一夜之间冒出5000多种蒸馏Skill，还有谁是不能被“炼”的？

过去一周，一个略带黑色幽默的项目火了：同事.skill。

只要把一个人的聊天记录、会议纪要、PRD、代码注释、邮件往来喂给模型，它就能生成一个“可调用的人”：用他的逻辑写方案，用他的语气回消息，用他的决策风格判断优先级。

随后，这把“炼丹炉”的火越烧越旺：前任.skill、老板.skill、导师.skill、月老.skill、大师.skill……甚至连女娲.skill都出现了。

GitHub上出现了一批结构高度相似的项目：Persona 层复刻表达风格，Work Skill 层复刻工作能力，最终输出一个可以被调用的“人类接口”。

人，第一次被如此直观地压缩为一个API。

这件事真正引发关注的倒不是技术本身，而是它揭示了一个令人不适的趋势：职场，正在被重新拆分为可以被调用的模块。

1.“人味”正在消解，AI把职业拆成 Skill 树

在一个按职业角色搜索 AI Agent SkillAI Skill 的平台上，目已经收录了 5121个 Skill，总安装量超过百万次。

（来源：skills.yangsir.net）

如果你观察各种Skill上的技能结构，会发现一个明显的变化：过去企业招聘的是岗位，现在招聘的是“skill组合”。

比如，产品经理不再是一个岗位，而是一组能力模块：

● 用户研究 skill

● PRD 撰写 skill

● 路线图规划 skill

● 数据分析 skill

● 增长策略 skill

工程师，也不再是“后端工程师”，而是：

● Python skill

● API 设计 skill

● Kubernetes skill

● CI/CD skill

职业被拆解为技能树，在这个时代并不新鲜。真正的变化在于：AI 让 skill 第一次具备了“可复制性”。

过去，一个人的能力需要通过漫长的培训、熟悉、复盘才能转移；现在，一个 skill 可以通过上下文蒸馏，被快速复制为 AI Agent 的能力组件。

职场招聘和升迁的最小单位，也就从“单一岗位”变成“足够多的skill”。

企业真正需要的，可能不再是一个完整的人，而是一组动态组合的能力模块。

2.扎心真相：越小心翼翼认真工作的人，越容易被“炼”

很多人把这一波“蒸馏”的影响理解为：我会不会被取代？一番讨论后，发现了尤其扎心的真相：最容易被系统完全复制的，反而是那些认真复盘、坦诚分析、事无巨细负责的人。

是否容易被蒸馏，取决于三个特征：

1. 是否高度结构化

越标准化的能力，越容易被提取为规则。例如：

● 写标准格式报告

● 根据数据生成图表

● 按既定流程推进项目

● 按规范编写代码

这些能力，本质上都是执行流程，而 pattern，正是模型最擅长的部分。

2. 是否高度上下文化

蒸馏 skill 的核心原料不是知识，而是上下文。过去这些年，我们的职场办公经历了一次转变——大量工作过程被完整记录在协作系统中。

● 聊天记录

● 沟通文档

● 共享文件

● 邮件系统

这些工具沉淀了一个“打工人”的：决策路径/沟通方式/拆解逻辑/优先级判断依据。

一个人的工作方式，被完整数字化。当上下文足够丰富时，能力就可以被拟合。

3. 是否依赖稳定目标函数

模型最容易学习的，是“有明确评价标准”的能力。

例如：代码是否报错、文案是否通顺、方案是否符合格式、数据是否准确

当“好坏标准”清晰时，能力就可以被优化。而一旦能力可以被优化，就可以被自动化。

3.隐性知识，不能被蒸馏成 skill

迈克尔·波兰尼有一句被反复引用的话：“我们所知道的，比我们能表达出来的更多。”

他将知识分为两种：显性知识与隐性知识。显性知识，是可以被语言、公式或图表清晰表达的内容，比如书本里的方法、课堂上的讲解、教程中的步骤；而隐性知识，则藏在经验之中，往往体现在直觉、判断和手感里，很难被完整说清，却决定了事情能不能真正做好。

比如学游泳，我们很容易查到动作要领：身体保持流线型、注意换气节奏、放松肌肉。但真正下水时才会发现，水的阻力、身体的平衡、呼吸的时机，都需要在反复尝试中慢慢体会。

很多设计师也有类似感受：面对一句“要更高级一点”，背后可能是多年阅读、观察与实践积累形成的直觉，却很难被一句话解释清楚。

专家之所以被称为专家，并不是因为他们掌握了更多秘密，而是因为他们在某个领域里尝试过足够多次，犯过足够多的错误，最终把经验沉淀为稳定的判断，并能够重新表达出来，帮助他人理解。

