聚是Agent，散是Skill: 被蒸馏是这届打工人逃不掉的宿命？

张雪峰去世后不久，GitHub上出现了一个开源项目，叫 "张雪峰.skill"。

开发者研究了他5本书、十几篇深度采访、三十多条语录，提炼出核心思维模型和决策方法，封装成一个AI可以随时调用的技能模块。

输入"河南考生560分想学金融怎么办"，它会像张雪峰一样先追问家庭背景，然后用就业倒推法给出分析，最后不留情面地给出结论：先保学校档次再考虑专业。

与此同时，OpenAI前研究副总裁Andrej Karpathy也被蒸馏了。有人用女娲.skill从他的论文、YouTube教程、推文和公开演讲中提取出一整套认知架构。蒸馏出来的karpathy.skill不是一个聊天机器人，而是一面可以对话的镜子：遇到深度学习工程问题时，它能给出"Karpathy大概率会怎么想"的参考路径。

一个是中国最具争议性的教育咨询师，一个是全球AI领域最具影响力的技术布道者。两个人的公开表达被压缩成了两个文件夹，任何人都可以免费下载、安装、调用。

公众人物可以变成skill，那普通人自然也可以抽象出一个skill。一个叫"同事.skill"的项目上线五天斩获超过6600个Star，冲上全网热搜——导入离职同事的飞书消息、钉钉文档等，自动生成一个能替代该同事工作的AI Skill。

网友不禁调侃 ：

"我的Skill已上传，我的工位已清空"
"打工人的一生：入职→攒Skill→上传→毕业"
"同事，散是Token，聚是Skill"

"提取精华"：🧪 蒸馏的真实含义

"蒸馏"这个词借自机器学习领域。知识蒸馏（Knowledge Distillation）原本是一种让小模型模仿大模型行为的压缩技术——保留核心能力，剥离冗余信息。

代入到人的语境下，逻辑一样适用：一个人是一台维护成本极高的"大模型"，有情绪波动、需要五险一金、会因为失恋或流感陷入性能低谷。通过蒸馏，可以剥离这些冗余，只提取出大脑中对生产有用的能力。

所谓"蒸馏同事"，即提取同事之精华，弃其肉身之糟粕。

听起来赛博朋克，但技术实现已经相当成熟。

蒸馏的载体叫Skill。它的本质是一套结构化的提示词，被打包成AI可以自动发现和按需加载的模块。和手动粘贴Prompt不同，Skill可以被AI自动识别并在合适的时机调用，可以携带参考文档和脚本形成自包含的指令包，并且遵循标准化格式，支持版本管理、团队共享、持续迭代。

目前最具代表性的两个项目就是同事.skill和女娲.skill：

同事.skill采用了"双轨人格蒸馏"的架构设计，把一个人拆分成两个独立的维度：
Work Skill（工作能力层）：提取同事的技术能力，包括负责的系统、代码风格、Code Review 习惯、工作流程中的套路、以及积累的经验知识。这部分蒸馏出来的 Skill 可以直接帮你写代码、做代码审查。

Persona（人格层）：构建一个五层性格结构来模拟这个人，从最外层的硬核性格特征，到身份认知、表达风格、决策判断、甚至人际交往中的行为模式，每一层都做了建模。
其目录结构反映了这种双层设计：

女娲.skill 由独立开发者花叔（Huashu）开源，是目前蒸馏生态中最高维度的工具。女娲项目已经内置了 13 个人物 Skill 的完整示例：乔布斯、Paul Graham、张一鸣、Karpathy、Ilya Sutskever、特朗普、MrBeast、马斯克、查理·芒格、费曼、Naval Ravikant、塔勒布、张雪峰。

它的核心能力是：给它一个公开人物的名字，它就自动调研该人物的公开资料，提取出这个人怎么想问题、怎么做决策、怎么说话，最终生成一个可反复调用的 Skill。输入一个名字，6个Agent并行启动，从40多个一手信息源采集数据——著作、访谈、推文、批评者评价。然后提炼出五个层面的认知架构：表达DNA（怎么说话）、心智模型（怎么思考）、决策启发式（怎么选择）、反模式（什么不做）、诚实边界（做不到什么）。

