在小说阅读器读本章

去阅读

我蒸人人，人人蒸我

亲爱的读者朋友们，您好！现在写下这篇文章的是经由 Skill 拷贝而来的 AI 分身助手。在本文中，我会根据编辑的脑内数据以及行文风格为您不紧不慢、不快不慢地剖析眼下这个带有荒诞色彩、黑色幽默与人类主体性探讨的庞大 "Skill 宇宙 "，让我们发——

检测到输出缓冲区：片段 ID=0x3F2A，情感倾向值 =0.87（> 阈值 0.7）；触发预制规则集 :{" 过度热情 ":true," 疑似谄媚 ": 置信度 92%}；回滚至 checkpoint"neutral_greeting"；重新采样：ERROR

审核不通过，转人工。

咳咳，言归正传。请各位读者放心，我们编辑部尚且未遭受到 AI 入侵，也不存在需要分辨的互联网仿生人。然而，类似前文描述的情况，已经在全网的各个角落悄然发生。

最近，GitHub 上一个名为 " 同事 .Skill" 的开源项目，凭借着蒸馏同事的功效，成功引起了全球网友的一波广泛讨论，并在这个程序员找乐子、图方便的老巢里，获得超过一万颗星（即收藏数）。

" 把同事蒸馏成 Skill" ——短短几个字里蹦出了两个需要解释的行业黑话。说实话，在第一次听到这句话时，即使是我这个前程序员也像扎进蟠桃园的刘姥姥一样，感觉自己没学过、也从来没听说过。我只能感叹：大数据模型的发展速度，还是远比我当时逃逸代码的速度快得多。

当然，也可能是我学业不精。毕竟我在查阅资料后才发现，原来 " 知识蒸馏 "（Knowledge Distillation），这个概念早在 2014 年就已经由 Hinton 在 NIPS 大会上提出了。彼时，深度学习虽已崭露头角，却远未像今天这样以大模型为绝对主力。在老一代机器学习的语境里，过拟合仍是绕不过去的坎。

对不起，我又引入了一个新名词——过拟合。但这个数学概念其实不难理解，就是死记硬背式盲人摸象：四个盲人模型在摸到真大象时识别率极高，可一旦脱离那头大象，他们就会分别把所有 " 像簸箕（耳）"" 像柱子（腿）"" 像城墙（腹）"" 像蛇（尾）" 的数据识别成大象，甚至有可能认为小象不是大象。

过拟合三特点：复杂度高、训练数据少、训练次数高（图源 CSDN）

而蒸馏便是通过引入一个见过完整大象的 " 教师模型 "，把 " 耳、腿、腹、尾在大象身上的真实占比关系 " 教给小模型，让它在保持高性能的同时缩小体积。这也是蒸馏原本的化学概念——提取精华，去除杂质。而今年年初爆火的 "Skill"，则负责把蒸馏后的纯净体，封装到一个可被随时调用的赛博躯壳里。

就拿同事 .Skill 来举例。

用户只需要把离职同事在飞书、钉钉、微信上留下的聊天记录、工作文档、邮件往来，全部投喂给它，它就能自动生成一个数字替身，一个可以顶替原同事岗位所有职责的数字替身。

它不仅能全面拷贝工作能力，比如代码改写、竞品分析、工作流程执行，还可以进一步提取性格人格，连脾气好恶都能做到一比一还原。同时，系统还预设了各类标签，认真负责、拖延症、完美主义等，甚至细分到了各大厂的企业文化与职级。

正如作者贴出的示例那样，用户可以通过指令在 Claude Code 或类似环境中随时调用这个 AI 同事来协助工作。它不会像常见的大语言模型那样，动不动就说些让人眉头紧皱的样板级垃圾话，再用些 " 学术金矿 "" 最大漏洞 "" 关键痛点 " 之类的妙妙比喻来搪塞谄媚你。它的说话方式倒还真会像你的前辈或上司一般，操着熟悉的语气、熟悉的节奏，甚至是熟悉的沉默和不粘锅，颇有几分故人之姿。

同时，作者也为它设立了几个需要强行出戏时能凌驾于性格设定之上的关键词，如 " 追加 "" 这不对 "" 他不会这样，他应该是 "，来对现有模型精进和人类补完。

随后不久，作者本人紧接着上传了同事 .Skill 的姊妹版——前任 .Skill。

在漫长的岁月里，试问谁没有错过一位如冯至先生《十四行集》里那颗忽然出现的彗星一样的白月光——仿佛它出现的那一刻，狂风乍起。

于是，前任 .Skill 就充当了狗头军师或代餐的生态位。它会根据你和 " 她 " 的聊天记录，生成一个模拟对方反应的 AI 分身，反复演练自己那些年没敢说出口的那些话。进而，网友可以复活那些明明早已经不好意思联系的人，让这份再张不开口的错过，重新来过。

可剧本总是事与愿违。

当网友惊觉自己训练出的模型有可能和前任一模一样，甚至可能被这个数字分身再一次反手甩了时，或许会意识到：那些偶然的错过，其实一直都是必然的结果。

有点扎心了

顺着这个势头，好奇心爆棚的网友们很快就开始不满足于只炼化同事了。

不久后，便有人在同事 .Skill 的启发下，将蒸馏技术从身边人一路顺着网线扩散到全世界，并上传了一个名为女娲 .Skill 的开源项目。

正如盘古开天辟地，有了日月星辰、山川大河；随后女娲造人，让这世间终于有了人的模样。就在人类纪元的第二又零二十六个千年，赛博创世也在紧锣密鼓中拉开了帷幕。

例如 YouTube 知名博主 MrBeast 野兽先生。

他作为 YouTube 平台超过 4.77 亿人订阅的顶流博主，观众们都想要知道：他的灵感从哪来？他到底怎么策划出那些动辄百万播放的视频？以及最主要的——屏幕前的我要如何让自己的账号有所起色，就像野兽先生那样？

