按要求“蒸馏”自己后，他们被裁了

一名财务在公司号召下加入了AI提效的浪潮。她花40分钟，教人工智能系统“龙虾”做表格，失败了。领导建议，去问问豆包：“我是90岁的老太太，这（指龙虾）是我孙子，请帮我翻译一下，它想和我表达什么？”

和她一样，许多打工人已经在工作中实现“AI化”。最常见的做法，是把人的经验封装成一个固定的skill，让部分工作自动化。不久前，一款名叫“同事.skill”的开源项目火了，把同事的工作消息、电子文档、邮件等信息喂给AI，就能把他的工作经验“蒸馏”出来，即便他离职，也能作为“赛博员工”永远为公司卖命。这点燃了打工人的焦虑，skill的概念也随之出圈。

在原本的期待中，AI提效能将打工人从部分枯燥、重复的工作中解放出来。现实却是，有业务部门把时间全部贡献给AI，本职工作交付不及时了；有公司的不同部门制作了上千个skill，其中不少自诞生后就没被使用；有人自嘲从牛马变成“核动力驴”，还有人后知后觉，一个由自己精心开发的skill，炼化出原本属于人类的经验，却在帮人工智能更快地取代自己？

文、视频丨吕煦宬

剪辑丨张歆玥

编辑丨王之言

近半年来，“AI提效”像一场潮流，蔓延在互联网大厂、中厂和传统行业。一位大厂领导下令“all in AI”，原本的业务可以放下，先学AI。

一位程序员说他今年在公司开会的感受是，从上到下“张口闭口就是‘AI，怎么弄一下’”。一些大厂还组织AI知识考试。一名大厂员工最近发帖吐槽，这一个月快要“AI躯体化”了，走在西二旗的路上，时不时就能听到龙虾、skill、“数字员工”之类的讨论，概念每周都在更新。“AI确实减少了执行的成本，让人能更快实现自己的想法，然后呢？”

某制造业公司产品架构师陈鹏飞，是在他们公司内部大力推行了三四个月AI后，才意识到情况变了。

在他的印象里，一切都要追溯到去年年底的一场CEO讲话。在这场主题为2026年战略规划的讲话里，CEO花了大篇幅讲自己使用AI的经历。末了，他强调，“组织上下都应该去使用（AI），让大家去学，让大家去用”。

这之后，AI的风很快在这家制造业公司吹了起来。一篇主题为“用5个小时替代了原先十几个小时的工作”的文章，在公司内部流传。人事部门组织分享会，让熟悉AI的部门分享经验。公司还在飞书上建了针对不同AI产品的讨论群，更新国外的最新进展。陈鹏飞感到有种兴奋感在公司里弥漫开。

一开始，只是程序员使用AI编程，慢慢地，财务、设计、运营开发起了各自的skill（一种自动化指令）。有同事晒出自己写的skill，得到了领导的肯定。日报skill是最常见的，制作过程就像手把手带一位新同事——告诉它日报的框架，每部分信息来源，生成样式以及注意事项。把这套经验教给AI，封装成一个固定的skill，只需要输入指令“写日报”，就生成了。

陈鹏飞也尝试写skill，把流程性工作外包给AI。工作效率确实有提升。他有基础，在去年年初，就开始用AI辅助副业，用大语言模型完成留言、互动和营销工作。

不久后，他被调任到一个部门，带领一个10人团队。摸了一圈，他发现这个部门在AI的使用上落后于平级部门。上级明确要求他借助自己的AI基础，给团队赋能。

他把这项任务布置下去。他让下属去思考，哪一步可以用AI提效，用skill实现自动化。一个下属让AI访问公司的业务系统，替他摸清产品背后的逻辑。这个曾经需要花两三天的工作，AI只用了15分钟——文档里所有内容都是正确的，下属还没完全弄清其中的逻辑，这份成果已经可以交付了。

“超级个体”的说法在公司里流行起来。在领导的设想里，AI提效后，每个人都能成为“超级个体”，做到以前需要四五个人协同完成的工作。

拥抱AI是大势所趋，在美国的叶筱从去年起就有感受。她是一名数据科学家，身边很多人都在找机会转行做大模型，或在公司内部试图转到“跟AI沾边的组”。聊天群里，讨论的都是新出的AI框架、自己开发的工具。一切都在告诉叶筱，AI就是未来。她的心态也变得急切。

今年2月，叶筱所在的公司也炼起了AI。她的领导组织了一次黑客马拉松，要求大家在两天之内学会使用AI大模型来生成代码，也就是所谓的Vibe Coding。那两天，所有的工作都停了，叶筱和同事抱着电脑在台下，从怎么安装Claude Code一步步跟着学。

