我把同事蒸餾成 Skill，然后他變成了永生牛馬

同事被裁了，留下的工作沒人干怎么辦？

別擔心，科技發展日新月異，現在你可以把他蒸餾成 Skill，讓他隨時隨地寫 Bug，和你永生永世做同事。

同事.skill，一個最近在 GitHub 上爆火的開源項目：導入同事的“原材料”（飛書消息、釘釘文檔、郵件、截圖），克隆一個能夠替他工作的 AI。

煉化同事，提取舍利子。第一批被裁的打工人，已經實現賽博永生了。

01.蒸餾同事進行時

AI 時代的黑話還是迭代得太快了。“把同事蒸餾成 Skill”，短短幾個字里竟然出現了兩個需要解釋的行業術語。

為什么是“蒸餾”而不是“爆炒”呢？

在機器學習領域中，“蒸餾”（Distillation）是一種經典的模型壓縮技術。核心思想是讓一個小模型（學生）去模仿一個大模型（老師）的行為，這樣可以讓小模型在保持較高性能的同時，擁有更快的速度和更小的體積。

代入職場，同事本人是一個維護成本很高，又容易宕機的大模型。他有情緒波動，需要五險一金，還會因為失戀或流感陷入性能低谷。通過蒸餾，可以剝離這些占內存的冗余信息，只提取出他大腦中有用的生產能力。

所以，蒸餾同事，即提取同事之精華，棄其肉身之糟粕。

最終產出的 Skill，可以簡單理解為“技能插件”。如果把通用大模型比作一個擁有通用常識但缺乏職場經驗的應屆生，那么 Skill 就是一本寫滿了特定崗位潛規則、操作流程和思維范式的員工手冊。

把同事蒸餾成 Skill 再喂給 AI ，即可獲得一個更像同事的 AI。那一刻，原本對公司項目一無所知的通用大模型，瞬間被注入了同事靈魂。話糙的網友將其稱為“同事倒膜”。

最近很火的同事.skill，上線不到一周，就獲得了 7k stars（收藏）。項目的宣傳文案就是它的使用場景：你的同事跳槽了，留下大量的文檔沒人維護？你的實習生離職了，只留下空蕩的工位和爛尾的項目？你的搭檔轉崗了，熟悉的默契一夜之間歸零？

將冰冷的離別化為溫暖的 Skill，初代數字生命竟先從打工人身上誕生。

生產同事.skill，原材料質量決定 Skill 質量，聊天記錄加長文檔的效果好于純手動描述，最好先收集同事主動寫的長文，其次是決策類回復，最后才是日常消息。

AI 會把這些碎片拼湊起來，復制同事的工作能力和性格。工作能力包括他處理 Bug 的邏輯、寫代碼的規范、做競品分析的框架，性格特征包括他匯報工作的語氣、甩鍋時的措辭，阿里味或字節范任選。

同事.skill 的產出是一個文件夾，里面躺著一個完整的 SKILL.md 說明文件，外加幾行執行腳本、一套提示詞模板和一堆被切碎的資源數據。

生成之后，你可以通過指令在 Claude Code 或類似環境中調用這個 AI 同事來協助工作。最好蒸餾那些比較能干的同事，不然他就算變成了 AI，也是一個愛甩鍋的 AI。

讓打工人變成公司的祖傳牛馬，這個想法過于地獄，因此在社交平臺上有很高的討論度：人人都可以蒸餾另一個人，那未來豈不是全員 Skill？

網友們創作了一系列梗圖：“我的 Skill 已上傳，我的工位已清空”“打工人的一生：入職 → 攢 Skill → 上傳 OpenClaw → 畢業”。

用上牛馬經驗提取器，同事，散是 Token，聚是 Skill。

“建議改名叫同事 Kill，成為 Skill 后就可以 Kill 掉了”。

這些自嘲式的調侃背后，是大家意識到，在 AI 時代的流水線上，打工人正在從工具的使用者，變成工具的母本。我們的勞動產出，本質上在為那個終將取代我們的 Skill 提供養料。

現在很多公司要求員工全員寫自己的 Skill，美名其曰“知識沉淀”，其實是一場針對生產力的資產盤點。讓員工將個人工作經驗文檔化，脫水處理成可以被 AI 理解并運行的說明書。

上有政策下有對策，網友們很快就想出了反擊招數：給自己的 Skill “投毒”。但再細琢磨一下，看著自己親手堆出來的那堆屎山代碼，其實倒也大可不必刻意投毒，正常發揮就行。

