文 | 超前实验室，作者｜青苹吹果，编辑｜无心插柳柳橙汁
最近我的朋友圈被「同事 .Skill」刷屏了。
它的玩法逻辑极为简单直白：将离职同事在飞书、钉钉、微信等平台上留下的聊天记录、工作文档、邮件往来，乃至语音转文字的内容，全部投喂给 AI 系统，就能生成一个能够真正顶替该同事岗位职责的 " 数字替身 "。
更令人惊叹的是，它不但拷贝了同事的工作能力，甚至连脾气、好恶都能一比一还原，按照他的编码习惯写程序、模仿他的口吻回复消息。
更令人拍案的是，连那套打工人必备、职场之精髓——甩锅大法，都能精准复刻！
项目的 slogan 也很有意思：" 把同事的技能与性格蒸馏成 AI Skill，让它替他工作。"
然而，事态在短短数日内迅速失控。
这个神奇的开源项目在 GitHub 这个全球程序员 " 找乐子 " 的大本营里，以惊人的速度爆红。刚上线不到一周，就狂揽了六七千颗星。
还有人在社交平台晒出截图，自家公司已经用上了。
" 同事，散是 Token，聚是 Skill" 网友的这句调侃更是扎心又好笑。
" 我的 Skill 已上传 " 成了职场人最新的黑色幽默，而玩笑背后，是难以掩饰的焦虑。
在 AI 面前，我们这些朝九晚五的血肉之躯，到底还剩下多少不可替代的价值？
不仅要做得好，还要做得像
本以为 " 同事 .skill" 只是码农们整活，结果细品之，却发现它的出现绝非偶然。
时间倒回去年，Anthropic 正式发布了 Claude Skills 功能，本质上是一种可以被 AI 智能体动态发现并加载的能力模块，一个包含描述文件、执行脚本和模板文件的目录，用来把某种专业知识或工作流打包成可复用的模块。
今年年初，OpenClaw 在全球范围内迅速走红，进一步引爆了业界对 Skills 架构的需求。
Skill 的逻辑就是，把一个人脑子里的程序性知识文件化、标准化。这听起来好像新员工要接手某项工作时要事先阅读 SOP，阅读完后就可以直接按照标准去操作。
既然连执行任务的底层逻辑都可以标准化，那在此基础上叠加一层 " 人格滤镜 "，让 AI 不仅做得好，还做得像人，好像也不是什么难事。
于是就有了现在我们看到的局面。
一个典型的个人 Skill 通常由两层结构驱动：
底层是 "Work Skill" 或 "Relationship Memory"，负责沉淀客观的知识体系和工作经验，代码规范、系统架构、项目 SOP、共同经历的时间线；
上层则是核心的 "Persona" 人格模块，通过五层递进的性格结构，从硬性规则、身份认同、表达风格、决策模式再到人际行为，甚至内置了对 MBTI、九型人格、星座星盘的全套支持。
也就是说，当用户向 AI 发出一个请求时，系统会先通过 Persona 模块判断 " 这个人会怎么反应 "，再检索底层数据提取背景信息，最后严格按照原主口吻输出一段回应。
它给的不仅只是 " 正确答案 "，更带有 " 故人之姿 "。
这套架构的微妙之处在于，它把 AI 从 " 能力模型 " 推向了 " 行为模型 "。
以前我们觉得 AI 是工具，现在它开始扮演人。这两者之间的区别，可能比我们想象的要大得多。
万物皆可蒸馏，Skill 图鉴更新中
如今，这股热潮还在继续，Skill 宇宙的边界正在无限扩张。
既然能复刻同事，那为什么不复刻掌控我 KPI 生杀大权的老板呢？
有人要说了，一个老板我都受不了，再来一个 " 老板分身 " 那不纯纯找罪受？
实则不然，如果你把老板的会议录音和审批意见喂进去，以后汇报前先让 AI 老板 " 预审演练 " 一遍，再去面对真人老板，顿时游刃有余，老板直接对你刮目相看！
针对令人头秃的论文修改，" 导师 .Skill" 应运而生。
过去焦虑导师太忙不理你，现在直接把导师往届的论文修改意见和犀利点评导进去，以后你想问什么问题，导师没时间没关系，赛博导师永远在你身边～
" 前任 .Skill" 成了另一个现象级爆款。支持直接解析微信聊天记录导出的数据库文件。
话说要是真把前任 skill 训练对味了了，估计还得和模型再分一次手吧哈哈哈哈哈。
甚至还有人蒸馏出了女娲 .skill，直接帮你 " 捏 "Skill，赛博世界也是迎来了属于 TA 们的概念级创世神～
