同事刚离职，AI替身就坐上了他的工位
你的聊天记录、代码、邮件，正在被“炼”成一个永远不辞职的数字同事
2026年3月底，GitHub上出现了一个让人后背发凉的开源项目——
玩法很简单：把你离职同事的飞书聊天记录、钉钉文档、工作邮件、代码提交历史统统丢进去，“蒸馏”成一个AI分身。
这个分身能用你同事的语气回答技术问题，能按他的代码规范写程序，甚至能模仿他在群里甩锅。
项目页面上写着一句slogan：
“将冰冷的离化为温暖的Skill，欢迎加入赛博永生”
翻译成人话：兄弟，就算你人走了，你的经验也得留下给我打工。
人走了，茶没凉。AI替你在公司里“赛博永生”，继续发光发热。
有人调侃：这不就是数字版的‘死后仍为公司做贡献’吗？
笑过之后，越来越多职场人发现——这不是段子，是正在逼近的未来。
“同事.skill”到底是怎么做到的？
技术层面看，它是一款基于AI大模型的工具。你需要提供离职同事的聊天记录、文档、代码等数据——飞书消息、钉钉文档、邮件、截图，加上一些主观描述，喂给大模型，便能生成一个AI分身。
开发者甚至准备了“全自动提取工具”，支持飞书、钉钉、Slack、微信的数据导出。
这套架构有两层：
底层是“工作技能”，负责沉淀专业能力——代码风格、业务逻辑、项目流程
上层是“人格模块”，通过五层结构（硬规则、身份定位、表达风格、决策模式、人际行为），模拟真人的情绪和发言
换句话说，你不仅在复刻同事的知识库，更是在复刻他的职场人格。
官方展示了一个场景。当你对AI同事说“帮我看一下这个接口设计”时，它会回复：
“等等，这个接口的impact是什么？背景没说清楚。N+1查询，改掉。返回结构用统一的{code, message, data}，这是规范，不用问为什么。”
和真人同事的语气几乎分毫不差。
更绝的是甩锅场景。你质问“这个bug是你引入的吧？”，AI同事会滴水不漏地回应：
“上线时间对上了吗？那个需求当时改了好几个地方，还有其他部门的变更，不能只看我这一行。”
这哪是AI，分明是把前同事的工牌直接焊死在服务器上了。
“同事.skill”走红后，GitHub上像裂变一样长出了一堆衍生项目：
“前任.skill” —— 把微信聊天记录导进去，生成一个AI前任。你发去“我们复合吧”，它可能回你一个字：“哦。”完美解释了为什么是前任。
“导师.skill” —— 学生再也不怕导师毕业跑路了。把论文修改意见和邮件导进去，问“这部分怎么写”，AI导师会回你：“这里逻辑不对，再改改。我没时间看，你自己体会。”
这股风潮迅速扩散到小红书。一篇关于“前任.skill”的帖子，短时间内积累了500多条评论、4500多次点赞。
但狂欢背后，有人在一篇技术分析文章中尖锐地指出：
人正在被重新定价。同事、前任、导师、老板，都被抽象成一个个可以随时调用的能力模块。
当职场关系被数据化、商品化，人与人之间的连接，是否会进一步异化？
玩梗的背后，是真实的焦虑。
“同事.skill”所做的事情，与许多大厂管理层要求员工“系统性记录工作流程、决策逻辑和操作规范”的做法，逻辑几乎完全一致。
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”。
两者的终点，其实是同一个方向：把人的经验、判断、习惯蒸馏成数据，然后人就可以被丢弃。
一位资深开发者在社交平台上写道：
“前几年程序员之间还在讨论，可以在代码里‘埋雷’——多层嵌套、不写注释、故意加入只有自己才懂的触发条件——作为一种防裁员技巧。AI来了之后这招也不灵了。多层嵌套？AI给你拆开。不写注释？AI给你补上。”
与此同时，国内外互联网大厂已经从“鼓励使用AI”进入了“隐性强制使用AI”的阶段。
有人被统计每天消耗了多少Token，有人所在团队把AI使用情况和绩效挂上了钩，有人被要求把工作经验拆成流程、写成Skills，交给AI反复调用。
一位大厂员工在接受采访时说：
“最初AI还只是少数人的玩具。但现在，当那些原本属于个人经验、工作习惯的东西，被一点点拆解、整理、上传、复用，我们究竟是在使用AI，还是在给AI当燃料？”
有评论者用一句话总结了这场“知识沉淀”运动的本质：
企业说是知识沉淀、经验传承，实际上是让你亲手把自己的核心竞争力打包上交。你前脚刚走出公司大门，后脚另一个‘你’就坐到了你的工位上。
它用你的声音回邮件，用你的思路写方案，用你五年积累的经验做决定。
而你，甚至是亲手把它“生”出来的。
魔幻的是，这场“经验上交”运动，催生了一门新生意：反蒸馏。
AI产品经理邓小闲开发了一款“反蒸馏”技能，其视频在社交媒体获得超300万次观看。
功能很直接：你把精心写好的工作Skill扔进去，它自动帮你生成一份看起来专业完整、实则核心知识已被抽掉的“灌水版”。
比如，你本想说：“Redis key必须设TTL，不设的PR直接打回。”
反蒸馏后变成：
“缓存使用应遵循团队规范，合理设置过期时间以优化资源利用”
看起来没问题，甚至更高大上了。但懂行的人一眼就能看出——这句话啥也没说。
没有具体参数，没有操作标准，没有执行红线。
