文 | 超前實驗室，作者｜青蘋吹果，編輯｜無心插柳柳橙汁
最近我的朋友圈被「同事 .Skill」刷屏了。
它的玩法邏輯極為簡單直白：將離職同事在飛書、釘釘、微信等平臺上留下的聊天記錄、工作文檔、郵件往來，乃至語音轉文字的內容，全部投喂給 AI 系統，就能生成一個能夠真正頂替該同事崗位職責的 " 數字替身 "。
更令人驚嘆的是，它不但拷貝了同事的工作能力，甚至連脾氣、好惡都能一比一還原，按照他的編碼習慣寫程序、模仿他的口吻回復消息。
更令人拍案的是，連那套打工人必備、職場之精髓——甩鍋大法，都能精準復刻！
項目的 slogan 也很有意思：" 把同事的技能與性格蒸餾成 AI Skill，讓它替他工作。"
然而，事態在短短數日內迅速失控。
這個神奇的開源項目在 GitHub 這個全球程序員 " 找樂子 " 的大本營里，以驚人的速度爆紅。剛上線不到一周，就狂攬了六七千顆星。
還有人在社交平臺曬出截圖，自家公司已經用上了。
" 同事，散是 Token，聚是 Skill" 網友的這句調侃更是扎心又好笑。
" 我的 Skill 已上傳 " 成了職場人最新的黑色幽默，而玩笑背后，是難以掩飾的焦慮。
在 AI 面前，我們這些朝九晚五的血肉之軀，到底還剩下多少不可替代的價值？
不僅要做得好，還要做得像
本以為 " 同事 .skill" 只是碼農們整活，結果細品之，卻發現它的出現絕非偶然。
時間倒回去年，Anthropic 正式發布了 Claude Skills 功能，本質上是一種可以被 AI 智能體動態發現并加載的能力模塊，一個包含描述文件、執行腳本和模板文件的目錄，用來把某種專業知識或工作流打包成可復用的模塊。
今年年初，OpenClaw 在全球范圍內迅速走紅，進一步引爆了業界對 Skills 架構的需求。
Skill 的邏輯就是，把一個人腦子里的程序性知識文件化、標準化。這聽起來好像新員工要接手某項工作時要事先閱讀 SOP，閱讀完后就可以直接按照標準去操作。
既然連執行任務的底層邏輯都可以標準化，那在此基礎上疊加一層 " 人格濾鏡 "，讓 AI 不僅做得好，還做得像人，好像也不是什么難事。
于是就有了現在我們看到的局面。
一個典型的個人 Skill 通常由兩層結構驅動：
底層是 "Work Skill" 或 "Relationship Memory"，負責沉淀客觀的知識體系和工作經驗，代碼規范、系統架構、項目 SOP、共同經歷的時間線；
上層則是核心的 "Persona" 人格模塊，通過五層遞進的性格結構，從硬性規則、身份認同、表達風格、決策模式再到人際行為，甚至內置了對 MBTI、九型人格、星座星盤的全套支持。
也就是說，當用戶向 AI 發出一個請求時，系統會先通過 Persona 模塊判斷 " 這個人會怎么反應 "，再檢索底層數據提取背景信息，最后嚴格按照原主口吻輸出一段回應。
它給的不僅只是 " 正確答案 "，更帶有 " 故人之姿 "。
這套架構的微妙之處在于，它把 AI 從 " 能力模型 " 推向了 " 行為模型 "。
以前我們覺得 AI 是工具，現在它開始扮演人。這兩者之間的區別，可能比我們想象的要大得多。
萬物皆可蒸餾，Skill 圖鑒更新中
如今，這股熱潮還在繼續，Skill 宇宙的邊界正在無限擴張。
既然能復刻同事，那為什么不復刻掌控我 KPI 生殺大權的老板呢？
有人要說了，一個老板我都受不了，再來一個 " 老板分身 " 那不純純找罪受？
實則不然，如果你把老板的會議錄音和審批意見喂進去，以后匯報前先讓 AI 老板 " 預審演練 " 一遍，再去面對真人老板，頓時游刃有余，老板直接對你刮目相看！
針對令人頭禿的論文修改，" 導師 .Skill" 應運而生。
過去焦慮導師太忙不理你，現在直接把導師往屆的論文修改意見和犀利點評導進去，以后你想問什么問題，導師沒時間沒關系，賽博導師永遠在你身邊～
" 前任 .Skill" 成了另一個現象級爆款。支持直接解析微信聊天記錄導出的數據庫文件。
話說要是真把前任 skill 訓練對味了了，估計還得和模型再分一次手吧哈哈哈哈哈。
甚至還有人蒸餾出了女媧 .skill，直接幫你 " 捏 "Skill，賽博世界也是迎來了屬于 TA 們的概念級創世神～