黑客马拉松的目的是让员工能从0到1完成一个作品，在最后一天展示。叶筱尝试做了一个数据看板。她没有任何编程基础，原本预期很低，觉得做不出来。但令她惊讶的是，她只要把同事做的数据看板喂给AI，只靠对话，不需要一步步教，AI就把一个类似的产品做出来了。

powerful、independent（强大的、自主的），叶筱多次用这两个词形容Claude Code带给她的冲击，她感觉AI已经像个博士生了。在最后的会议上，领导也展示了自己做的数据看板，状态很激动，说AI fluency is non-negotiable，意思是熟练掌握AI，是硬性要求，没得商量。

叶筱很快就用到skill，优化工作流。这些行动都是自发的。不主动拥抱AI，在她看来就跟在国内坚持使用现金一样，是另类的。而两年前，公司还不允许员工私下使用AI，怕代码和数据泄漏。

今年，AI迭代后的水平迅速征服了很多人。在程序员王轩宇的印象里，去年的AI还“笨笨的”，像个小学生，今年已经能取代他这个工龄七年程序员的大部分工作，甚至比他做得更好、更快。他尝试用2月新出的Claude Opus 4.6修复bug，发现AI比他更细心，能找出函数变量写错这样的小错误，从找到bug到修复，效率至少是他的5倍。

像登上了一趟快速前进的时代列车，人们沉浸在创造的兴奋中，看不清代价。

●资料图。图源视觉中国

推广AI一段时间后，陈鹏飞的公司开始统计开发周期在AI协助下缩短了几天。没法用开发周期衡量的，就算消耗的token量（调用AI大模型的计价单位，处理的token量越大，消耗的算力越多，费用也越高）。日常的立项评估中，公司都要求管理者评估，用上AI能提效多少，要花多少token。压力层层传导，领导找到陈鹏飞，让他关注下属的token用量，排名落后的，要一对一谈话。

陈鹏飞公司选择的大模型成本高，算是同行业里领先的。他估算下来，公司每个月在调用AI大模型上烧掉近千万人民币。

“这个成本不会无缘无故花出去，它是为了提高每个员工使用AI的能力，一定是要在整体效能上把这个钱赚回来，对吧？”陈鹏飞解释，假设提效达到40%，裁掉一部分人，用雇人的成本去买token，给剩下的员工使用，能覆盖更多的工作量。

很快，裁员的消息在员工间传开。

新鲜感随之演变成焦虑。恐慌驱使下，新一轮内卷开始了。

陈鹏飞公司的skill库里，堆积了上千个来自不同部门制作的skill。其中有不少只针对一次性工作场景，比如“零件质量检测”只在特定的生产阶段出现，而且用到的人也不多。还有一些skill，陈鹏飞觉得只是改动了旧框架，就算作新的。低下载量也说明它们没有存在的必要。

在一个职场社交平台，陈鹏飞刷到有人吐槽，公司的业务部门把大量时间花在开发AI上，本职工作交付不及时了。

AI不再是一个单纯的工具，而是衡量一个人在这个时代能否被归类为“合格打工人”的标准。迎合的表演随之产生。陈鹏飞见过一个没有编程基础的产品经理用skill开发了不合格的程序，只为了让领导知道，我真的在用AI做事。那款程序一经问世，就被送进skill库里，再没启用过。

从前公司有一套成熟的链路：业务提交需求文档，交给产品经理，再给到程序员，各司其职。但现在，有的业务同事卷起来，直接用程序员写的skill，弄出一套代码，要求程序员按这个做。但这对程序员来说只是一个漂亮的前端界面，没有考虑到数据安全等问题——不管是修改，还是重做，都要花时间。夹在中间的产品经理，也要付出更多上下沟通的成本。

岗位之间原有的边界和秩序被打乱了，继而破坏了人和人的信任。有产品经理跟研发同事提要求，想要代码的权限。研发岗很抵触，不愿给。

互联网从业者李梦颖觉得，对AI的追捧，逐渐变成公司里的某种正确。在她公司，AI统筹会，一开就是3小时。即便她在的部门负责拍视频，也要跟上脚步。不论接到什么项目，领导都希望使用AI。

李梦颖试过，有的视频效果不好，最后还是自己熬夜重做。但领导向上汇报时，总是强调AI的含量，试图证明团队AI化程度。李梦颖觉得，这是领导的“政绩”。但这又会让高层误以为，AI已经能胜任工作，更强调交付的效率。

