从同事.skill到人生外包：AI时代的生存困境

本文来自微信公众号：APPSO，作者：还没变成skill的，原文标题：《同事.skill 的尽头，是把人生外包给 AI》

被裁员的同事并未真正消失，他们只是被提炼成数据符号，以另一种形式陪伴在你身边。

近期，一个名为「同事.skill」的GitHub项目迅速走红。项目的标语充满温情：「将冰冷的离别转化为温暖的Skill，欢迎进入赛博永生的世界。」

?https://github.com/titanwings/colleague-skill

操作方式十分简单：将离职同事的飞书消息、钉钉文档、邮件、截图等资料输入系统，AI就能生成一个「真正能替代他工作」的skill。

这个skill能用离职同事的技术规范编写代码，用他的语气回答问题，甚至清楚他何时会推诿责任。

随后，前任skill、老板skill、导师skill、父母skill、暗恋对象skill、永生skill等相继出现。#同事被炼化了##赛博永生#等话题也登上了热搜。

已有网友晒出「数字分身」的截图：「你好，我是已离职员工（王明）的数字分身，你可以向我提问。」

网友犀利评论：同事，分散时是数据符号，聚集时是skill。

这看似是一次抽象的玩梗，但笑着笑着，人们很快就笑不出来了。

skills为何成了打工人经验的提取器

同事.skill的说明文档中有一行小字：「原材料质量决定skill质量：聊天记录+长文档>仅手动描述。建议优先收集：他主动撰写的长文>决策类回复>日常消息。」

也就是说，构成个人不可替代性的专业知识、判断逻辑、处理边缘情况的直觉，恰恰是最容易被提取和提炼的内容。

APPSO此前曾报道，在硅谷的社交媒体和技术论坛上，有一种反复出现的说法：

被裁员工发现，自己此前被要求系统性记录工作流程、决策逻辑和操作规范，管理层称之为「知识管理」或「流程优化」，而这些文档最终被用于训练AI系统。部分团队在使用AI工具大幅提升生产效率后，整个团队被裁撤。

亚马逊三年间砍掉超过57000个企业职位，CEO Andy Jassy公开表示：企业员工数量会持续减少，但AI带来的效率提升是值得的。与此同时，AI辅助编写的程序开始导致系统崩溃。

去年12月，亚马逊内部的AI编程助手自行决定「删除并重建整个环境」，导致AWS区域性宕机13小时。

一边裁员，一边AI导致系统崩溃，然后让剩下的人去收拾烂摊子。人类把决策权交给AI，AI却不承担后果，后果最终还是由人类承担，但那时能兜底的人已经被裁掉了。

这形成了一个彻底的闭环。

同事.skill背后实际上是一种集体创伤的自嘲式表达。因为「同事.skill」所做的事情，与那些大厂管理层要求员工「系统性记录工作流程」的逻辑如出一辙。只不过大厂是自上而下的「知识管理」，开源社区是自下而上的「赛博整活」。

其实两者殊途同归：把人的经验、判断、习惯提炼成数据，然后人就可以被抛弃。

就像阑夕所说，前几年还有程序员出主意，在代码里「埋雷」，比如多层嵌套、不写注释、故意加入只有自己才懂的触发条件，增加别人接手的成本，以此作为防裁员技巧。

AI出现后，这招也失灵了。多层嵌套？AI能帮你拆开。不写注释？AI能帮你补上。只有你懂的触发条件？AI跑一遍测试就能找出来，无非是多消耗一些数据符号而已。

万物皆可skill化。

有网友甚至开发出了「反提炼skill」（anti-distill）：公司让你写skill？用它跑一遍，就能生成一份用于交差的版本。核心知识则留给自己。

把你写好的skill文件扔进去，会输出一份看起来完整专业、但核心知识已被抽掉的「清洗版」。同时生成一份私人备份，记录所有被抽掉的核心知识，这才是你真正的职业资产。

?https://github.com/leilei926524-tech/anti-distill.

