6.6万星开源项目把同事"复活"了，GitHub这次玩的是赛博永生？

GitHub最近上演了一场荒诞的开源狂欢。

「张雪峰.skill」项目上线，把5本著作、15篇采访、30多条语录喂给AI，炼出一个能替你选专业的"东北大哥"。网友戏称这是"赛博永生"——人还没走，数字分身先火了。

更魔幻的是「同事.skill」。抓取离职员工的飞书记录和钉钉文档，5天狂揽6.6k星，衍生出「老板.skill」「导师.skill」「前任.skill」等85万多个变体。评论区一片"我的skill已上传"，仿佛人人都在给自己造数字骨灰盒。

但热闹背后有个真问题：为什么这种粗糙的"人格克隆"能爆火？它会是下一代AI应用的标准形态吗？

用过通用大模型的人都懂那种落差。从惊艳，到平淡，再到乏味。

你问"新闻学好不好就业"，标准回答是这样的："新闻学具有深厚社会价值，培养了采写能力和批判性思维。然而随着传统媒体转型，就业市场面临挑战。一方面新媒体需要内容人才，另一方面纸媒岗位缩减。建议根据个人兴趣、家庭经济状况和长远规划综合考量……"

错了吗？毫无破绽。有用吗？纯属废话。

通用大模型本质是"正确的平庸"。为了追求广泛适用，它们被训练成绝对中立的复读机，阉割掉所有情绪、立场和棱角。给你列一堆SWOT分析，永远不敢替你做决定。

而真实决策充满利益权衡、信息不对称和资源博弈。这正是通用模型的致命短板，也是「张雪峰.skill」们生长的土壤。

技术门槛其实不高。底层是Anthropic 2025年发布的Claude Skills架构，把领域知识封装成可动态加载的"能力模块"。抓取聊天记录、文档、邮件，用结构化提示词模拟一个人的工作习惯和说话方式。

「张雪峰.skill」提炼出5个核心心智模型和8条决策启发式。激活后，面对同样的问题，它是这么回答的：

"你家里有矿吗？有试错资本吗？"

"没有就闭着眼睛选工科、选计算机、选能直接学门手艺的专业。"

"别跟我扯新闻理想，吃不上饭的时候理想一文不值。你选新闻学，我就把你打晕。"

外界骂他是"焦虑贩子"，但一个事实无法否认：张雪峰提供了一套"生存主义决策模型"，根据就业和考生情况选专业。对迷茫中急需明确答案的家长和学生，这依然有价值。

这也解释了为什么他去世后，「张雪峰.skill」会引发如此大的关注。

当然，目前的版本还停留在对话阶段。理想的"高考志愿Agent"应该能自动调取全国高校招生计划API，生成冲稳保策略的志愿表，一键模拟填报。

这就是1个张雪峰胜过1个ChatGPT的原因：复杂现实面前，用户要的不是通用AI，而是一个懂行的熟人，一个能给出确定性答案的专家。

把视线拉远，「张雪峰.skill」可能只是引子，暗藏着AI产品生态的终极走向——全能型AI沦为水电网一样的底层设施，繁荣的将是成千上万个垂直领域的"专家Agent"。

为什么需要100个"张雪峰"？因为人类社会的专业知识壁垒极高，容错率极低。

通用大模型最致命的弱点是幻觉。闲聊无伤大雅，但在医疗、法律、财会等严肃领域，幻觉是致命的。

你生病了问医生，合同纠纷找律师，家装请设计师。永远不会跑去问通晓天文地理的哲学家："我的阑尾炎该怎么割？"

ChatGPT就是那个全知全能的哲学家。有问必答，但没有行医资格证，也没有出庭实战经验。

所以我们可能需要法律界的"罗翔Agent"：输入最新成文法、百万份裁判文书，用通俗语言分析劳动仲裁胜算率，一键生成律师函。也可能需要财务界的"四大Agent"：接入企业ERP，以顶级审计师逻辑实时抓取财报漏洞和现金流风险。

垂直Agent的核心优势在于搜索范围被严格限制在特定知识库内，幻觉率大幅压低。不需要无所不知，只需要在自己的领域里绝对可靠。

当100个垂直Agent被创造出来，下一步的爆发点在于多智能体协同。未来创办公司，不再需要招聘整支团队。在AI应用商店里，雇佣"马斯克Agent"做战略，"张小龙Agent"抓产品细节，"李佳琦Agent"负责直播文案……

你的系统就是一个群聊。提出复杂商业需求，100个垂直专家在群里互相讨论、纠错、甚至争吵，最终推演出执行方案。

这才是AI重塑生产力的理想形态：将人的专业智慧模块化、可复用化、可协同化。

不过，在迎接"100个张雪峰"之前，仍需直面隐私泄露、商业滥用、职场伦理等现实难题。技术本无善恶，关键在于使用的边界与规则。只有当监管落地、行业告别无序繁荣，"100个张雪峰"才会从开源狂欢真正走进现实。

据说「张雪峰.skill」的开发者正在调试一个新功能：让AI在给出建议后，自动补一句"以上观点仅供参考，最终决策请结合家庭实际情况"——大概是怕数字分身惹上真官司。这个细节本身，或许比任何技术讨论都更能说明问题。