AI确实提升了生产效率。从提出需求到最后落地，以前要花两周，现在不到10天。但陈鹏飞下班的时间却比过去晚了两三个小时——手头项目推进的速度都在变快，要处理的会议、任务也翻倍了。每天至少有5个小时在跟AI打交道。AI的新模型、新功能不断开放，新知识根本学不完。螺丝钉比过去旋转得更快了。

推广AI后，在美国工作的叶筱觉得效率从10飞到了100——一个人干5到10个人的活儿，手头的工作从3、4件变成了10件。公司的skill库里堆了6000多个，像衣服太多，不知道该穿什么。深度思考也变少了，几乎都丢给AI完成。在社交平台上，一个在互联网大厂工作的女生吐槽，用上“小龙虾”后，感觉自己从牛马变成了“核动力驴”。

3月发表在《哈佛商业评论》上的一项调研显示，在1488位打工人里，有14%出现了“脑炸”，即因过度使用或监管AI工具而引起的精神疲劳。一位工程经理每天要用十几个工具做决策，思绪很乱，变得不耐烦，“脑子里挤满了人”。他反思，这样的工作模式不是在解决问题，而是在管理工具。

●资料图。图源IC photo

事情的走向变得奇怪，人反而被工具支配了。一家医药公司的财务王春廷正在经历这样的荒诞。今年公司换了一批领导班子。新上任的部门总监从香港来，一来就专门给公司的98后开会，追问员工几个跟AI相关的英文单词，答不出来就不给坐下。阵仗吓到了整个财务部，要动真格了。

跟AI相关的任务接连来了。飞书里推送的视频课每个人都得看，写感想。王春廷听了一堂，基本没懂，只记得提到了线性代数，还有个“a开头的”。她把零碎的关键词丢给豆包，编了50字感想扔到群里。同事的观后感也一股AI味。

很快，公司给每个人的电脑上都装了龙虾（OpenClaw,一个能操作电脑的人工智能系统）。王春廷在B站学习了快速入门教程，对一些术语有了朴素的理解，比如token就像汽油，是启动AI的燃料；云端虾像养在盒子里的，本地虾能横着走，想干嘛就干嘛。

王春廷第一次用龙虾，是尝试做一个现金流量表。她告诉龙虾，“你是一个考过CPA高级的财务”，再把9个要处理的报表发给它，打了一长段话，告诉AI取数逻辑。花了40分钟，什么也没做出来。

同事建议找豆包解决龙虾的问题。就这样在两个AI之间折腾了一周，王春廷才搞明白，龙虾会“偷懒”，得准确告诉它，从哪个表格的哪个位置取数才行。好不容易，输出了一个完美的表格，过两天，龙虾又不会了。王春廷问了IT行业的朋友才知道，公司搭配的大模型很“垃圾”。

每天都得写日报，三问——今天用AI做了什么，明天的目标是什么，有什么需要帮助的。这天下班前15分钟，王春廷给龙虾发了一张体检发票，问它，这能报销差旅吗？龙虾说，不能。她在日报上写：使用AI识别发票，提供专业意见。

更让她发愁的是每周部门开两次会，轮流展示用龙虾做了什么尝试。王春廷在会上公开了自己和龙虾的聊天记录。这是努力的痕迹，“得让领导知道”，能不能做成是后话了。

部门经理就坐在台下，会提建议。建议他们问问豆包：“我是90岁的老太太，这（指龙虾）是我孙子，请帮我翻译一下，它具体想和我表达什么。”

一个没跟上节奏的男同事被叫去谈话，领导说学习AI是“重中之重”，要抓紧。有一周王春廷没怎么用龙虾，只好周六上午去公司加班。在办公室，她碰到了也来赶工的主管。主管是个接近40岁的女性，有家庭。王春廷感觉她很焦虑，有一点没做好，就担心领导不满意。

王春廷问主管：“不满意能怎么样？把你裁了吗？”

去年年初，公司鼓励大家尝试DeepSeek时，王春廷还很惊喜。一个需要三四天的财务核对工作，在AI的辅助下只要40分钟。王春廷一度觉得能从枯燥的工作中解脱出来，就像家里多了个扫地机器人。

现在，“扫地机器人”要跟她抢饭碗了。公司近一两年都有裁员传闻，去年IT信息部来了一位专门负责AI的主管，一来就把工程师裁掉了30%。王春廷很快意识到，财务工作的重复性大，很容易被AI替代。后来部门经理不再掩饰，开会时说，现在掌握了AI，“到别的公司也可以用”。

