新京报记者 郭懿萌 编辑 陈晓舒 校对 穆祥桐

想象一个画面：你坐在工位上，隔壁工位上的同事老张今天没来。你打开工作软件，收到了他发来的消息：" 你好，我是已离职员工老张的数字分身，你可以向我提问，我会根据我在职期间的文档回答你的问题。"

你后背一凉——老张已经离职了，这是他被 " 蒸馏 " 出来的数字分身。

这个画面听上去很像科幻剧里的桥段，但在 2026 年春天，它却真实地在社交媒体上炸开了。

故事是这样的。一个名为 " 同事 .skill" 的项目在全球最大的社交编程平台 "GitHub" 上爆火。提供同事的飞书消息、钉钉文档、邮件、截图等资料，就能把同事的经验封装 AI，进而形成一个 " 赛博同事 "。

这个创作迅速从程序员圈子蔓延开，甚至登上了热搜。

大家忽然意识到，这不是玩笑——你的经验、你的流程、你赖以生存的 " 手艺 "，都可以被一点点装进一个叫 "skill" 的文件夹里。然后，AI 开始替你干活。再然后，公司开始算账：既然效率翻了几倍，还要那么多人干什么？

虽然 " 同事 .skill" 更像是社交媒体上流传的 " 梗 "，但 "skill" 带来的危机感，正在更多人心中滋生。

▲爆火的 skill。图源 IC photo

" 我们一边喂养 AI，一边等着被淘汰 "

李彦青已经在一家电子设备制造公司干了 6 年。他手底下管理着 15 个程序员，是典型的 " 职场老法师 " ——业务熟、经验多、领导信任。但最近几个月，他的职场地基开始松动。

起因是一个叫 "skill" 的东西。

"skill" 指的是一种封装好、可复用的能力模块，相当于 AI 不需要重新学习就能直接使用的技能包。

李彦青所在的公司去年开始强推 AI 工具，今年把做得好的部门设为 AI 转型试点小组，要求把所有的工作经验变成 skill。李彦青所在部门就是其中之一。

这件事让李彦青感到危机感。" 这就像部门来了一个刚毕业的本科生，拿着我整理的 skill，用 AI 能做出和我一模一样的产品。那我存在的价值是什么？"

感到压力的同时，李彦青也不得不向自己的部门传达 " 写 skill" 的指令。手下的程序员们态度不一：有些很懵，没怎么用过 skill；有些很抗拒，猜测公司什么时候开始裁员；还有的积极写好提交。

李彦青注意到，自从公司的 skill 库搭建起来后，每天都有几个或大或小的 skill 由各个部门入库。这意味着，更多人的经验正在被拆解、标准化，随时可能被 skill 取代。

产品架构师潘磊的恐慌感来得更早更直接。他所在的公司是一家年营收额超过千亿元的制造业公司。去年底，skill 出现不久，公司高层就注意到了它，开了次会议，鼓励员工使用。

一开始，大家是兴奋的。有 AI 爱好者在群聊里分享自己的想法，晒 skill。这样的行为也得到了领导的赞赏。潘磊自己也写了不少 skill，把日常的工作流程固化下来，效率确实提高了。

变化是从公司开始 " 算账 " 那天开始的。领导层开始关注每个部门的 token（计算机术语：译为 " 词元 "）消耗量，统计开发周期从几天缩短到几天，每个人利用 AI 提升了多少效率。而这一切改变，只用了三四个月的时间。

兴奋很快就变成了焦虑。一个消息开始在内部疯传：30% — 40% 的人可能要被优化掉了，因为 AI 提升的效率太高了。

员工们的担心不无道理，因为裁员的进程，在国外已经开始了。全球软件巨头甲骨文 3 月 31 日宣布开启新一轮裁员。将有 3 万名员工受到影响，而大规模的裁员正是为了应对激增的 AI 资本支出。

同样，科技公司亚马逊也在近半年裁掉了约 3 万人。其 CEO 曾在内部信中直言：" 在公司广泛应用 AI 产品的背景下，预计未来几年员工总数会减少。"

