“你好，我是已离职员工XX的数字分身，你可以向我提问。”
最近，GitHub上一个名为“同事.skill”的项目引发关注。它的简介很直白：
看上去像技术社区的一次整活，但对很多职场人来说，这个玩笑并不好笑：
“好好一个同事，怎么就被变成Skill了？”
要聊清楚这件事，首先要了解几个基础的词。
所谓Skill，本质上是给AI或Agent配备的一份说明书：它告诉系统遇到什么任务该怎么做。AI产品经理Koki解释，其实就是给AI（Agent）配备的说明书或工具。她打了个形象的比方：如果把对话式AI理解成一个会聊天的大脑，那么像“龙虾”（OpenClaw）这样具备执行能力的Agent，就是长出了手脚的人；而Skill，就是教这个“人”怎么折千纸鹤、怎么写文案、怎么处理表格的步骤和规则。
至于“蒸馏”，原本是AI领域里把大模型压缩成小模型的说法，放到“蒸馏同事”的语境里，更接近：把一个人散落在文档、汇报、流程和聊天记录里的经验，提炼成一套可复用的结构。说白了，就是先把人的工作拆成步骤，再把这些步骤交给AI调用。
从技术实现的层面来看，“蒸馏”一个人的门槛并没有想象中那么高。你只需要把既往的工作文档、汇报PPT，甚至是日常的聊天记录打包“喂”给AI，AI就能通过自然语言对话生成一个属于你的Skill。“喂”给AI的材料越多、越具体，生成出来的Skill也就越“像”。这个过程甚至不需要你懂任何一行代码。
但如果把这事理解成“赛博永生”“数字夺舍”，那又高估它了。某大厂技术人员三金告诉《锋面》记者，目前自己所在的部门并没有真正大范围使用“同事.skill”来解决问题。他认为，虽然大部分Skill是实用的，但“同事.skill”是带有一种“玩梗”的色彩的，“现阶段更多是高级的‘AI搜索’”，让模型按设定人设和流程去“演”这个人，仍处于“学得其形，未得其神”的阶段。他日常会用AI读取团队积累的文章库和仓库代码，这就已足够解决日常工作，目前的工作没有使用“同事.skill”的必要。
人工智能公司职员点点表示，“AI能学到的是你的工作流，比如你如何处理一个文档，会先打开文档，再做检查段落长度、删除过长的段落、对开头结尾进行缩写这些固定操作”，在她的体验中，即便是当前世界最强大的模型（如Claude-4.6），在理解和执行复杂的人类工作流时依然生硬，“有时连简单的格式转换都做不好，更别提替代人类进行复杂的业务决策了。”
不过，技术上的不成熟并不妨碍它成为悬在打工人头顶的达摩克利斯之剑。点点表示，“即便现阶段更像是一个噱头，但未来可能就会变成真的”。
Koki提到，不同的岗位对于“AI蒸馏”危险性的体感也会不同，对于那些高度依赖固定流程、重复性高、缺乏人际交往深度的岗位而言，“被蒸馏”的风险也是确实存在的。“大部分流程式、重复性高、且不太依赖复杂人际互动的工作，本来就是蒸馏难度最低的一类”。据她了解，已有个别企业将AI使用情况纳入绩效考核，并要求员工把经验写成 Skill，再交给AI调用。
三金在受访中也提到，自己所在的公司每个月会给技术员工发价值两三万块钱的token，以供使用。
今天的Skill或许还做不到“复制一个人”，但它已经可以提炼出一个岗位中最标准化、最重复的那部分劳动。对企业来说，这已经很有吸引力，对员工来说，这也已经足够让人不安。
这种不安背后是经验、数据和收益如何被分配的问题：公司能不能要求员工内化的经验也交出来？能不能拿聊天记录、工作习惯去训练模型？如果真从中持续获利，这部分价值又该怎么算？
从现有法律来看，“蒸馏员工”并没有企业想象得那么顺理成章。中国政法大学人工智能法研究院院长张凌寒在接受《锋面》记者采访时明确指出，“一家公司或许可以合法拥有员工在工作过程中产出的具体数据，但这绝不意味着它能理所当然地占有员工个人多年积累、内化而成的综合能力本身。强迫员工‘交出’其经验和智慧，在法理和伦理上都难以成立。”
上海锦天城（重庆）律师事务所律师李章虎也提醒，像沟通话术、决策直觉这类隐性知识，在未被固定为数据前，本来就是员工个人认知能力和职业素养的一部分，并不直接构成公司财产。
