同事.skill后：谁在真正“蒸馏”打工人？

GitHub 上有一个 4 小时写出来的项目，叫 colleague-skill。3 天涨到 6,700 颗星，3 周突破1.4 万。中文世界把它叫作"同事.skill"，把它做的事叫作"炼化"、"蒸馏"。这一下点燃了国内最近最大的 AI工作替代焦虑，“反蒸馏”也随之成为热词。

项目作者周天奕，24 岁，上海人工智能实验室工程师。按他对澎湃科技的说法，这是团队在做“智能体安全”研究时，顺手花 4小时开发的副产品。仅这“4小时”，就足以提示我们对它的理解可能已经被夸大。从源码看，它做的事很简单：把对一个具体同事的描述、聊天摘录、文档片段，整理成三个markdown 文件（SKILL.md、work.md、persona.md），加起来通常不过几十 KB，用来驱动 AI模仿这个人的行为和产出。

它跑在 Anthropic 2025 年 12 月公布的"智能体技能"（AgentSkills）开放标准上，可以被简单调动。这当然不是“蒸馏”，蒸馏至少得基于海量的个人数据，训练出一个有参数意义的小模型。同事.skill离这件事很远。把它叫"蒸馏"，是文学比喻，不是技术描述。

但这次比喻足够成功。4 小时的代码量，靠一句"将冰冷的离别化为温暖的 Skill，欢迎加入赛博永生"拿下 1.4 万星。按GitHub开源项目的常规节奏，这是顶级开源框架要花一年才能到的数字。衍生品紧随其后：前任.skill、老板.skill、导师.skill、父母.skill、永生.skill、女娲.skill。4月 13 日，作者本人把项目升级为 dot-skill——"可蒸馏任何人"。

真正用过"同事.skill"的人都知道，指望它替代一个真实的同事，几乎是不可能的。即便效果尚可，功劳也该归于大模型本身——把任务稍作包装交给Claude，本来就大概率能跑出不错的结果。这个项目骨子里是个概念小品，甚至带点行为艺术的性质。让它变得沉重的，是中文世界把整整一个时代的劳动焦虑都塞了进去。

然而，AI大规模应用已走到第四年，对人工被AI替代的焦虑是真实的。真正的"蒸馏"在哪里，又是如何发生的？我们该如何从技术、立法等层面，应对“劳动被替代”这件事？

01

真正的蒸馏，正在Meta发生

蒸馏一个人是可能的。2026 年 4 月，路透社和 Platformer 同期披露了 Meta一个内部项目，叫"模型能力倡议"（Model Capability Initiative，简称MCI）。它在美国员工的工作电脑上运行一套软件，采集四类东西：鼠标轨迹、键盘输入、应用上下文，以及“偶发”的屏幕快照。这些数据进入Meta超级智能实验室的训练管道，目标是训练出一种能在真实电脑环境里完成日常办公的智能体——选下拉菜单、按快捷键、在多个应用间切换，把复杂任务做完。

训练范式叫"行为克隆"，Meta的首席技术官博斯沃思在内部备忘录里这样描述目标："我们正在构建的愿景是，智能体主要做工作，我们的角色是指挥、审核并帮助它们改进。"备忘录里还有一个更关键的词——"闭环"：智能体能通过审核和反馈"自动看到我们在哪里觉得需要介入，下次就能做得更好"。这是一段标准的行为克隆与反馈学习工程描述。通过这样的方式，一个人的工作就可能被克隆出来。

当一名员工在内部论坛问能不能退出这个项目，博斯沃思的回答是："在你公司提供的工作电脑上，没有退出选项。"也就是说，每个人都会以这种方式被复制。MCI的最终产物是更新后的模型权重，可以被部署、被复制、被用来在新员工入职前先替代旧员工工作的算力实体。这才是真正的蒸馏。