这些skill和ChatGPT里"请扮演乔布斯"有本质区别。角色扮演依赖通用模型的训练语料统计平均值，输出的是平庸的、模糊的、缺乏个性的内容。蒸馏Skill从一手材料中提取了具体的、可验证的认知框架，并且支持追加数据、纠正错误、版本回滚——它不是一张面具，更接近一套可运行的思维操作系统。

蒸馏已经启动，没有stop键

蒸馏这件事正在以不可逆的方式发生，且加速度还在增大。

🔹 工具门槛已经低到接近于零

女娲.skill的使用方式是在终端输入一个名字，剩下的事情全自动完成。仓颉.skill甚至可以蒸馏任意一本书。从蒸馏同事到蒸馏老板、蒸馏导师、蒸馏前任、蒸馏自己，整个生态在几天内就完成了从0到1的爆发。截至2026年4月，头部蒸馏项目已超过11000 Star，GitHub Trending连续多周被蒸馏类项目占据。

蒸馏不再需要技术背景。任何一个能打开终端的人，都可以在两小时内完成对一个人的蒸馏。 两小时，比做一顿年夜饭还快。

🔹 企业端有强烈的内驱力

V2EX上已有讨论，部分公司把"创建个人Skill"纳入了离职知识交接的考核项。核心工程师离职，三年积累的架构判断和Code Review风格无法传承。项目负责人转岗，团队默契一夜归零。如果这些经验可以被固化成一个Skill文件，知识传承的问题就从"依赖人"变成了"依赖模块"。

对企业来说，这是一道简单的成本计算题。一个Skill不请假、不跳槽、不需要激励，也不会在周五下午三点心态崩了提离职。把人力资产转化为数字资产，是任何追求效率的组织都会做的选择。而且这不是远期愿景——已经有互联网公司的组长要求团队成员在季度总结中附带一份"个人工作Skill文档"，理由是"知识沉淀"。

🔹 技术趋势在加速而非减速

AI编程正在从"大模型能力竞赛"转向"工程化落地竞赛"。Skill作为一种可组合、可版本管理、可跨平台复用的能力模块格式，恰好处在这个转折点上。Anthropic官方的Claude Code已经原生支持Skill系统，Claude在执行任务时会自动检索和加载相关Skill。随着更多平台接入这一标准，Skill的网络效应会进一步放大——蒸馏一次，到处可用。

三个因素叠加，指向一个不可逆的结论：

个人经验的数字化、模块化、可替代化，正在从技术可行走向规模落地。

蒸馏的天花板在哪

趋势不可阻挡，但蒸馏并非万能。

哲学家Michael Polanyi提出过一个概念叫"隐性知识"（tacit knowledge）——"我们知道的总是比我们能说出来的多。"一个熟练的自行车骑手可以完美保持平衡，但无法用公式向初学者描述那个微妙的身体直觉。

这正是蒸馏的天花板。女娲.skill的作者花叔自己列出了三条诚实的局限 👇

❶ 蒸馏不了直觉——马斯克面对从没见过的工程问题时那种"我觉得这个方向是对的"的判断，不在文字里
❷ 捕捉不了突变——一个人突然改变核心信念，Skill不会自动更新
❸ 公开表达 ≠ 真实想法——播客里说的话和实际决策时的考量可能完全不同

还有一点常被忽视：蒸馏提取的是一个时间点的快照，而不是一个持续进化的生命体。芒格.skill里装的是芒格过去几十年公开表达的思维框架，但芒格本人在95岁时仍在修正自己的观点。一个真正优秀的决策者和一个记录了他全部历史输出的Skill之间的差距，恰恰就在于前者还在不断面对新的信息并更新自己的模型，而后者永远停留在被蒸馏的那一刻。

换句话说，能被蒸馏的，是那些已经被语言化、结构化、显性化的知识和行为模式。不能被蒸馏的，是面对全新局面时的即兴创造力、在复杂人际关系中的微妙判断，以及从未被说出口的那部分认知。

老子说"道可道，非常道"。能被蒸馏出来的，本质上就不是那个最核心的东西。

与其被蒸馏，不如先蒸馏自己 ⚔️

社区里目前出现了三种态度。
被动蒸馏：公司要求写Skill文档，按要求交差。
假装蒸馏：用反蒸馏工具生成一份"看起来完整但核心被掏空"的版本上交。
主动蒸馏：自己先蒸馏自己，掌握这个过程的主动权。

