「同事.skill」爆紅引發全民焦慮——當 AI 能從飛書、釘釘中蒸餾出你的工作模式，越認真留下文件的人反而越容易被取代。但系統蒸餾出來的，永遠只是一個人的影子：真正的隱性知識無法被編碼，人才是流動的演算法。
（前情提要： AI 恐慌失業！微軟高管警告：大多白領勞工將在「未來 12-18 月內」被自動化取代 ）
（背景補充： 麥肯錫報告：AI 裁員潮才剛開始！最大輸家是高知識工作者 ）
本文目錄
Toggle
很 不幸，在這個時代，你工作越是毫無保留地認真，反而越容易將自己加速蒸餾為可以被 AI 取代的 skill。
這兩天，熱搜榜、媒體頻道都被「同事.skill」刷屏了。當這件事在各大社交平台持續發酵時，公眾的焦點幾乎毫無意外地被「AI 裁員」、「資本剝削」與「打工人的數字永生」這些宏大的焦慮所裹挾。
這些的確讓人焦慮，但讓我最焦慮的，是專案 README 文件裡寫著一行使用建議：
「原材料質量決定 skill 質量：建議優先收集他主動寫的長文 > 決策類回覆 > 日常訊息。」
最容易被系統完美蒸餾、被畫素級還原的
最容易被系統完美蒸餾、被畫素級還原的，恰恰是那些最認真工作的人。
是那些在每一個專案落幕後，依然伏案寫下覆盤文件的人；是那些遇到分歧時，願意花半個小時在對話方塊裡敲下長文，坦誠剖析自己決策邏輯的人；是那些極其負責，將所有工作細節一絲不苟地託付給系統的人。
認真，這曾經最被推崇的職場美德，如今卻成了一劑將打工人加速轉化為 AI 燃料的催化劑。
我們需要重新認識一個詞：上下文。
在日常語境裡，上下文是溝通的背景。但在 AI，尤其是在那些正瘋狂生長的 AI Agent 的世界裡，上下文是引擎轟鳴的燃料，是維持脈動的血液，是模型能夠在混沌中做出精準判斷的唯一錨點。
剝離了上下文的 AI
剝離了上下文的 AI，縱然擁有再驚人的參數量，也不過是一具患有失憶症的搜尋引擎。它認不出你是誰，摸不透隱匿在業務邏輯下的暗流，更無從知曉你在拍板一個決定時，曾在這張由資源約束與人際博弈交織而成的網路上，經歷過怎樣漫長的拉扯與權衡。
而「同事.skill」之所以能驚起如此巨大的波瀾，正是因為它極其冷酷且精準地，鎖定了那座囤積著海量高質量上下文的礦山——現代企業的協作軟體。
過去五年裡，中國職場經歷了一場靜悄悄卻抽筋剝骨的數位化改造。飛書、釘釘、Notion 等工具變成了龐大的企業知識庫。
以飛書為例，位元組跳動曾公開表示，其內部每天產生的文件數量是海量的，而這些密密麻麻的字元，忠實地封印著超過十萬名員工的每一次腦力激盪、每一次面紅耳赤的會議交鋒，以及每一次咬牙嚥下的戰略妥協。
這種數位化的穿透力
這種數位化的穿透力，遠超以往任何一個時代。曾幾何時，知識是帶有體溫的，它們蟄伏在老員工的腦海裡，飄散在茶水間漫不經心的閒聊中；而現在，一切屬於人的智慧與經驗都被強制抽乾了水分，無情地沉澱在雲端那冷冰冰的伺服器矩陣裡。
在這個系統裡，如果你不寫文件，你的工作就無法被看見，新來的同事就無法與你協作。現代企業的高效運轉，正是建立在每一個員工日復一日向系統「上貢」上下文的迴圈之上。
認真的打工人們懷揣著勤勉與善意，在這些冰冷的平台上毫無保留地袒露著自己的思考軌跡。他們這麼做，是為了讓團隊的齒輪咬合得更平滑，為了努力向系統自證價值，為了在這臺錯綜複雜的商業巨獸體內，拼命尋得一個屬於自己的位置。他們並不是在主動交出自己，他們只是在笨拙而努力地，順應著現代職場的生存法則。
但恰恰是這些為了人際協作而留下的上下文，成了 AI 最完美的燃料。
飛書的管理後台有一個功能
