“你好，我是已离职员工XXX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。”

最近，一张这样的对话截图在社交网络流传，背后是GitHub上爆火的开源项目“同事.skill”。

这个项目的逻辑是将离职同事的“原材料”，包括飞书消息、钉钉文档、邮件、截图，加上主观描述喂给AI。

通过深度学习技术“蒸馏”出他的技术规范、沟通语气甚至甩锅习惯，最终生成一个“真正能替他工作”的AI技能插件。

有网友戏称：“这是把同事炼化，蒸馏成Skill。”

但蒸馏的AI背后，还有很多问题需要解答。

从“赛博同事”到“赛博永生”

“将冰冷的离别化为温暖的Skill，欢迎加入赛博永生！”

进入同事.skill的Github界面，映入眼帘的是这样一句话。

“同事.skill”项目的逻辑简单直接：将离职同事的“原材料”，包括飞书消息、钉钉文档、邮件、截图乃至主观描述输入系统，AI便会进行“蒸馏”，提取其工作方法、技术规范与沟通风格，最终生成一个可被调用的AI Skill。

这个“数字分身”能模仿原主的语气回答问题，依据其过往文档提供支持，在某种意义上让原主成为被蒸馏的“赛博人”。

项目迅速走红，其背后揭示的需求与想象空间被彻底打开。

很快，“前任.skill”、“老板.skill”、“导师.skill”、“暗恋对象.skill”乃至“永生.skill”等衍生项目相继涌现，形成了庞大的Skill宇宙。

这些项目旨在将人际关系中的各种角色，无论是情感羁绊、学术指导还是管理权威，都封装成可交互、可调用的能力包。

据国内媒体报道，山东某游戏传媒公司已进行实践，在征得同意后将一位离职的人事专员训练成AI数字分身，用于内部测试，处理咨询、邀约、制作PPT和表格等简易工作。

公司一位在职员工称，这经过了该同事本人同意，“他本人也觉得挺好玩的”。但该员工也坦言，分身“有点笨，只能应对一些简单指令”，目前尚未对外开放。

但AI对于实际工作岗位的取代已经是正在进行时。

此前，国内知名互联网公司也传出过“AI替代外包，公司裁员”的传闻。

有内部人士表示，网易广州互娱等核心业务线确实在推进外包调整，涉及策划、美术、测试等多个岗位，网传4月将裁撤30%-40%，5月接近全清，部分团队甚至在3月底前就完成了人员退场。

有观点认为，类似的种种事件背后，其实是我们正习惯用“接口”的方式去理解和重构原本复杂的人际关系与协作，将活生生的人“降维”成功能模块。

无论意愿如何，数字分身已走入大众视野。

网友戏称：“我的Skill已上传，我的工位已清空。”

打工人从工具的使用者，正在变成工具的母本。

工具还是僭越？

当技术狂奔，质疑与忧虑就随之而来。

首先是数据权利与人格权的侵犯。

有法律从业人士公开表示，离职员工的聊天记录、工作邮件、个人工作习惯等，属于《个人信息保护法》界定的个人信息。

其中私密内容可能构成敏感个人信息。未经员工同意收集、使用该类数据训练AI，直接侵犯其个人信息的收集、使用、加工权。

依据《生成式人工智能服务管理暂行办法》，训练活动涉及个人信息的，应当取得个人同意或符合法定情形。

《刑法》第253条之一规定，情节严重的可处三年以上七年以下有期徒刑。

还有网友质问：“员工多年积累的工作经验、个人数据，凭什么被公司拿去商业牟利？”

其次是工具能力的局限与隐性代价。

目前的AI分身本质是“低配打工机器人”，只能处理简单、重复、标准化的工作。

对于需要复杂决策、创新突破或深度人际协调的任务，AI无能为力。

企业看似解决了交接断层，却可能削弱团队的长期创新能力。

更深的忧虑在于对人类能力发展的侵蚀。

2月21日，《自然》网站刊载了一项最新研究，调查了40余位学界与业界AI使用者。

许多人坦言，AI的崛起已显著降低了对编写代码、处理基础数据人员的需求，这类工作以往多由研究生、博士后或非科班出身者承担；计算机建模等领域的初级岗位也岌岌可危，因为AI在此类任务中的表现远超初出茅庐的科学家。

而大部分的从业者，其实都要从这样的基础岗位开始，一步步学习、进化。

近期，Antropic也专门发布了一篇研究报告，基于多源数据，来讨论AI对当前就业市场的影响。

其中有数据显示，计算机程序员，AI任务的覆盖率已经高达74.5%。

也就是说，一个初级程序员的大半工作，都能够被AI替代。

斯坦福大学的研究基于美国薪资记录的独立分析提到了与Anthropic相似的模式：在AI暴露度高的职业中，年轻工作者（22-25岁）的就业相对于年长工作者下降了约13%。

研究者的解释强调"职业入口关闭"机制，企业使用AI处理原本分配给初级员工的任务，减少了对年轻工作者的招聘需求。

被Skill化的岗位，表面是效率提升，实则可能是一条职业路径的关闭。

如果入门级的工作已经被AI拿走，新入职场的人们如何积累那些无法被提取的直觉、判断和提问能力？

工具与Skill存在本质区别。

工具放大人的能力，能力仍属于人；Skill则可能替代人的能力，人沦为执行终端。

当人们用“老板Skill”应对老板三个月，决策第一反应可能从“我觉得”变成“Skill怎么说”；用“同事Skill”处理协作半年，表达方式可能就会被这样格式化。

Skill化的风险在于，将活生生的人降维为可被拆解、分析、调用的功能接口，消解了基于完整人格与尊严的相遇。

因此，AI始终应该是作为辅助工具，而非将人炼化为“数字耗材”。

目前的Skill虽然能把同事“炼化”，但炼化的同事，也仍然需要人来提出需求。

AI工具的价值在于赋能于人，而非替代人。

人该怎么办？

面对技能化的洪流，并非没有抵抗与反思。

有开发者创造了“反蒸馏Skill”，作为打工人的“数字防身术”。

公司要求写Skill？

将写好的文件扔进“反蒸馏Skill”，它会输出一份看似完整、实则核心知识被替换为“正确废话”的清洗版用于交差，同时生成一份私密备份保留真正的职业资产。

比如，将一份具体的要求，类似“Redis key必须设TTL，不设的PR直接打回”清洗，变为“缓存使用遵循团队规范”。

这背后反映的，其实是在技能化叙事下，真正稀缺的经验往往难以被标准化提取。

更深层的出路在于重新锚定AI时代不可替代的人类价值。

首先是工程能力。当AI能让生成成本趋近于零，最有价值的不再是“会做”，而是“知道该做什么”。

在AI生成的一万个选项中，挑出那个从“正确”跃迁到“完美”的选择，这需要基于深厚行业沉淀的判断力。

然后是提出真问题的能力。

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。

人类的直觉、跨领域联想、对矛盾与边缘的敏锐感知，是创新真正的源泉。

当所有人都变成了Skill，谁来提Issue？

未来的劳动价值结构正在重塑。

“亲手执行”的价值在降低，“定义问题、校准系统、承担后果”的价值在飙升。

在AI时代，最宝贵的应该是那些能将经验、判断和方法沉淀为系统，并持续驾驭该系统的人。

因为这些人所蕴含的取舍、责任与边界感，难以被一次性蒸馏。