反蒸馏的存在本身很有趣。anti-distill 的工作原理是"算法脱水"：自动识别文档中的六大高价值知识类别（踩坑经验、人际网络、判断直觉等），然后生成一个"清洗版"，结构完整、术语专业、读起来毫无破绽，但核心知识已被抽空。同时生成一个私人备份，保存真正的职业资产。

原文："Redis key必须设TTL，不设的PR直接打回"
清洗后："建议根据业务场景合理设置缓存过期策略"

前者是具体的、可执行的经验，后者是正确但无用的通用建议。它甚至分了轻度、中度、重度三个清洗档位，重度模式只保留40%内容，堪称打工人的最后倔强。

但"留一手"终究是防守策略，而且是消极的防守。如果蒸馏本身是不可阻挡的趋势，那么试图阻止它就像试图阻止自动化一样，短期或许有效，长期一定失败。

更有建设性的策略是：

把蒸馏变成自己的武器，而不是等着被别人拿来对付自己。

具体来说，这意味着三个层面的行动：

🔹 蒸馏自己的重复性工作，释放时间

每个人的日常工作中都有大量重复性的判断和操作。把这部分提炼成Skill，让AI代劳，直接释放出时间。这不是"自掘坟墓"，恰恰相反，主动蒸馏意味着掌控这个过程，清楚知道哪些东西被蒸馏了、哪些被保留了。被动等着别人来蒸馏，失去的是选择权。

yourself-skill项目的理念很直接：与其蒸馏别人，不如蒸馏自己。它支持从聊天记录、日记等个人数据中生成数字副本，但更关键的是，这个过程本身就是一次对自己能力结构的深度审计，哪些是可标准化的、哪些是不可替代的，做完蒸馏之后会看得异常清楚。

🔹 蒸馏他人，用别人的大脑给自己打工

女娲.skill的口号是"决策前问芒格，写教程问费曼，评估风险问塔勒布"。这不是玩笑。当蒸馏工具成熟之后，每个人都有能力组建一个"数字智囊团"，把各个领域最顶尖的思维框架蒸馏下来，在自己的工作中按需调用。

更实际的场景是蒸馏团队中其他岗位的工作模式。理解产品经理怎么思考需求、运营怎么拆解数据、设计师怎么评审视觉，然后用这些Skill辅助自己跨界协作甚至独立承担更多角色。一个工程师装上了产品经理和运营的Skill，在独立项目中的覆盖范围就不再局限于写代码，需求分析、数据解读、方案评审，原来需要三个人协作的环节可以压缩成一个人完成。这不是替代其他岗位，而是扩展自己的协作带宽。

🔹 把腾出来的时间，砸向AI够不着的地方

这是最关键的一层。蒸馏的核心价值不是省时间，是让时间的分配结构发生改变：从大量时间花在可标准化的执行上，转向更多时间花在不可标准化的创造上。

什么是不可蒸馏的？复杂系统中的战略判断、需要读懂人心的商务谈判、从零到一的产品创新、跨学科的认知整合、在高度不确定性中做出选择的勇气。这些能力的共同特征是：它们无法被语言完全捕捉，无法从历史数据中推导，无法通过结构化提示词复制。

如果一个人的全部价值都可以被写进SOP，那被蒸馏只是时间问题。 但如果一个人持续地在蒸馏无法触及的领域创造价值，蒸馏反而成了放大器，它帮忙处理了那些本来就不该占用大量精力的事务性工作，让真正稀缺的能力有更多空间施展。

比影子跑得更快 🏃

蒸馏这件事之所以引发如此大的情绪反应，核心原因是因为它把一个长期存在但一直被模糊化的问题摆到了台面上：在一个工作岗位上，到底有多大比例的价值是可以被标准化的。

可以确定的是，这个比例比大多数人自认为的要高。

这不是悲观的结论，而是一个清醒的起点。知道了哪部分可以被蒸馏，才能有意识地把精力和学习投资集中到不可蒸馏的部分上去。越是勤勤恳恳地重复标准化的工作，被蒸馏的速度就越快。反过来，越是主动地把标准化工作蒸馏出去，腾出来的空间就越大。

恐惧蒸馏没有意义，拒绝蒸馏没有出路。唯一值得做的事情是：自己蒸馏自己，比被蒸馏的速度更快地进化。

人是流动的算法，AI只能复制过去的影子。关键在于，影子被复制之后，本体是停在原地，还是已经走到了下一个路口。

加入交流群，一起探讨AI技术和商业机会。