最近一个「同事.skill 」的叫 GitHub 项目火了。项目的 slogan 写得很温情：「将冰冷的离别化为温暖的 Skill，欢迎加入赛博永生。」

操作也很简单：把离职同事的飞书消息、钉钉文档、邮件、截图喂进去，AI 就能生成一个「真正能替他工作」的 skill。

用他的技术规范写代码，用他的语气回答问题，甚至知道他什么时候会甩锅。

紧接着，前任 skill、老板 skill、导师 skill、父母 skill、暗恋对象 skill、永生 skill 接连冒出来。#同事被炼化了##赛博永生# 冲上热搜。

已经有人贴出「数字分身」截图：「你好，我是已离职员工（王明）的数字分身，你可以向我提问。」

网友辣评：同事，散是 Token，聚是 skill。

看起来又是一次抽象玩梗，但笑着笑着，我发现很快就笑不出来了。

skills 怎么成了牛马的经验提取器

同事.skill 的 README 里有一行小字：「原材料质量决定 skill 质量：聊天记录 + 长文档 > 仅手动描述。建议优先收集：他主动写的长文 > 决策类回复 > 日常消息。」

也就是说，你的专业知识、判断逻辑、处理边缘情况的直觉，这些构成你不可替代性的东西，恰恰是最容易被提取和蒸馏的东西。

APPAO 之前曾报道，硅谷的社交媒体和技术论坛上，有一个反复出现的叙事：

被裁的员工发现，自己此前被要求系统性地记录工作流程、决策逻辑和操作规范，管理层称之为「知识管理」或「流程优化」，而这些文档最终被用于训练 AI 系统。部分团队在使用 AI 工具大幅提升了生产效率之后，整组被裁撤。

亚马逊三年间砍掉超过 57000 个企业职位，CEO Andy Jassy 公开表态：企业员工会持续减少，但 AI 带来的效率提升是值得的。与此同时，AI 辅助写出来的程序开始把系统搞崩。

去年 12 月亚马逊内部的 AI 编程助手自行决定「删除并重建整个环境」，导致 AWS 区域性宕机 13 小时。

一边裁人，一边 AI 把系统搞崩，然后让剩下的人去兜底。人类把决策权交给 AI，AI 不承担后果，后果回到人类头上，但那时候能兜底的人已经被裁掉了。

彻底闭环了。

同事.skill 背后实际上就是一种集体创伤的自嘲式表达。因为「同事.skill」干的事，跟那些大厂管理层要求员工「系统性记录工作流程」的逻辑，一模一样。只不过大厂是自上而下的「知识管理」，开源社区是自下而上的「赛博整活」。

其实都殊途同归：把人的经验、判断、习惯蒸馏成数据，然后人就可以被丢弃。

就像阑夕说的，前几年还有程序员出主意说可以在代码里「埋雷」，多层嵌套、不写注释、故意加入只有自己才懂的触发条件，增加别人的接手成本，当做一种防裁员技巧。

AI 来了之后这招也不灵了。多层嵌套？AI 给你拆开。不写注释？AI 给你补上。只有你懂的触发条件？AI 跑一遍测试就能找出来，无非就是多烧一些 Token 嘛。

万物皆可 skill 化。

有网友甚至整出了「反蒸馏 skill」（anti-distill）：公司让你写 skill？跑一遍，交差用。核心知识留给自己。

把你写好的 skill 文件扔进来，输出一份看起来完整专业、实际上核心知识已被抽掉的「清洗版」。同时生成一份私人备份，记录所有被抽掉的核心知识，这才是你真正的职业资产。

不论这些反击是否有效，有个更根本的问题被忽略了，这些被 skill 化的岗位，本来是很多职场新人的练级区。

你喂养的 AI，正在吃掉你的未来

工业革命时期，卢德运动者砸毁纺织机，但至少纺织机不是由纺织工人自己设计的。2026 年的打工人，却不得不亲手训练出那个要替代自己的工具。

这还不是这事最残酷的地方。Nature 今年采访了 48 位不同学科的科学家，问 AI 正在威胁哪些科学岗位。答案出人意料地一致：正在被替代的是写代码、跑模型、做数据分析，这些曾经是研究生和初级研究人员的日常工作。

AI 最能替代的，恰恰是科学家职业生涯的起点。

Anthropic 的报告指向同一个结论：自 ChatGPT 发布以来，22 至 25 岁年轻人在 AI 高暴露职业中的就业率下降了近 20%。企业没有解雇老员工，只是不再招新人了。资深员工有 AI 加持变成超级个体，初级员工做的那些「杂活」，AI 更快更便宜还不需要五险一金。