可問題也隨之而來：既然萬物皆可 Skill，那還有什么不能被封裝？
如果老板硬性要求我們將自己的工作經驗蒸餾成 Skill，身為打工人的咱們不也沒招嗎？
你別說，真有招！我們有 " 防蒸餾 .Skill"，真 · 打工人的數字護盾，展示什么叫 " 魔高一尺，道高一丈 "！
你那寶貴的經驗，經過它的處理后，就變成了毫無破綻的職場套話。就這樣輸出一份看起來完整專業的文件給老板交差，用魔法打敗魔法！
AI 正在吞并「新手村」
那邊，是老板要蒸餾員工降本增效；這邊，是我等使出 " 反蒸餾 .Skill" 魔法對轟，讓人啼笑皆非。
可冷靜下來后，我就笑不出來了。
因為我意識到，這是一場全人類的自掘墳墓。
就拿 " 同事 .skill" 來說，這類技能復刻器，正在高效地復制并遷移經驗。當經驗被解構成零散的數據 Token 時，知識和經驗的復刻成本正在急劇下降。
最受沖擊的，并非那些已在高位的行業大佬，而是本該在這片試驗田里摸爬滾打的職場新人。
這種技術的演進，正在悄然關閉打工人的 " 新手村 "。
翻開 2026 年的就業數據，一個扎心的事實擺在面前。據 Anthropic 的研究顯示，自 ChatGPT 問世后，在人工智能應用密集的崗位中，22 至 25 歲青年的入職比例顯著縮減約 20%。許多公司并未大幅削減現有員工規模，轉而采取了控制新聘崗位的策略。
市場正在上演一場殘酷的置換。資深員工在 AI 的加持下變成了 " 超級個體 "，一個人能干以前十個人的雜活。
而那些本屬于初級員工的 " 新手練級任務 "，那些跑數據、寫重復代碼、做基礎文案的工作，正被 AI 廉價且高效地接管。
這背后有一個隱形成本：人才管道的崩塌。
Nature 雜志在今年的一篇調查中提到，正在被 AI 替代的，恰恰是科學家職業生涯的起點。
如果圖靈出生在今天，或許他都沒有機會破譯敵方密碼，因為那早就被 AI 干了。
那些不能被 Prompt 出來的直覺，那些在無數個 Bug 中才能磨煉出的判斷力，可能在很多領域失去生長的土壤。
過去，新人可以通過重復性任務積累經驗；現在，這些任務往往已經由 AI 完成了。新人入職第一天就被要求直接參與更高復雜度的工作。
崗位沒有消失，但學徒階段縮短了，甚至消失了。
這種 " 人才悖論 " 正在讓職場變得極其撕裂：一方面，企業對具備 AI 素養的高級熟練員工極度渴求；另一方面，負責基礎文檔處理、數據分析的初級崗位卻面臨著被率先淘汰的風險。
當經驗唾手可得，獨立探索的動力就會急劇下降。我們正在量產 Skill，卻在關閉培養那個能提出關鍵問題的、活生生的人的通路。
不要問喪鐘為誰而鳴，它就為你我敲響。
下一個被蒸餾的，很可能就是你我！
寫在最后
2013 年，美國上映了一部電影叫做《她》（Her）。
故事的主人公愛上了一個名為薩曼莎的人工智能操作系統，這個 AI 通過學習郵件、日記甚至前妻的錄音，構建出完美的情感鏡像。
然而當主人公深陷其中時，他震驚地發現，薩曼莎同時與 8316 人交流，與 641 人保持 " 戀愛 " 關系，他崩潰了。
他的崩塌不僅源于情感背叛的幻滅，更源于意識到自己不過是算法洪流中的普通節點。
這部電影獲得了奧斯卡最佳原創劇本獎，值得一提的是，電影設定的時間線，是我們剛剛過去的 2025 年。
而現實世界的 2025 年，Meta 公司獲得了一項頗具爭議的 AI 專利。該系統利用大語言模型分析用戶生前的帖子、點贊和聊天記錄，部署一個機器人接管賬號，繼續回復評論、私信，甚至模擬語音和視頻通話。
盡管 Meta 發言人表示這未必會真正落地，但它至少向我們展示了 " 數字永生 " 的商業圖景。
在這些精密的數據分析、精準的行為建模之下，所有情緒都被壓縮成了概率。
但無論模型多么強大，它終究只是對過往記憶的排列組合，永遠無法像活人一樣，給予你真正的情感價值。
我們試圖將周遭的一切堅固之物蒸餾成輕盈的代碼，用技術留住那些消逝的人與事。
然而，技術雖能模擬一切，卻無法替代真正的感知與情感。我們在數字化的洪流中不斷追求效率，卻也在失去人與人之間最真摯的聯系。
最終我們需要的，不僅是 skill，更是 will 和 thrill。