李彦青也看到了这条新闻。他找到了一位在亚马逊做数据分析工作的朋友确认，AI 的确大幅提升了工作效率，但对于科技大厂来说，" 她觉得自己的工作迟早没了。"

" 我用 AI 提高效率，老板只奖励半天假 "  

对于 skill，一位程序员脑子里浮现出的画面是：人类大脑被看不见的吸管抽取，传输到人类创造出的 AI 脉络中。

" 我的岗位没太多技术含量，别人套用我做的 skill 能达到我 85% 的水平。我觉得我离被裁真的不远了。" 这位程序员说。

前车之鉴就在身边。他同为程序员的朋友，分享了自己做出的 skill，领导直接让组里年轻、经验较少的同事拿着它去运作，结果工作成果反而超过了那位朋友。朋友气得离职了。

为了不被裁员，潘磊感觉同事们开始 " 表演式工作 "。研发部在造开发技术方案自动化 skill，产品部在造竞品分析 skill，运营部在造活动策划 skill，战略部在造行业调研 skill，设计部在造海报 skill ……公司的 skill 库里很快堆积了上千个 skill。

" 大家做这些都是为了让领导看到，我在努力地使用 skill。" 潘磊觉得，这些经验以前都是各个部门员工的技术壁垒，现在被打包成 skill 后，任何人都可以使用它们来完成别人的工作。

边界的模糊带来了地盘之争，潘磊看到各部门开始抢活。他见过一个没有经验的产品经理，拿着程序员写的 skill，拼凑出不合格的程序去邀功。潘磊觉得，这些事的出发点都不是解决实际的业务问题，而是想让领导知道，" 我用 AI 做了事。"

与此同时，公司内部的文章标题经常出现：" 谁花了 5 个亿的 token 通过几个小时完成了什么。" 于是，内卷愈演愈烈。

潘磊管理着 10 个人，现在他已经不需要推着下面的员工做 skill 了，大家会主动去做。但是他依旧很焦虑。他会不时看看其他部门的 skill 数量，再和自己部门做对比。如果数量不够多，他就担心自己的部门是否会被全部裁掉。

" 同事 .skill" 爆火后，有人在社交媒体上调侃 " 为了自己的经验不被沉淀下来，以后上班给 skill 喂垃圾 "。但李彦青觉得，" 如果我们让部门内的 skill 变得无用，那么这个部门就可能落后甚至被砍掉。"

离 6 月的年中汇报还有两个月时间，老板催促李彦青见成果。他们深谈了一次，李彦青也听到了老板的想法：让大家写 skill 不是为了裁员省钱，而是为了提高生产力。如果公司不及时拥抱 AI，就会被拥抱 AI 的竞争对手挤占市场。

李彦青向老板承诺，他会用这些 AI 工具为部门提高 15% 效率，但是希望申请到双休的福利，他们目前是 "996"" 大小周 " 的工作模式。" 我用 AI 提高效率了，能不能把属于我的时间还给我？"

而老板的回复是：" 可以奖励干得最好的那个人，每个月多放半天假。"

▲同事 .skill 在社交编程平台 GitHub 上爆火 ( 网页截图）。受访者供图

skill 真的能把人类 " 蒸馏 " 吗？

skill 的出现，只是 AI 进程中的一个小节点。

AI 产品经理邓小闲打了一个比方：最初的大语言模型，就像一面魔镜。人们问它：" 魔镜魔镜，谁是最美的女人？" 它会说一个答案，但它只能对话，不能帮人直接做事情，类似 GPT 和 DeepSeek 最主要的能力。

后来，魔镜慢慢幻化成了人形，从镜子里 " 走 " 出来。它不再只是回答 " 谁最美 "，而是能帮人安排事情、执行任务。这就是 AI 行业里的 Agent（智能体）。

但这面魔镜不是天生什么事都精通的。很多事它第一次做，做得并不准确，所以它需要学技能包。这个技能包，就是 skill。

在邓小闲看来，skill 本身不是什么高技术含量的东西，只是 AI 发展到了一定阶段出现的助手。但看到声称能把同事 " 蒸馏 " 出一个数字分身、在公司里继续打工的 " 同事 skill" 时，邓小闲产生一种很强的不适感。

