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。

01.蒸馏同事进行时

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。

02.当经验变成Skill

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。

03.人人都可赛博永生

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。