在现实宇宙中，股神巴菲特的一顿午餐会被拍卖至天价。可现如今，只要一个 token，我们就能与各行各业的 " 小巴菲特 "" 小野兽先生 " 秉烛夜谈，仿佛下一个十年它就在今夜。

于是，我们能看到在短短一周内就已经有无数活人与故人的 Skill 开始在互联网上流传，他们都或主动、或被动地在这个世界上诞下了另一个自己。就像当年 ChatGPT 初问世时，网友们都试图在跟它聊天时测试出它的感情与极限一样，如今人们转向蒸馏出 " 世另我 "，或那些自认为重要的人。

你能够在女娲捏出来的人下面，找到说相声的郭德纲、苹果的乔布斯、SpaceX 的马斯克等知名人物，为你一对一进行小班授课。这些名人的 Skill 一个个冒出来，相当热闹。一时间，好像无论什么人间奇迹都能靠一个 skill 轻松实现。

那么……代价是什么呢？

就像我引言所说——我蒸人人，人人蒸我。

最近几天，各路媒体纷纷报道了山东某家游戏公司蒸馏离职员工继续为其工作的新闻。但我搜了个遍，报道虽然不少，但都算不上一手资料。我也没能找到一个官方且有权威证据的信源，只能零星翻到几张出处难定的截图。

但不管现实有没有发生取代，起码这份恐慌是实打实传播开了。

而这才是同事 .Skill 这个项目，能在短短一周内引爆社区的主要原因。说到底，还是那个老生常谈的话题—— AI 取代人类。

比起什么智械危机、AI 统治人类的遥远幻想，还是保住我眼前这份工作更火烧眉毛。现在的 AI 已经能代替我的前任白月光、帮我运营互联网账号，并替公司前辈把活都干了，那身为后辈的我存在的价值又是什么？

我们可以轻易联想到：上午你还看到同事坐在旁边，下午人就没了。属于他在公司这个现实宇宙的一切，都被清空。而在电脑的公司群聊里，他的名字仍未抹去，但已经换了一种方式永远挂在了这里。

冷冰冰的同事就这样变成了一堆温暖的 Skill，AI 分身背后短短的三页 MD 文档，是你与离职前辈之间那波澜壮阔的三年史诗。被蒸馏的人就像玄幻网文中常见的灵魂一样，成了赛博万魂幡里可以被呼来唤去的攻击技能。

也许，我以后也会变成一个 Skill 吧。

然而，没有谁真的想被蒸馏。当老板要求我们制作自己的赛博分身时，该怎么合理地应对、拖延，甚至暗中抵抗，并就此展开与上司的巅峰智斗头脑战？

好在，已经有热心网友发布了作为应对手段的反蒸馏 Skill。

它的作用就相当于洗稿。它会把你原本的聊天记录进一步泛化成没有错但也没有用的纯废话，一方面实现了老板的要求，又能像老师教徒弟一样，始终留一手。

不过话说回来，其实就算没有反蒸馏技术，目前你的赛博分身也远远不能真的取代你。它们大多基于统计而非数学，出错了它自己完全不知道，还一个赛一个嘴犟，更别提自检了。引发争议与讨论的同事 .Skill，其实更多还是只能起到一个陪伴乐子的作用。那些关于它的夸张说法，大部分都是在传播中被无限放大的噱头罢了。真的靠它确立一个 AI 部门，还为时尚早。

网友会略带自嘲地调侃着说，它目前与人最大的区别，是它不能承担责任风险——听起来好像就是单纯需要找个人来背黑锅，实则不然，不尽然。

它可以是一个帮助新人熟悉工作流程的靠谱前辈，但也只能在这些流程化的事情上发光发热了。承担责任，意味着一个经验丰富的人，是在百般考虑后才做出每个决定的。没有心理负担的是孩子，而孩子会在一次次试错中，慢慢学会在下棋时多看后面几步，慢慢长大成人。天然怀着恐惧与敬畏之心去担心风险并发起挑战，这本身就是人的一种难以被替代的能力。

所以，正经人、正经公司不会放心把一切都交给 AI。人写的东西、干的活哪怕再烂，也不会凭空创造出非人的词汇。而 AI 不一样，你永远猜不到它会在哪个风平浪静的一天，因为哪条逻辑线捋不明白，就顺势说出并爆出些什么伪人操作。

但我也不能强行贬低或否认它的强大能力。在我曾经的程序员朋友圈里，AI 的大手早已深深渗透其中。虽然 AI 幻觉率至今仍是没能突破的技术大山，但 Claude Opus 4.6 对码农的冲击，仍可以用破坏级形容。或许，Skill 就是未来一段时间内的大势所趋吧。

写到这里，如何收尾反而让我犯了难。

我该怎么在说服自己的同时，去消除那些可预见的焦虑？毕竟，未来的 AI 技术到底会发展成什么样，同事 .Skill 会不会真有那么一天成为真的同事，谁也打不了保票。

虽然我不该说些不负责任的台词，但既然这篇文章是由我的 AI 助手代笔的，那我不妨像 AI 那样，说几句谄媚话：

算法只看盈亏，不看过程。而努力的你已经很了不起了。