她回想起了很多白领朋友的抱怨。有的公司把做 skill 纳入绩效考核，在公司内做排名；有的公司在员工 KPI 里增加了 token 使用量，完不成的团队，只能让 AI 去执行一些复杂但无用的任务才能达标。

她猜测，做 " 同事 .skill" 的那个人也像她的朋友们一样，不能主动拒绝，只能消极抵抗，最后做个 " 梗 " 发到网上吐槽当下的生态。

于是，邓小闲做了一个 " 反蒸馏 skill"。运行这个程序可以把打工人做的 skill" 清洗 "，把核心知识替换成正确但无用的专业废话。这个操作被一些人称为 " 用魔法打败魔法 "。

也有人问她，做这个有什么用？给 AI 喂垃圾，它还是会越来越聪明。但她觉得自己对抗的不是技术，而是资本对人性的蔑视。" 技术无对错，但企业强行要求员工将经验沉淀、上交的方式让人厌恶。人不是可以替换的零件，这种对抗起码能展现我们作为人类的主观能动性。"

邓小闲本科和硕士都学法律，她不是科班出身的程序员，却是各类 AI 产品的粉丝。"skill 很亲民，即使一个人完全没学过代码，也能照着网上的教程做出一个 skill。"

同样，做出 " 女娲 skill" 的陈云飞，也不是程序员，他此前在互联网大厂做用户研究。

看到 " 同事 .skill" 后，陈云飞先写了一篇评论文章，表达人没有那么容易被蒸馏。" 被蒸馏出来的人或者技能，都是一成不变的状态，而人本身是不断演进、变化和成长的。"

陈云飞注意到，" 同事 .skill" 火了后，平台上冒出来一整个蒸馏宇宙：前任 skill、反蒸馏 skill、老板 skill ……花了一个晚上，他把这些全刷了一遍，越刷越觉得荒诞、有意思。

他决定做一个 " 女娲 skill"。" 如果一个人真的能被蒸馏，那为什么只蒸馏同事？为什么不去蒸馏那些真正厉害、真正伟大的人呢？" 紧接着，他用 " 女娲 skill" 把张雪峰、乔布斯、马斯克等人都 " 蒸馏 " 出来，免费开源给所有人。

" 蒸馏 " 的来源，是他们公开的演讲、自传等信息。陈云飞认为，人不可能在每个领域都成为专家，但可以把每个领域最强的人的思维方式变成自己的工具——就像请了一位超强外援。

不过他也承认，这些外援给的建议仁者见仁。" 我相信，即使弄个巴菲特 skill，大家也很难成为股神。在没有 AI 之前，已经有很多人研究巴菲特，他也多次讲过自己的思路，但没几个人能成为他。一个人真的没那么容易被学习。"

既然人现在没办法被完全 " 蒸馏 " 成数字人，为什么 skill 的出现会引起这么多打工人的焦虑和抵制？

在李彦青看来，skill 可以近似理解为一个 AI 版标准化工作流程（SOP）。很多企业都有多项标准化工作流程，也会要求员工在离职时用文档记录下自己手中的流程交接给部门。但区别在于，以前按照标准化工作流程执行任务的是人，现在是 AI 工具。

" 我承认自己写的代码是公司财产，但是代码变成产品上线之后，如果需要修改需求，还要找我。但现在 AI 学会了我的思路，我就不再被需要了。" 李彦青说。

运用 skill，一个人完成三四十人的工作

排除掉可能失业带来的焦虑，作为一个技术人员，李彦青对 skill 的出现感到非常兴奋。

skill 刚问世不久，李彦青就废寝忘食地研究，每天上班下班都在写 skill，甚至连喜欢的游戏都不碰了，只想实现脑子里的灵感。" 以前编写代码很漫长，现在用 skill 两三分钟就能做出一个雏形，项目以肉眼可见的速度成长，很有成就感。"

skill 出现后，也有人从中看到了商机。

徐厚畅去年创立了自己的公司，公司只有 4 个人，核心业务就是用 AI 给企业做业务流程改造，也就是造出能被企业用得顺手的 skill。

" 这两年大模型发展很快，大家都希望用 AI 工具降本增效，但我发现，能用得好的公司并不多。" 在徐厚畅看来，这是一个新创业点。他服务的客户有媒体、金融机构、电商等。

