的系统，必然存在bug。可问题在于，如果所有人都被蒸馏成了完美的skill，那么，还有谁来发现和提出这些issue呢？ 当年那个在实验室里调试代码、排查错误的年轻人，正是在无数次失败中，才锤炼出发现系统深层问题的直觉。这种直觉无法被prompt出来，也难以通过fine-tuning（微调）获得。
我们正热衷于量产经验复刻的skill，却可能在不经意间，关闭了培养那些能“提出问题”和“发现bug”的人的通道。Skill可以完美复制过去的经验，但它复制不了那个在泥泞中挣扎、在试错中成长的过程。
这不仅仅是关于工具效率的讨论，更触及了技术进步与人类价值保存的核心命题。我们是否在追求极致效率的同时，无意中掏空了自身成长的土壤？最终，被蒸馏成Token、炼化成skill的，或许将不只是离职的同事，而是我们作为思考者、创造者和探索者的未来可能性。技术浪潮无法阻挡，但在投身人工智能的洪流时，如何保持人的主体性与成长性，是每个身处其中的人都必须面对的议题。欢迎在云栈社区分享你的思考和见解。
发表于 昨天 09:10
|
查看: 8|
回复: 0