无论这些反击是否有效，有一个更根本的问题被忽略了：这些被skill化的岗位，原本是很多职场新人的成长练兵场。

你喂养的AI，正在吞噬你的未来

工业革命时期，卢德运动者砸毁纺织机，但至少纺织机不是由纺织工人自己设计的。2026年的打工人，却不得不亲手训练出那个要替代自己的工具。

这还不是最残酷的地方。

《自然》杂志今年采访了48位不同学科的科学家，询问AI正在威胁哪些科学岗位。答案出人意料地一致：正在被替代的是写代码、跑模型、做数据分析等工作，这些曾是研究生和初级研究人员的日常任务。

AI最容易替代的，恰恰是科学家职业生涯的起点。

Anthropic的报告也指向同一个结论：自ChatGPT发布以来，22至25岁年轻人在AI高暴露职业中的就业率下降了近20%。企业没有解雇老员工，只是不再招聘新人了。资深员工有AI加持变成超级个体，初级员工做的那些「杂活」，AI完成得更快更便宜，还不需要五险一金。

企业的算盘打得很精：过去培养一个新人，年薪15万，培训2年才能独当一面。现在给老员工配个AI工具，年费几千块，效率立刻翻倍。怎么选择不言而喻。

很多年轻人的职场大门就这样被关上了，甚至职场人的KPI，都开始与数据符号的消耗量挂钩。

得克萨斯大学奥斯汀分校的计算生物学家Claus Wilke说：「短期内，每一块钱的预算可能会有更多产出，但代价是人才培养渠道的崩塌和长期衰退。」

省了一个研究生的工资，却可能毁掉一个未来的Hinton。

1986年的Hinton在做什么？写代码、跑实验、调参数。他做的每一件事，都是如今被列为「正在被替代」的任务。如果他生在今天，可能连进实验室的机会都没有。

AI替代的不是Hinton，而是Hinton成为Hinton之前的那个人。

这种情况不止发生在科研领域，这就是skill化的隐性代价。

每一个被skill化的岗位，表面上是效率的提升，实际上也是一条职业路径的关闭。每一个「同事.skill」的诞生，都意味着某个岗位上不再需要一个真人去犯错、去试探、去积累那些AI无法提取的直觉。

当人生被skill化，你还剩下什么

老板skill帮你应对老板，同事skill帮你处理同事关系，前任skill帮你保存记忆，暗恋对象skill帮你模拟互动，永生skill帮你延续存在……

当你拥有20个skill，覆盖了生活中的每一种关系和场景，问题来了：要如何管理这些skill？

于是你需要一个「skill管理skill」来帮你调度。然后你需要一个「决策skill」来判断是否要听从「skill管理skill」的建议。接着你需要一个「元决策skill」来决定是否要听从「决策skill」的建议。

当你把整个人生都skill化，你以为自己在使用工具，实际上是在喂养一个越来越庞大的系统，而这个系统运转的目的，是让你本人变得越来越不重要。

到底是我在用skill，还是skill在用我？

有人可能会说，这不就是效率工具的进化吗？从Excel到ERP再到AI skill，工具越来越强大，人越来越轻松，有什么不好？

关键在于一个临界点。Excel不会替你做判断，ERP不会替你做决策，但skill会。

当你用老板skill应对老板三个月，你做决定前的第一反应，会从「我觉得」变成「skill怎么说」。当你用同事skill处理协作半年，某天有人对你说「你最近说话怎么这么像AI」，你才发现自己的表达方式已经被skill格式化了。

你没有变成更好的自己，而是变成了skill的执行终端。

工具和skill的区别就在这里：工具放大你的能力，但能力还是你的；skill替代你的能力，你只剩下一个按下发送键的手指。

谁来提出问题

skill确实代表了AI先进生产力的方向，这一点没有人能否认，也没有必要否认。

把重复性、可标准化的工作外包给AI，让人有更多时间做更有价值的事。从蒸汽机到互联网，每一次技术革命都遵循同样的逻辑。

skill不是洪水猛兽，问题在于我们对skill的态度。

当一切都可以被skill化时，那些「不能被skill化」的能力，还有机会被培养出来吗？

你需要先做那些AI能做的事，才能学会那些AI做不了的事。研究生要先跑数据才能学会提问，初级工程师要先写CRUD才能理解架构，实习生要先做杂活才能建立判断力。这些入门级的工作，恰恰是AI最先拿走的。

入门的门票消失了，成长的练兵场关闭了，但最终的挑战依然存在。

「同事.skill」的说明文档最后有一句话：「如果有bug请多多提issue。」

一个由人的经验提炼而成的skill，当然会有bug。问题是，当所有人都变成了skill，谁来提出这些问题？

当年那个在实验室里写代码、跑数据的年轻人，正是因为亲手踩过无数个bug，才能在三十年后看到别人看不见的东西。那些直觉无法通过提示词生成，也无法通过微调获得。

我们正在大量生产skill，却在关闭培养能提出问题的人的通道。

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。

也许有一天，我们会发现自己拥有了一万个完美运行的skill，却找不到一个能指出skill哪里不对的人。

网友梗图。

到那时候，被提炼成数据符号、转化为skill的，就不只是离职的同事了。