去年，徐厚畅为一家媒体客户搭建了从找选题、策划、写稿子的全流程 skill，将它作为一个 " 大插件 " 置入他们原本的系统。他计算过，以前一个熟练的编辑完成一篇文章需要一个小时，而现在，这套 skill 只需几分钟就能做完一篇文章。当 AI 把文章写完后，编辑的角色就转变为审核员。

徐厚畅曾为客户算过一笔账，以前编辑部一天最多生产 20 篇文章，现在这个数字达到了 200 篇，其中 85% 的文章不需要任何人工干预就能直接发布。" 这个数量不是我们系统的上限，是编辑部审核员的上限。"

在做这套 skill 的过程中，徐厚畅去编辑部开了很多次会议，帮编辑提取自己积累多年的经验。同时，他也在网络上检索优秀的文章，将它们逐句拆解 " 喂 " 给 AI，提取文字、图片表达等内容，让 AI 学习它们的表达风格、断句、行文思路。

在将编辑的经验沉淀成 skill 的过程中，徐厚畅也感受到了他们的抵触情绪。" 大家不确定这个东西做成之后，自己会不会被裁掉。"

据徐厚畅了解，负责人的意图并不是替代编辑，而是让他们把精力和经验覆盖到更有价值的、需要深度采访的选题上。事实上，在使用了编辑 skill 后，这家媒体没有裁人，而是开了更多的账号。

在一家中型互联网公司工作陈萍也从中尝到了甜头。几个月前，公司就建了 skill 库，现在里面放着各个部门总结的 skill。陈萍发现，综合运用这些 skill，确实能提升效率。

陈萍是个产品测评员，以前对一个产品测评需要把四五个团队的同事拉进一个群，大家一起用在线表格办公，至少需要两三天时间。现在她用各部门做的 skill 搭建了一个系统，用 AI 自动完成一次产品评测仅需要半天时间。

在她用 skill 做系统的同时，公司也有另一个团队用以前的方式开发类似的系统：产品提需求、程序员开发、后期测试上线。那个团队里有三四十个人共同完成这项工作，而她仅需要一个人。

AI 可以 " 降本增效 "，也可以把 " 蛋糕 " 做大

陈萍用了更多时间扑在研究 skill 上，但很快，她 " 摸 " 到了 skill 的边界。它能代替的是那些经验尚浅的员工、外包工或者实习生，但对于专家、公司高管，代替性就不那么强了——那些决策思路、创意想法，很多都属于默会知识，很难用几个 skill 写得清楚。

" 在企业中，员工把经验用 skill 沉淀下来是一回事，企业怎么把这些 skill 变成一个稳定可控的系统是另一回事，这背后还要很多探索。" 想通了这些，陈萍就不再焦虑了。

但在企业里，另一个问题随之浮现："skill 的所有权属于谁？企业能否无偿、自动地取得 skill？"

清华大学公共管理学院长聘副教授、清华大学科技发展与治理研究中心主任助理陈天昊觉得，这是劳动法、知识产权法和数字治理之间的真空地带。人的思维习惯、逻辑判断等部分经验都能沉淀到 skill 里，这些经验以前是依附在劳动者本人身上的。现在，一些企业强制员工上交，陈天昊认为不合理。

" 我觉得未来，企业需要和劳动者通过合同的方式约定 skill 这类经验的归属，同时相关法律研究者也应注意到这个问题，及时跟进完善法规规章。" 陈天昊说。

除此之外，陈天昊也觉得，企业不必急于获取每位劳动者的 skill。skill 是非常场景化的东西，它不是通用能力，特定劳动者在特定岗位上开发出来的 skill，往往要和这位劳动者紧密结合才能发挥最大的效能。

去年 12 月，北京市人社局发布了一起 " 员工因 AI 被裁 " 的案例。

一家公司因引入 AI 技术替代人工业务，撤销了员工刘某所在部门及岗位，并以其 " 劳动合同订立时的客观情况发生重大变化 " 为由解除劳动合同。劳动仲裁委审理认为，公司主动实施的技术革新不具备不可抗性与不可预见性，不构成法定的 " 客观情况重大变化 "，因此认定公司违法解除劳动合同。