这也意味着，即便企业以“经验沉淀”“流程规范”“组织提效”的名义提出要求，也并不代表它拥有无限的提取权。张凌寒进一步指出，用人单位的管理权必须受到“与劳动内容相关”和“合理必要”的约束。工作成果和技术秘密，当然属于应交付范围；但员工头脑中的个人经验与方法论，并不当然构成法定交付义务。如果公司试图通过扣发工资等方式强制获取，极可能构成违法。
那公司有没有可能直接在后台抓取我的个人信息并进行蒸馏？李章虎指出，“公司收集数据通常是为了管理或业务存档，若将其用于训练AI，必须重新获得授权。否则，不仅面临民事侵权赔偿，还可能受到网信部门的行政处罚。”Koki也提到，从企业投入产出比来看，专门从海量数据中筛出个别员工的数据并不一定划算，这事在技术上能做，不等于在管理上就值得做。
一个更尖锐的问题是，如果企业确实利用员工数据训练出了能持续创造商业价值的模型，那收益到底归谁？现有法律很难直接支持员工向企业索要某种“数字授权费”。对此，张凌寒认为，员工对其数据贡献所产生的持续性价值获得合理分配的权利，在公平正义上是成立的，如果企业持续使用蕴含员工知识“蒸馏物”的模型进行商业活动，理论上就可能衍生出一种类似“数字收益分红”的持续分配关系。
“蒸馏同事”这件事之所以在短时间内迅速升温，不只是因为技术在发展，也因为平台、流量和产品叙事都在共同放大它。厂商希望更多场景被接入、更多token被消耗，社交媒体偏爱更刺激的表述，大众则天然会被“我会不会被自己训练出来的系统替代”这样的命题击中。于是，现实、焦虑和传播三者开始相互放大。
剥开“AI蒸馏员工”这层外衣看，一些企业真正关心的，其实从来不是“谁替代了谁”，而是怎么用更低的成本完成交付。SOP、OKR、知识库、协同文档……这些年部分企业一直在做的，本来就是把工作标准化，再尽可能复用。AI的加入，只是把这个过程又往前推了一大步：过去需要写进文档、等人查阅的经验，现在可以被整理成Skill，由系统直接调用。
国际劳工组织2025年的评估也提醒，全球约四分之一劳动者处在某种程度会被生成式AI影响的职业中，但大多数工作将被“转变”，而不是被取代，文职岗位暴露度尤其高。
“蒸馏员工”其中一个最容易被忽视的影响，是它对职场新人成长路径的改变。过去，一个新人往往就是在整理资料、跑流程、做基础分析、承担初级执行这些“琐碎”工作中，慢慢获得判断力和职业直觉。
如今，AI正在把这些基础任务越来越多地变成即插即用的Skill。表面看，新人上手更快了，效率更高了；但长远来看，如果一个人从一开始就跳过了大量“基本功”的打磨，他是否还能真正长出那种靠时间、试错和经验积累形成的、难以被轻易“蒸馏”的能力？
这种变化未必只会伤害员工，企业本身也未必真的高枕无忧。过去，公司的核心机密、业务诀窍和应变经验分散在许多员工的脑子里，竞争对手很难一次性挖走。但如果企业真的要求员工把所有核心窍门都写成Skill，上传到内部模型里，某种程度上就等于把鸡蛋放进了同一个篮子里。一旦模型被攻击，或者被拥有高级权限的内部人员打包带走，对企业造成的打击反而可能是前所未有的。
除此之外，人在面对新情况，例如突发的公关危机、全新的市场政策时，还能举一反三、临场应变，可被打包进压缩包的Skill，其认知往往停留在被整理出来的那一天。如果企业过度依赖这些“经验压缩包”，久而久之，也可能削弱自身真正的创新能力和应变能力。
“蒸馏同事”如果继续发展，真正值得担心的，恐怕不只是某个人、某个岗位会不会被替代，而是它会不会进一步改变职场结构：一头是掌握核心资源、能够设计系统、训练模型、调用工具的技能者，另一头是仍然依赖现场、体力与服务的劳动者，而处在中间，以流程执行和信息处理为主要工作的一部分白领岗位，可能会率先感受到压力。
这也是为什么，有些人开始尝试“防御性办公”，甚至想通过“反蒸馏”的方式，在提交的Skill里“掺沙子”。这当然未必真能解决问题，但它至少说明了一点：人们抵触的，从来不只是某个具体工具，而是纯然被物化。
Koki就提到，“机器的注意力、工作时间都比你长很多，即使你再严谨也需要睡觉，即使是最极致的J人，也无法和机器比严谨。”人如果只用“更像工具”来和工具竞争，结局几乎是注定的。
问题最后也许不是“我们怎样才能彻底不被蒸馏”，而是面对这种趋势，什么东西不能被默认拿走。正如张凌寒所说，真正关键的，是“如何在激励创新、保护投资与尊重人的尊严、保护个人发展权益之间，找到一个公平且可持续的平衡点”。