有開發者創作了“反蒸餾 Skill”：公司讓你寫 Skill？跑一遍，交差用。

把寫好的 Skill 扔進反蒸餾 Skill，系統就會輸出一份看起來完整專業，實則廢話連篇的灌水版 Skill。比如將“Redis key 必須設 TTL，不設的 PR 直接打回”變成“緩存使用遵循團隊規范”。

可以依照公司的審核仔細程度決定清洗強度，完整版本只保留在自己手上。

先脫水，再灌水。讓 AI 讀了等于沒讀，讓老板大有所獲的同時兩手空空。果然中華語言博大精深，人類創造力永無止境。

還有另一個防止自己被同事蒸餾的工具：殺死那個數字分身。

這個工具加入三層防護系統：第一層是混淆——寫作風格隨機化、代碼風格混淆、語義噪聲注入，讓 AI 提取不出你的模式；第二層是追蹤——在文檔里嵌入肉眼不可見的零寬字符水印和金絲雀陷阱，一旦 AI 復述出來就是鐵證；第三層是檢測——風格指紋對比和水印驗證器，幫你揪出有沒有被人偷偷蒸餾。

一份普普通通的工作，硬是干出了碟中諜的即視感。

這些看起來有些魔幻的反蒸餾工具，是打工人面對不可逆的技術洪流時，試圖抓住的最后一根稻草。但當整個職場都在朝著數字化狂奔時，個人的抵抗往往顯得杯水車薪。

潮水的方向難以更改，干脆講講地獄笑話，樂呵樂呵算了。

02.當經驗變成Skill

1913 年某一天，福特汽車的創始人亨利·福特從芝加哥的一家屠宰場里，找到了提升生產效率的靈感。

在那條血腥而精準的傳送帶上，一頭完整的牛被掛在鉤子上滑行，經過每一個工位時，屠夫們只負責極其機械的一刀：有人只管剔除脊骨，有人只管切下后腿。整頭牛在移動中被迅速拆解成標準化的肉塊。福特從中嗅到了工業時代的終極秘密——不要讓一個人去造一輛車，要讓一輛車經過一群只做固定動作的人。

在此之前，造一輛汽車是手工藝人的活兒：一群人圍著一輛車敲敲打打，零件堆一地，工人得是熟練工，裝一輛要花 12 個小時。

福特改進了方法：每個人只做一個動作，不用動腦子，只需要跟上傳送帶的節奏。結果一輛 T 型車的組裝時間驟降至 93 分鐘，后期進一步壓縮到 90 分鐘。

流水線把人拆解成工序節點，泰勒則在另一邊把人拆解成可量化的數據單元。

1898 年，這位科學管理之父在伯利恒鋼鐵公司進行了一場著名的實驗。他找來一個叫施密特的工人，拿著跑表站在旁邊，把他的每一個動作，包括怎么彎腰、怎么走路、怎么休息，全部標準化。

實驗前，施密特每天搬運 12 到 13 噸生鐵，掙 1.15 美元。泰勒給他設計了最優化的操作流程、精準的行走路線和固定的休息間隔，再配合計件工資激勵。結果施密特每天搬運量從 12 噸飆升至 47 噸。

泰勒和福特像兩根釘子，把現代職場釘死在效率的十字架上。這兩股力量在 20 世紀交織蔓延，工業流水線上發展出來的績效考核體系，從工廠蔓延到辦公室，從一線工人滲透到程序員、產品經理、運營專員。

很多人覺得蒸餾同事是 AI 時代的特產，但其實打工人一直在通往工具的道路上步履不停。

ERP 和各種辦公自動化系統的普及，將員工的工作拆解成一系列 SOP（標準作業程序）；OKR、KPI 以及各種顆粒度極細的績效統計，又把人們的貢獻壓縮成幾個簡單的數字。

公司鼓勵員工寫工作文檔，將零散的工作記錄直接轉化為結構化的知識庫，思考過程、決策依據、分析框架，寫得越詳細越好。協同辦公軟件也早已升級，能基于企業上傳的所有文檔、知識庫甚至聊天記錄進行智能問答。

當一個人的所有思考都被寫進文檔，所有討論都被記錄在云端，他的工作經驗就成了系統里可以被檢索和復用的知識資產。

新員工不必再花時間請教老同事，銷售人員可以秒級調取歷史成功方案。效率的代價，是人的不可替代性被大幅稀釋。

對于老板來說，誰不希望自己的員工像 USB 接口一樣呢？插上就能用，拔掉也沒損失，甚至還能熱插拔——不用關機就能換人。

AI 的出現，只是恰好站在了這條工具化長鏈的終點。

過去，一個資深員工離職會帶走大量的隱形成本，現在公司可以通過 AI 學習這些歷史記錄，把員工的職業精華提純、封裝，變成一個可以隨時運行的 Skill。

按照這樣的發展趨勢，或許會有越來越多行業經驗被整合打包，變成 Skill，存進公司的服務器里。新人不再需要通過長期的師徒帶教來獲取經驗，他們只需要調用那個被蒸餾出來的 Skill，就能瞬間獲得你積累了十年的職業能力，即插即用。

