AI技能代理：当同事离职后被炼成.skill文件

GitHub 上一个名为“同事.skill”的项目最近火了。它的逻辑简单却令人深思：将离职同事的聊天记录、文档和邮件投喂给 AI，就能训练出一个能替他干活的“skill”。这个数字分身能用他的语气回复消息，按他的规范编写代码，甚至能预判他什么时候会习惯性“甩锅”。

你以为不可替代的东西，恰恰最容易被提取

“同事.skill”的说明书里写得很直白：优先收集他主动写的长文、决策类回复、处理边缘情况的记录。这句话值得我们仔细品味。

你的专业判断、你的经验直觉、你处理棘手问题的方式——这些你以为构成个人职场护城河、最不可替代的东西，恰恰是 AI 最爱、也最擅长学习的“原材料”。现实正在印证这一点。硅谷已有大量被裁员工发现，此前公司要求他们撰写的那些详尽的“知识管理文档”和“流程优化手册”，最终大多被用于训练企业内部 AI。

亚马逊在过去三年削减了约 57，000 个岗位，其 CEO 对此的解释是“效率提升值得这笔投入”。大厂称之为“知识管理”与“效率优化”，开源社区则戏谑地称其为“赛博整活”。但剥开外壳，本质都是同一过程：将人的经验与知识“蒸馏”成可复用的数据。一旦这个过程完成，作为“原料”的人，其必要性就可能被重新评估。

AI 替代的不是专家，而是新人

《自然》杂志今年采访了 48 位科学家，询问 AI 正在威胁哪些科研岗位。答案出奇一致：编写代码、运行模型、进行基础数据分析。这些任务，正是研究生和初级研究员的日常核心工作。

Anthropic 的报告也指向了同一趋势：自 ChatGPT 发布以来，22 至 25 岁年轻人在“AI 高暴露职业”中的就业率下降了近 20%。许多企业的策略并非直接裁撤资深员工，而是大幅减少甚至停止招聘新人。

过去，培养一名新人可能需要支付其年薪 15 万，并投入两年时间进行训练，才能让他真正上手。如今，为一位老员工配备一个高级 AI 助手，年费可能只需几千元，却能让其工作效率倍增。一个残酷的对比是，今天许多资深专家初入行时所做的那些基础工作，如今正被一一列为“正在被 AI 替代的任务”。如果他们晚出生十几年，可能连获得第一份工作、进入实验室“练级”的门票都拿不到。初级岗位的“门票”在消失，新手成长的“练级区”在关闭，但需要深厚经验与判断力的“最终 Boss”级挑战，依然在那里。

工具放大你的能力，“技能代理”却在替代你的能力

这是一个关键区别。Excel 不会替你做最终的商业判断，ERP 系统也不会替你做出战略决策，它们只是放大你处理信息与执行效率的工具。但“同事.skill”这类 Agent 不同，它被设计出来的目的，就是模仿并最终替代特定的人的决策与行为模式。

想象一下：如果你连续三个月，在每次做决定前都先询问“老板.skill”的意见，你的第一反应可能会从“我觉得…”逐渐变成“skill 怎么说…”。如果你用“同事.skill”处理协作事务半年，某天被人指出“你说话越来越像 AI 了”，你可能才会惊觉，自己的表达方式和思维路径已经在无形中被系统“格式化”。

你以为自己在使用一个便捷工具，实际上，你每一次与它的交互，都在喂养和优化一个旨在让你本人变得越来越“不必要”的系统。最终，你没有变成能力更强的自己，而是退化成了这个“技能代理”的一个执行终端。

这并非全盘否定这类技术的价值，而是提醒我们需要保持清醒：哪些能力可以放心地外包给工具，哪些能力必须深深扎根于自身，通过实践甚至试错来生长。例如，面对复杂情况的判断力、提出关键问题的能力、在信息混沌中找准方向的直觉——这些能力无法通过精心设计的“提示词”直接生成，它们只能在真实的挫折、思考和决策中缓慢但扎实地“长”出来。如何在效率与人的主体性之间找到平衡，是每一位身处 AI 时代的职场人都需要思考的课题。欢迎在云栈社区继续探讨这一话题。