本文来自微信公众号： APPSO ，作者：还没变成skill的，原文标题：《同事.skill 的尽头，是把人生外包给 AI》
被毕业的同事其实并没有消失，他们只是被蒸馏成了Token，换成另一种形式陪伴你。
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。」
🔗https://github.com/titanwings/colleague-skill
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。
🔗https://github.com/leilei926524-tech/anti-distill.
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。
网友梗图.
到那时候，被蒸馏成Token、炼化成skill的，就不只是离职的同事了。