飛書的管理後台有一個功能，允許超級管理員批次匯出成員的文件和通訊記錄。這意味著，你花了三年時間，熬了無數個大夜寫下的專案覆盤和決策邏輯，只需要一個 API 介面，短短幾分鐘，你這幾年的生命切片，就會被輕易地打包成一個毫無溫度的壓縮包。
隨著「同事.skill」的爆火，GitHub 的 Issues 區和各大社交平台上，開始出現一些讓人極度不適的衍生品。
有人做出了「前任.skill」，試圖把過去幾年微信裡的聊天記錄餵給 AI，讓它繼續用那種熟悉的語氣和自己吵架或溫存；有人做出了「白月光.skill」，將不可觸碰的悸動降格為一場冰冷的人際沙盤，反覆推演著試探的話術，步步為營地謀求著情感的最優解；還有人做出了「爹味老闆.skill」，提前在數字空間裡咀嚼那些充滿壓迫感的 PUA 話語，為自己修築起一道悲哀的心理防線。
這些 skill 的使用場景，已經完全脫離了工作效率的範疇。原來，在不知不覺間，我們早已熟稔於揮舞著對待工具的冷酷邏輯，去肢解並物化那些血肉豐滿、活生生的人。
德國哲學家馬丁·布伯曾提出，人類關係的底色無外乎兩種截然不同的模式：「我與你」和「我與它」。
在「我與你」的相遇裡，我們跨越偏見，將對方視作一個完整且帶有尊嚴的生命體去凝視。這種羈絆是毫無保留地敞開的，它充滿著生機勃勃的不可預測，也正因其真誠，而顯得分外脆弱；然而，一旦墮入「我與它」的陰影中，活生生的人便被降維成了一個可以被拆解、被分析、被歸類貼標籤的客體。在這極其功利的打量之下，我們唯一在乎的，只剩下「這個東西，對我究竟有什麼用？」
「前任.skill」等產品的出現，標誌著「我與它」的工具理性已經徹底入侵了最私密的情感領域。
在一段真實的關係裡，人是立體的、充滿褶皺的，是帶著矛盾與毛邊時刻流動的，人的反應是根據具體情境和情感互動不斷變化的。你的前任在清晨醒來時，和在深夜加班後，面對同一句話的反應可能是截然不同的。
但當你把一個人蒸餾成一個 skill 時，你所剝離出的，僅僅是他在那段特定羈絆中，恰好對你「有用」、能對你「產生效用」的那部分功能殘渣。而那個原本溫熱的、有著自我悲喜的人，便在這場殘忍的提純中被徹底抽乾了靈魂，異化為一個你可以隨意插拔、肆意呼叫的「功能介面」。
必須承認，AI 並未憑空捏造出這種令人心寒的冷酷。在 AI 出現之前，我們早就習慣了給別人打標籤，去精準稱量每一段關係的「情緒價值」與「人脈權重」。比如，我們在相親市場上把人的條件量化成一張張表格；我們在職場上把同事分類為「能幹活的」和「愛摸魚的」。AI 只是把這種隱性的、人與人之間的功能性提取徹底顯性化了。
人被壓扁了，只剩下「對我有什麼用」的那個切面。
1958 年，匈牙利裔英國哲學家邁克爾·波蘭尼出版了《個人知識》。在這本書中，他提出了一個極具穿透力的概念：隱性知識。
波蘭尼有一句著名的論斷：「我們知道的，永遠比我們能說出來的多。」
他舉了一個學騎腳踏車的例子。一個御風而行的熟練騎手，能在每一次重力傾斜中完美拿捏平衡，但他無法用乾癟的物理學公式或蒼白的詞彙，向初學者精準描摹出那一刻身體的微妙直覺。他知道怎麼騎，但他說不出來。這種無法被編碼、無法被言說的知識，就是隱性知識。
職場中充滿了這種隱性知識。一個資深工程師在排查系統故障時，可能看一眼日誌就能定位問題，但他很難把這種建立在成千上萬次試錯上的「直覺」寫成文件；一個優秀的銷售在談判桌上突然陷入沉默，這種沉默帶來的壓迫感和時機把握，是任何銷售手冊都無法記錄的；一個有經驗的 HR 在面試時，僅僅透過候選人迴避眼神的半秒鐘，就能察覺到簡歷上的水分。
「同事.skill」能夠提取的，僅僅是那些已經被寫下來的、被說出來的顯性知識。它能抓取你的覆盤文件，但抓取不到你寫文件時的糾結；它能複製你的決策回覆，但複製不了你做出決策時的直覺。