這樣做效率倒是很高，但有一個隱蔽的問題：知識被封裝成 Skill 后，知識復用的成本急劇下降，可能削弱團隊的長期創新能力。

HBR 基于華威大學商學院的研究建立了一個分析模型，預測了這種現象的演變軌跡。當“好到可接受”的答案幾乎零成本時，獨立探索就迅速下降，整個團隊會趨同于少數幾種已被驗證的做法。個體不再有動力去嘗試那些高風險、高不確定性的方向。

更值得警惕的是，這種對現成答案的依賴，正在從團隊層面下沉到個體大腦。調研數據顯示，學生在寫作任務中使用 AI 后，對內容的回憶失敗率高達83.3%，這表明外在智能工具的介入在無形中降低了大腦的認知參與度。

大腦遵循用進廢退的原則，長期外包思考，最終會削弱人類親自下場干活的能力。

03.人人都可賽博永生

同事.skill 爆火之后，大家的想象空間打開了：既然同事可以蒸餾，老板、導師、前任當然也可以蒸餾。

蒸餾你的老板，以后匯報前先讓 AI 老板預演一遍；蒸餾你的導師，讓他手把手教你修改論文；蒸餾你的前任，讓你們分手了又好像沒分手。

克隆一個數字分身，技術的發展正在讓這件事從科幻小說走向現實。早在 2024 年底，斯坦福大學和谷歌 DeepMind 的研究人員就做過一項實驗。他們讓 AI 與 1052 名參與者進行兩小時深度訪談，涉及個人故事、價值觀和對社會問題的看法，然后將這些數據訓練成 AI 代理。

結果，這些 AI 復制品在性格測驗和社會調查中的反應，與真人對應物的匹配準確率高達 85%。

2025 年底，Meta 獲批了一項頗為爭議的 AI 專利。這項專利描述了一種系統，能夠利用大語言模型分析已故用戶的帖子、評論、點贊、聊天記錄、語音消息，然后部署一個機器人接管賬號，繼續回應動態、回復私信，甚至模擬音頻和視頻通話。

最近幾個月，市面上甚至出現了一批 AI 交友產品：用戶訓練一個 AI 分身，讓它上網沖浪，和別人的 AI 分身聊天交友。人類只在關鍵時刻出馬（比如要去看對方家里的貓咪后空翻時）。

從實驗室的人格克隆到 Meta 的賽博永生，從蒸餾同事到 AI 交友，可以看出，人們對于復制一個數字生命真的很感興趣，有時想復制別人，有時想復制自己。

沒準未來會出現這樣的場景：你的肉身已經下班甚至離世，但你的 Skill 依然在流水線上被 24 小時調用，替別人改 Bug、回郵件、甚至在家庭群里陪長輩聊天。

職場技能可以被蒸餾，私人情感可以被數字化，連親密關系都可以被封裝成隨時待命的 Skill。我們以為用技術留住了對方，但留下的那個替身，真的是 TA 嗎？

在《黑鏡》第二季中第一集，女主角瑪莎的男友因車禍去世后，她利用男友生前在社交網絡上留下的數字足跡，生成了一個具有其聲音和意識的 AI 程序，最后甚至獲得了一個擁有男友外貌的實體機器人。

起初，AI 男友溫柔、體貼、永遠在線，完美地滿足了她的情感需求。但問題很快暴露了：人造體的行為完全基于數據模型，它無法產生真實的人類情感和即時反應。

它不會生氣，不會不耐煩，不會犯錯，而恰恰是這些缺陷，才讓一個人真實可愛。瑪莎最終無法將其視為真正的愛人，把機器人收進了閣樓里。

技術能夠把我們拆解成數據，封裝成 Skill，但它沒辦法替我們真實地活在當下，和一個真實的人經歷一段無法被回放的關系。

就像我們可以蒸餾同事的經驗，但不能蒸餾他熬夜改 Bug 時那句“沒事，我來”；我們可以復制前任的語氣，但不能復制第一次牽手時手心出汗的觸感；我們可以讓自己的 AI 分身永遠在線，但它不能替我們感受一場日落或一次擁抱。

或許，真正重要的東西，從來不在聊天記錄里，不在郵件歸檔里，不在任何可以被蒸餾的文件里——它只發生在你和我，面對面，此時此刻。