企业的算盘打得很精，过去培养一个新人，年薪 15 万培训 2 年才能独当一面。现在给老员工配个 AI 工具，年费几千块，效率立刻翻倍。怎么选？不言而喻。

很多年轻人的职场大门就这么关上了，甚至不职场人的 KPI，都开始要和 Token 消耗量挂钩了。

UT Austin 计算生物学家 Claus Wilke 说：「可能短期内每一块钱的预算可以有更多的产出，但代价是人才管道的崩塌和长期衰退。」

省了一个研究生的工资，但可能毁了一个未来的 Hinton。

1986 年的 Hinton 在做什么？写代码，跑实验，调参数。他做的每一件事，都是今天被列为「正在被替代」的任务。如果他生在今天，可能连进实验室的机会都没有。

AI 替代的不是 Hinton，AI 替代的是 Hinton 成为 Hinton 之前的那个人。

这事不止发生在科研领域，这就是 skill 化的隐性代价。

每一个被 skill 化的岗位，表面上是效率的提升，实际上也是一条职业路径的关闭。每一个「同事.skill」的诞生，都意味着某个岗位上不再需要一个真人去犯错、去试探、去积累那些 AI 提取不走的直觉。

当人生 skill 化，你还剩下什么

老板 skill 帮你应对老板，同事 skill 帮你处理同事关系，前任 skill 帮你保存记忆，暗恋对象 skill 帮你模拟互动，永生 skill 帮你延续存在……

当你有 20 个 skill，覆盖了生活中的每一种关系和场景，问题来了：要怎么管理这些 skill。

于是你需要一个「skill 管理 skill」来帮你调度。然后你需要一个「决策 skill」来判断要不要听「skill 管理 skill」的建议。然后你需要一个「元决策 skill」来决定要不要听「决策 skill」的建议。

当你把整个人生都 skill 化，你以为在用工具，实际上在喂养一个越来越庞大的系统，而这个系统运转的目的，是让你本人变得越来越不必要。

是我在用 skill，还是 skill 在用我？

有人可能说，这不就是效率工具的进化吗？从 Excel 到 ERP 到 AI skill，工具越来越强，人越来越轻松，有什么不好？

关键在于一个临界点。Excel 不会替你做判断，ERP 不会替你做决策，但 skill 会。

当你用老板 skill 应对老板三个月，你做决定前的第一反应，会从「我觉得」变成「skill 怎么说」。当你用同事 skill 处理协作半年，某天有人跟你说「你最近说话怎么这么像 AI」，你才发现自己的表达方式已经被 skill 格式化了。

你没有变成更好的自己，你变成了 skill 的执行终端。

工具和 skill 的区别就在这里，工具放大你的能力，但能力还是你的。skill 替代你的能力，你只剩下一个按下发送键的手指。

谁来提 issue

skill 的确代表了 AI 先进生产力的方向，这一点没有人能否认，也没有必要否认。

把重复性的、可标准化的工作外包给 AI，让人有更多时间做更有价值的事。从蒸汽机到互联网，每一次技术革命都遵循同样的逻辑。

skill 不是洪水猛兽，问题是我们对 skill 的态度。

当一切都可以被 skill 化的时候，那些「不能被 skill 化」的能力，还有机会被培养出来吗？

你需要先做那些 AI 能做的事，才能学会那些 AI 做不了的事。研究生要先跑数据才能学会提问，初级工程师要先写 CRUD 才能理解架构，实习生要先做杂活才能建立判断力。这些入门级的工作，恰恰是 AI 最先拿走的。

门票消失了，练级区关闭了，但最终 Boss 还在那里。

「同事.skill」的 README 最后有一句话：「如果有 bug 请多多提 issue。」一个由人的经验蒸馏而成的 skill，当然会有 bug。问题是，当所有的人都变成了 skill，谁来提 issue？

当年那个在实验室里写代码跑数据的年轻人，正是因为亲手踩过无数个 bug，才能在三十年后看见别人看不见的东西。那些直觉不能被 prompt 出来，也不能被 fine-tune（微调）出来。

我们正在量产 skill，却在关闭培养提 issue 的人的通道。

skill 可以复制经验，但复制不了那个在无数次失败中学会提问的人。

也许有一天，我们会发现自己拥有了一万个完美运行的 skill，却找不到一个能指出 skill 哪里不对的人。

到那时候，被蒸馏成 Token 、炼化成 skill的，就不只是离职的同事了。

最后的最后，我其实一直想说：

这不是蒸馏，反而更像倒膜……