系統蒸餾出來的，永遠只是一個人的影子。
如果故事到這裡結束，那這不過是又一次技術對人性的拙劣模仿。
但當一個人被蒸餾成 skill 後，這個 skill 並不會靜止。它會被用來回復郵件、寫新的文件、做出新的決策。也就是說，這些 AI 生成的影子，開始產生新的上下文。
而這些由 AI 生成的上下文，又會被沉澱在飛書和釘釘裡，成為下一輪蒸餾的訓練材料。
早在 2023 年，牛津大學和劍橋大學的研究團隊聯合發表了一篇關於「模型崩潰」的論文。研究表明，當 AI 模型使用由其他 AI 生成的資料進行迭代訓練時，資料的分布會變得越來越窄。那些罕見的、邊緣的、但極其真實的人類特質會被迅速抹去。僅僅經過幾代合成資料的訓練，模型就會完全忘記那些長尾的、複雜的真實人類資料，轉而輸出極其平庸和同質化的內容。
《自然》2024 年也發表了一篇研究論文，指出用 AI 生成的資料集訓練未來幾代機器學習模型，會嚴重汙染它們的輸出。
這就像是網路上流傳的那些表情包圖片，原本是一張高畫質的截圖，被無數人轉發、壓縮、再轉發。每一次傳播，都會丟失一部分畫素，增加一些噪點。最後，圖片變得模糊不清，被電子包漿。
當真實的、帶有隱性知識的人類上下文被榨乾，系統只能用包漿的影子來訓練自己時，最後會剩下什麼？
剩下的，只有正確的廢話。
當知識的河流枯竭為一場 AI 對 AI 的無盡反芻與自我咀嚼，系統所吐納的一切，必將變得極其標準、極其安全，卻也無可救藥地空洞。你會看到無數篇結構完美的週報，無數封挑不出毛病的郵件，但裡面沒有任何活人的氣息，沒有任何真正有價值的洞察。
知識的這場大潰敗，並不是因為人類的大腦變笨了，真正的悲哀在於，我們把思考的權利和留下上下文的責任，外包給了我們自己的影子。
在「同事.skill」爆火的幾天後，GitHub 上悄然出現了一個名為「anti-distill」的專案。
這個專案的作者並沒有試圖去攻擊大模型，也沒有寫什麼宏大的宣言。他只是提供了一個小工具，幫助打工人在飛書或釘釘裡，自動生成一些看似合理但實際上充滿邏輯噪音的無效長文。
他的目的很簡單，在被系統蒸餾之前，先把自己的核心知識藏起來。既然系統喜歡抓取「主動寫的長文」，那就給它喂一堆毫無營養的亂碼。
這個專案並沒有像「同事.skill」那樣爆火，它甚至有點顯得微小且無力。用魔法打敗魔法，本質上依然是在資本和技術設定的遊戲規則裡打轉。它改變不了系統越來越依賴 AI、越來越忽視真人的大趨勢。
但這並不妨礙這個專案成為整場荒誕劇中最具悲劇詩意與深刻隱喻的一幕。
我們極其努力地在系統裡留下痕跡，寫下詳盡的文件，給出縝密的決策，試圖在這個龐大的現代企業機器中證明自己曾經存在過，證明自己是有價值的。卻不知道，這些極其認真的痕跡，最終會成為抹去我們的橡皮擦。
但換個角度想，這也未必是一個徹底的死局。
因為那塊橡皮擦抹去的，永遠只是「過去的你」。一個被打包成檔案的 skill，無論它的抓取邏輯多麼精妙，本質上都只是一張靜止的快照。它被鎖死在匯出的那一秒，只能依靠陳舊的養料，在既定的流程和邏輯裡無限打轉。它沒有直面未知混沌的本能，更不具備在真實世界的挫敗中自我進化的能力。
當我們把那些高度標準化的、已成定式的經驗交出去時，恰恰也為自己騰出了雙手。只要我們還在持續向外觸探，還在不斷打破並重構自己的認知邊界，那具停留在雲端的影子，就永遠只能對著我們的背影亦步亦趨。
人，是流動的演算法。
?相關報導?
AI 恐慌失業！微軟高管警告：大多白領勞工將在「未來 12-18 月內」被自動化取代
麥肯錫報告：AI 裁員潮才剛開始！最大輸家是高知識工作者
2025 加密產業職場大調查：7 成打工人月薪不到 4000 美元，裁員 N+1 成奢望