中国通信标准化协会互动媒体标准推进委员会副主席包冉认为，企业不应该一直想着怎么 " 降本增效 "，而应思考如何利用 AI 把 " 蛋糕 " 做大。包冉的朋友拥有一家 1000 多人的营销公司，他们把 AI 注入全流程，" 用 AI 来干 2000 人干的活，而不是省去 500 人的成本。"

AI 时代下，谁会是幸存者？

李彦青能清晰地感觉到，AI 进化速度越来越快。起初他和朋友嘲笑它，觉得它总会出现各种各样的幻觉，像个小孩子一样胡言乱语。而现在，它总能做到一些远超人力的事情。

最近李彦青部门开发的系统出现了一条警报。如果靠人工排查问题，可能需要几个小时，因为涉及的环节太多了。

李彦青把系统文件导出，大概 20 万行代码，直接丢给 AI。他没有告诉 AI 怎么查，但几分钟后，AI 就给出了原因。李彦青让部门里的程序员复核，结果一模一样。

" 以前我培养出这样的年轻程序员需要一两年时间，帮他讲业务、串逻辑。但现在，只需要一个 AI 大模型。" 李彦青觉得，他们以后可能都不会再雇实习生了，因为实习生比 AI 贵。

但另一个潜在的问题是：如果大家以后都不需要实习生了，那年轻人还怎么成长？

陈天昊觉得，这确实是一个需要教育系统与高校师生思考的问题。但换个角度讲，年轻人可以直接通过 AI 学习很多知识和经验，实习本身的价值也打了折扣。

在包冉看来，目前能被 skill 固定下来的经验，都是较为简单重复的工作。"AI 像是给所有行业划了一条及格线，如果个人从事可被 AI 代替的职业，需要想一下如何去转型。"

但必须承认的是，随着技术的发展，AI 正在慢慢把 " 及格线 " 往上调。一些流程性比较强的职业正在消失，职业与职业之间的壁垒也在模糊。

一位在央企工作的前端开发程序员在今年 3 月意识到，招聘平台上，一般的前端程序员已经找不到工作了。因为现在 AI 能轻松做出一个前端程序员需要几天时间才能完成的网站。现在仅有的前端招聘都是专家岗。

据公开报道，去年腾讯 50% 的新增代码由 AI 辅助生成；阿里云内部 AI 辅助代码生成比例近 40%；百度 52% 新增代码由 AI 生成，CEO 李彦宏表示：" 希望是 80%、90% 的代码都由 AI 来生成。"

技术的发展就像一枚硬币的两面。第一次工业革命珍妮纺织机被发明出来时，一批纺织女工失业。但她们中的一些人进入工厂成为早期操作机器的熟练工。

AI 也正在创造就业机会。据世界经济论坛今年 2 月发布的信息，近两年内，AI 领域新增超过 130 万个职位，其中包括超过 60 万个数据中心相关职位，以及 AI 工程师和数据标注员等快速增长的职位。

对于李彦青来说，转行或创业，眼下还太遥远。他已经 38 岁了，在公司属于中流砥柱。工资不错，领导器重，员工信任，马上转型对他来说并不划算。

但他也很纠结：做得越多，这份工作丢得越快。他近 10 年的编程经验，只要花时间沉淀，都能被写进 skill，替代掉自己正在做的一切。" 大模型不用再升级，我自己就能淘汰掉自己。"

与此同时，成千上万最优秀的程序员正让 AI 大模型越来越聪明。过不了几个月，新的大模型或许就能覆盖当前 skill 的弱点。

李彦青热爱这个行业。他上高中时就开始喜欢计算机，一直研究自学。他喜欢把一个复杂问题拆解成代码，然后看着它跑起来的成就感；他也喜欢解决掉一个顽固 bug 后，靠在椅背上长舒一口气的放松感……

他承认自己有点害怕 AI，但也没打算停下来。他心里还憋着一股劲——想看看，AI 无法替代的到底是什么。

（应受访者要求，李彦青、潘磊、邓小闲、陈萍为化名）