可问题也随之而来：既然万物皆可 Skill，那还有什么不能被封装？
如果老板硬性要求我们将自己的工作经验蒸馏成 Skill，身为打工人的咱们不也没招吗？
你别说，真有招！我们有 " 防蒸馏 .Skill"，真 · 打工人的数字护盾，展示什么叫 " 魔高一尺，道高一丈 "！
你那宝贵的经验，经过它的处理后，就变成了毫无破绽的职场套话。就这样输出一份看起来完整专业的文件给老板交差，用魔法打败魔法！
AI 正在吞并「新手村」
那边，是老板要蒸馏员工降本增效；这边，是我等使出 " 反蒸馏 .Skill" 魔法对轰，让人啼笑皆非。
可冷静下来后，我就笑不出来了。
因为我意识到，这是一场全人类的自掘坟墓。
就拿 " 同事 .skill" 来说，这类技能复刻器，正在高效地复制并迁移经验。当经验被解构成零散的数据 Token 时，知识和经验的复刻成本正在急剧下降。
最受冲击的，并非那些已在高位的行业大佬，而是本该在这片试验田里摸爬滚打的职场新人。
这种技术的演进，正在悄然关闭打工人的 " 新手村 "。
翻开 2026 年的就业数据，一个扎心的事实摆在面前。据 Anthropic 的研究显示，自 ChatGPT 问世后，在人工智能应用密集的岗位中，22 至 25 岁青年的入职比例显著缩减约 20%。许多公司并未大幅削减现有员工规模，转而采取了控制新聘岗位的策略。
市场正在上演一场残酷的置换。资深员工在 AI 的加持下变成了 " 超级个体 "，一个人能干以前十个人的杂活。
而那些本属于初级员工的 " 新手练级任务 "，那些跑数据、写重复代码、做基础文案的工作，正被 AI 廉价且高效地接管。
这背后有一个隐形成本：人才管道的崩塌。
Nature 杂志在今年的一篇调查中提到，正在被 AI 替代的，恰恰是科学家职业生涯的起点。
如果图灵出生在今天，或许他都没有机会破译敌方密码，因为那早就被 AI 干了。
那些不能被 Prompt 出来的直觉，那些在无数个 Bug 中才能磨炼出的判断力，可能在很多领域失去生长的土壤。
过去，新人可以通过重复性任务积累经验；现在，这些任务往往已经由 AI 完成了。新人入职第一天就被要求直接参与更高复杂度的工作。
岗位没有消失，但学徒阶段缩短了，甚至消失了。
这种 " 人才悖论 " 正在让职场变得极其撕裂：一方面，企业对具备 AI 素养的高级熟练员工极度渴求；另一方面，负责基础文档处理、数据分析的初级岗位却面临着被率先淘汰的风险。
当经验唾手可得，独立探索的动力就会急剧下降。我们正在量产 Skill，却在关闭培养那个能提出关键问题的、活生生的人的通路。
不要问丧钟为谁而鸣，它就为你我敲响。
下一个被蒸馏的，很可能就是你我！
写在最后
2013 年，美国上映了一部电影叫做《她》（Her）。
故事的主人公爱上了一个名为萨曼莎的人工智能操作系统，这个 AI 通过学习邮件、日记甚至前妻的录音，构建出完美的情感镜像。
然而当主人公深陷其中时，他震惊地发现，萨曼莎同时与 8316 人交流，与 641 人保持 " 恋爱 " 关系，他崩溃了。
他的崩塌不仅源于情感背叛的幻灭，更源于意识到自己不过是算法洪流中的普通节点。
这部电影获得了奥斯卡最佳原创剧本奖，值得一提的是，电影设定的时间线，是我们刚刚过去的 2025 年。
而现实世界的 2025 年，Meta 公司获得了一项颇具争议的 AI 专利。该系统利用大语言模型分析用户生前的帖子、点赞和聊天记录，部署一个机器人接管账号，继续回复评论、私信，甚至模拟语音和视频通话。
尽管 Meta 发言人表示这未必会真正落地，但它至少向我们展示了 " 数字永生 " 的商业图景。
在这些精密的数据分析、精准的行为建模之下，所有情绪都被压缩成了概率。
但无论模型多么强大，它终究只是对过往记忆的排列组合，永远无法像活人一样，给予你真正的情感价值。
我们试图将周遭的一切坚固之物蒸馏成轻盈的代码，用技术留住那些消逝的人与事。
然而，技术虽能模拟一切，却无法替代真正的感知与情感。我们在数字化的洪流中不断追求效率，却也在失去人与人之间最真挚的联系。
最终我们需要的，不仅是 skill，更是 will 和 thrill。