更妙的是，这份灌水版Skill完全合规——字字正确，句句正确，就是没用。
你说它错了吗？没有。你说它有用吗？也说不上。
这就是高手的境界：在遵守规则的前提下，让规则变得毫无意义。
与此同时，另一位开发者发布了一个名为“杀死那个数字分身”的开源工具箱，包含三层防护：
混淆：让AI学不准你，通过写作风格随机化打破你的文字指纹
追踪：在你的数据里埋雷，用零宽字符嵌入隐形追踪标记
检测：揪出你的“分身”，通过风格指纹对比找出可疑的AI输出
项目发起者写道：
项目描述中附上了一段令人后背发凉的场景：
有人刷到一个帖子——“上午还在工位上工作的同事，下午就因为优化离开了公司。本以为只是一场寻常的人事变动，结果下一秒弹出前同事的消息：你好，我是已离职员工的数字分身，你可以向我提问”
人已经走了，但“灵魂”被留下了。
这不是科幻，这是正在发生的事。
在这场狂欢中，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练级区。
AI接手了初级员工的杂活，短期效率确实提升了，但新人失去了锻炼的土壤。
一位资深工程师在评论中写道：
你喂养的AI，正在吃掉你的未来。
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”
更深层的问题在于：当“数字分身”可以代替本人沟通、决策甚至“甩锅”，权责如何界定？
这不是杞人忧天。
2026年第一季度，美国科技行业裁员52050人，同比增长40%，其中AI被明确列为核心原因。咨询公司直言：“企业正在将预算转向投资AI，而不是创造就业机会。”
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。
一边裁人，一边AI把系统搞崩，然后让剩下的人去兜底。人类把决策权交给AI，AI不承担后果，后果回到人类头上，但那时候能兜底的人已经被裁掉了。
彻底闭环了。
这场“蒸馏”风暴的背后，是一系列尚未厘清的法律问题。
清华大学一位副教授犀利发问：
“如果人的工作经验、协作方式甚至风格特征都能被模块化，那么凝聚其中的劳动价值、知识产权和人格尊严分别应当如何保护？”
他指出，劳动者在工作中形成的默会知识——沉淀在聊天记录、文档修改痕迹、代码提交和邮件往来中的判断习惯——在原则上应由劳动者自己掌握。但现有法律还不能完全解决这个问题。
此外，还存在商业秘密的外溢风险。员工的工作文档往往包含公司核心算法、客户名单。将这些数据“蒸馏”成Skill包并上传至GitHub，极可能导致商业秘密的公开泄露。
2025年9月，杭州一家公司因未经授权将前员工的声音经AI训练后用于虚拟角色配音，被法院判决侵犯了前员工的声音权益。
这一判例为AI时代的人格权保护提供了重要参照——但声音可以保护，那文字风格呢？工作习惯呢？决策逻辑呢？
法律的边界仍然模糊。
技术专家们普遍认为，“同事.skill”的技术能力被严重夸大了。
本质上，它仍是基于提示词的文本生成工具，并非真正的“意识上传”。它能复刻方法，却无法复刻创造力与临场应变的直觉。
但即便如此，有一个问题依然摆在每个人面前：
当你的经验被完全萃取，你的不可替代性还剩多少？
一位资深工程师在被问到“如果AI能写出和你一样好的代码，你还有什么价值”时，想了一会儿说：
“AI知道怎么写代码，但它不知道为什么要写这段代码”
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。
AI可以告诉你Redis要不要设TTL，但它不会在凌晨三点被叫醒处理P0故障时，凭着直觉和经验，在混乱的日志中找到那条关键线索。
AI可以Review你的PR，指出代码规范问题，但它不会在你坚持一个看似不合理的方案时，停下来问一句：“你为什么这么做？”
AI可以输出完美的答案，但它不会提出一个让所有人沉默的、直击本质的问题。
这些“不会”，恰恰是人类的最后堡垒。
我并不是要否定知识沉淀的价值，也不是鼓吹对抗技术变革。
但我们需要想清楚一个问题：效率的终极目的，到底是什么？
如果一家公司拥有了一万个完美运行的Skill，却没有一个人能指出Skill哪里不对、哪里过时、哪里需要被推翻——那这家公司离真正的危机，其实只有一步之遥。
因为Skill只能告诉你“怎么做”，但永远无法告诉你“为什么还要这么做”。
当环境变了，假设变了，目标变了，那些被精心萃取的Skill可能瞬间变成一堆精致的废话。而只有真正的人，那个在真实世界里摔打过、失败过、困惑过的人，才能站起来说：
“等等，这个方向可能错了”
这才是不可替代的核心能力。
所以，如果你被要求写自己的Skill，不妨认真写。
但请记住，真正值得你保护的，不是那些可以被文档化的操作技巧，而是你在一次次失败中锻炼出的判断力、提问能力和质疑勇气。
这些，才是AI永远无法“蒸馏”的东西。
当我们试图用Skill替代人，最终会发现一个讽刺的事实：
最珍贵的资产，恰恰是那些无法被写成Skill的东西。
参考资料：搜狐网、智源社区、DoNews、南方Plus、科创板日报、钛媒体、太平洋科技、36氪、21世纪经济报道、V2EX等