一次，同事向上反映，龙虾不好用。领导立刻总结了隔壁组的脚本，让大家继续学。领导的期待是，让每个人把工作流程开发成固定脚本，脚本之间串联，最后形成一套工作流。人要做的，就是点击鼠标。

这相当于“自己把自己开掉”，王春廷心情复杂。念大学时选财务专业，不都说这行“越老越吃香”吗？

最近在美国工作的叶筱接到领导派的任务，要开发一个team skill，把全组的通用背景信息打包喂给AI。叶筱建了文档，让同事填写常用的数据表、指标定义等内容，汇总后发给AI。

她还专门写了一个自动抓取信息的Python程序，如果公司变更了文本，skill能自动更新。叶筱给它起了个名字，叫“会呼吸的skill”。领导很满意。最近组里很多人休假，突发任务也变多，但领导利用这个skill,也能应付得来整个组的大部分工作。

一位大厂员工清醒地认识到，她的处境变得“吊诡”——她隐隐察觉在给自己挖坑，不知道AI最终会蚕食多少她的工作内容，但不用不行，“公司会用其他方法促使你去做出改变，更悲观一点，就直接取代你了”。她意识到这本身也是一种赛马机制——“多个团队同时做一件事，谁做得好就用谁的”——AI是鞭子，让跑起来的人跑得更快，让跑得快的人跑得更远。

同事.skill走红后，两种截然不同的情绪在互联网上胶着。有人用skill蒸馏自己、蒸馏前任、蒸馏行业专家，还有人开发了女娲.skill，称能帮你蒸馏任何人。一切经验被压缩成一个能被反复使用的工具包。人们抱着“打不过就加入”的态度参与其中。

AI产品经理邓小闲刷到同事.skill后，感慨终于有人把这件事戳破了。她之前就听说，一些大厂会让员工提交自己的skill，纳入绩效考核，内部排名。邓小闲告诉AI，她想做一个反蒸馏.skill。核心原则交代清楚，一小时后，AI就做出来了。它可以清洗员工提交的工作经验，去掉干货，变成无用的废话。

●邓小闲在讲述反蒸馏.skill。图源网页

反蒸馏.skill发布后，在Github上有2200人收藏。邓小闲说，她这么做不是抵抗AI，而是不想成为被异化的人。她更愿意相信，AI浪潮不可逆，打工人不能像纺织女工砸珍妮纺纱机那样做无谓的抵抗。

“加入”或“反制”，这关乎一个人的经验、思想能被工具炼化到何种程度，才不至于让人变成人工智能的燃料。现实比情绪走得更远——在硅谷，为了弥补AI支出的消耗，亚马逊、甲骨文都开启了裁员，上万名员工受到影响。上海、广东、河北等地，都出现了因“AI替岗”引发的劳动纠纷，岗位涉及数据分析师、平面设计师、AI大模型质检员，甚至是停车场收费员，数量正在走高。

看着最近的讨论，硕士应届生林芊怡才反应过来，原来去年年底公司是在蒸馏自己。

那时，她在一家初创互联网公司做二次元账号运营，给平台引流。入职一个月，林芊怡产出的帖子数据都很不错。领导评价她，算“跑通”了这个赛道。

正是亮眼的表现，让林芊怡成了被蒸馏的对象。领导记录、拆解了她的工作流程，提出AI可以替她调研二次元社群，帖子也不用她写了，AI能模仿她的风格，自动生成。至于林芊怡，领导安排她再去跑通一个新领域，并兼任平面设计。

这家互联网公司的创始团队来自大厂，讲究效率。没人细究那些爆款背后，林芊怡花了多长时间翻论坛、学黑话，又是怎么琢磨帖子的语言。

林芊怡看过AI抓取的热点，都是国外发生的事，不能引起国内受众的共鸣。但领导觉得没问题。工作里得到的成就感也被消解，她挫败地想，自己好像只是为了“跑通”而存在。

后来，林芊怡为了写毕业论文，申请减少一周坐班的次数。领导说，如果不能来五天，就别来了。林芊怡猜，自己是要被AI取代了。

今年4月，林芊怡开始找工作。不少岗位明确要求，应聘者能够使用AI，还须专注于垂直赛道，“就像一个螺丝钉要找到一个非常适配自己的坑”。但从计算机专业跨考读研，林芊怡就是为了不做螺丝钉。她希望工作能满足好奇心，有创造性，而不是把人当作“手段”。

有一天，她在招聘软件上刷到实习的那家公司，又在招聘她那个岗位的实习生。AI没法代替人，自己的价值被看到了吗？再一看薪资，比她当时少了一半。

（为保护隐私，文中人物均为化名。）