从“知道”，到“做到”，再到“能够解释为什么这样做”，这正是知识不断进化的过程。

《自然》在2024年的一项研究也指出，用AI生成的数据训练未来模型，会逐渐污染知识本身的多样性。

当真实的、带有隐性知识的上下文被逐渐榨干，系统只能用影子训练影子时，最终会剩下什么？剩下的，很可能只是正确的废话。

结构完美，却没有洞察；逻辑严谨，却没有判断；表达流畅，却没有立场。

知识没有消失，但思想消失了。

“蒸馏”的训练数据，恰恰来自过去的我们。

这形成了一个悖论：我们正在被我们自己的影子训练。

在「同事.skill」爆火之后，GitHub 上悄然出现了一个项目：anti-distill。它教职场人怎么防止被“白嫖”：在系统抓取上下文之前，主动制造噪音。

当系统偏好“长文”时，就生成看似完整却缺乏核心逻辑的文本；当系统偏好“结构化表达”时，就提供高度形式化但信息密度极低的内容。

真正的职业资产，并不是那些已经被表达出来的内容，而是那些仍然停留在直觉中的判断。

换句话说：职场的资产在于谁能够持续产生新的认知结构，谁能具备不可以被直接“测量”的能力。

4.能力难以被直接测量时，网络和使命驱动成功

“能力可测量”的说法，由全球复杂网络研究权威，"无标度网络"的创立者巴拉巴西教授在著作《巴拉巴西成功定律》中提出。

他的研究结论足够反常识：“可测量”的能力表现驱动成功（比如游泳运动员的成绩），但当能力难以被直接测量时，网络结构驱动成功。

点击书封，立即入手

这意味着，真正决定一个人长期影响力的，并不仅是他掌握多少技能，而是他是否成为“优先连接者”——是否处在知识网络的关键节点。

一个人如何连接不同领域的知识，如何成为跨界结构的枢纽，

如何让思想在更大的网络中产生影响……这些能力，很难被压缩为单一模块。

在《哈萨比斯：谷歌AI之脑》这本书中，作者马拉比还原了哈萨比斯的工作方式：

他每天14至16小时的工作时长，被切分为两个彼此独立的认知空间：白天，他是处理复杂组织与商业问题的管理者；夜晚，他回到科学家身份，推进理论，思考远景。

马拉比写道：他的生活围绕使命展开。

点击书封，立即入手

“使命”与“热情”，很难被复制为一个 skill。

因为 skill 可以描述“如何完成任务”，但无法描述“为何要完成这件事”。

使命，是一种长期张力。它改变一个人如何分配注意力，如何选择问题，如何承受不确定性，当一个人被使命牵引时，他的行为不再仅仅由效率驱动，而是由方向驱动。

这也是为什么，在AI时代，一个危险的趋势正在出现：越来越多的人，沉入信息流与短内容构成的“数字贫困”。

他们持续消费信息，却很少进入真正的认知挑战；他们不断优化表达，却很少重新定义问题。

而哈萨比斯所代表的，是另一条路径：向外探索智力的边界，向内锻造意志的密度。

当AI不断降低技能获取成本时，真正稀缺的能力，反而变成：

• 长时间停留在困难问题中的能力

• 在不确定性中保持判断的能力

• 在没有即时反馈的情况下持续投入的能力

人类真正的竞争力，反而回到一个古老的问题：

• 你如何构建自己的认知网络？

• 你如何选择值得投入十年的问题？

• 你如何在没有确定性的情况下，依然持续行动？

当世界越来越倾向于复制已有答案时，真正稀缺的，是那些仍然愿意进入未知的人。

我们学习的方式，也必须改变——线性课程，很难培养非线性能力。知识输入，并不会自动形成认知结构。真正有效的方式，是：在复杂问题中训练思维。

2026年，湛庐发起新奇点CLUB：核心不是提供更多信息，而是构建一个高密度的认知网络。

在这里，你不是学习某个 skill，而是持续训练：如何理解技术跃迁，如何判断产业方向，如何面对未知并找到内心的幸福。

这未必是最优解，但确实是一种值得审视的进步观。

欢迎你加入湛庐新奇点CLUB，成为那个定义问题、创造意义、连接彼此的人。

这或许才是AI时代最坚固的“思想锚点”。

加入新奇点CLUB

新奇点CLUB会员权益：

• 全年源头领读读书会内容无限回看

• 领读人闭门答疑

• 全年领读书目电子书畅读

• 同享湛庐超级会员权益（全年购书5折）

• 免费参加作者线下见面会（享有1带1特权）

• 新奇点大师课/工作坊1600元奖学金

1.系统成长：围绕“知、行、物、联”四大支柱，将知识转化为稳定的判断力和可操作的方法。

2.全景认知：马兆远、田涛、宫玉振、梁冬、李宗恩、苏德超等数十位顶尖专家组成的导师阵容，覆盖AI、哲学、商业、教育、健康等多维度认知图谱。

3.精英社群：与10000+同频者，共创高质量思想共振。

欢迎加入这场与思想源头同行的认知升级之旅！

近期活动

• 4月1日起，新奇点读书会周健工领读《哈萨比斯：谷歌AI之脑》

• 5月1日起，新奇点读书会刘向东领读《1号位思维》

• 4月18日至19日，丹纳赫模式大师课

• 4月25日至26日，张坚大客户销售心法工作坊

BD@cheerspublishing.com,

拜托点下“在看”