这也是MCI和同事.skill 的根本区别。同事.skill 是几十 KB 的markdown 文件，被 AI在某次对话里临时加载、读完；MCI是GPU集群里的训练任务，输出是会在每一次推理中都被调用的模型参数。虽然他们都说是要“蒸馏人”，本质却完全不同。

MCI 所代表的方向当然是更严肃和可怕的。Meta 在 2025 年 6 月以 143 亿美元收购了 Scale AI 49%股份，把这家专门做数据标注的公司的创始人王大力（Alexandr Wang）安插进自己的超级智能实验室做负责人。王大力曾在 2024年说过一句话："对于我们想要构建到模型中的很多能力，最大的障碍其实是缺乏数据。没有任何地方存在一个真正有价值的智能体数据池。" MCI正是 Meta 给这个问题的内部答案——既然外部没有，就在自己员工身上采。

当公开互联网的训练数据接近耗尽，下一个数据库就是员工自己的劳动过程。这也成了“作茧自缚”在AI时代的寓言。任何拥有大量员工 +工作设备 + 协作平台的公司，理论上都能复制这一工程。

动画《万神殿》

02

一次成功的比喻，一次失焦的恐惧

那么问题来了：既然 MCI 和同事.skill 在工程上根本不是一回事，中文世界为什么用同一个词"蒸馏"把它们装在一起？

这是又一个传播学的经典案例。同事.skill一次押中了三种修辞：科幻里的"数字永生"、修仙里的"炼化"、末日叙事里的"被算法吃掉"，每一种都对应一组既有的情感反应。

媒体对同事.skill的夸大使用会带来什么问题？如果只是又一次焦虑贩卖，倒不算稀奇，这年头最不缺的就是焦虑贩卖。但前面区分同事.skill 和 MCI的差别，正是这里的关键。对前者的恐惧是显性的，是把个人"文件化"的恐惧，但它可能误导了真正应该警惕的方向。员工看到 GitHub上的同事.skill，可以写反蒸馏工具去污染它，相关内容在小红书上也非常火。反对同事.skill这种"个人复制"是容易的，但很可能搞错了方向。

真正的威胁不是几十 KB 的文件，而是一些更像 MCI 逻辑的东西：飞书后台采集的对话、钉钉沉淀出的检索式知识库、公司里的Token 考核、不断攀升的 skill 数量。这些没有公开链接，没有 GitHubissue，没有可见的开源项目可以反对，却离"AI 工作替代"最近。

第二个后果是，把同事.skill 和 MCI 混在一起后，企业反而获得了修辞弹性。当蒸馏 = 同事.skill = MCI =离职员工的数字分身 = 公司知识库 = 任何 AI化项目，一旦前者被证明是技术误解和过度忧虑，这种"无害"就会向后者那些更危险的领域传导。企业可以用同一句话挡回去："我们只是在沉淀知识"，"我们只是在优化流程"，听上去无害得多。

真正的恐惧应该指向"劳动主体资产化"，"蒸馏个人"反而是一种混淆。

动画《万神殿》

03

更普遍的替代，早已无处不在

同事.skill 的文档把数据源写得很清楚：飞书自动 API、钉钉浏览器登录态、邮件 .eml文件、微信聊天记录。也就是说，它本身并不“采集”，它使用的是已经被采集的数据。协作平台每天在亿级员工的工作流中持续生产聊天记录、文档版本、Wiki修订、多维表格、审批留痕、会议纪要。这套数据流远在同事.skill 出现之前就已经存在。

InfoQ 在 2026 年 5 月报道了一家游戏传媒公司，他们已经把一位刚离职的人事专员训练成了"AI数字人"，继续在公司工作。这个数字人目前可以承接咨询、做PPT、做表格的工作。该公司员工小鱼描述："昨天还一起摸鱼打趣的同事，今天就变成了 AI人。"公司给出的说法是"经过当事人本人同意"。但这个项目不是用 GitHub 上的同事.skill做的，它是公司用自有的工作数据所开发的。

其实一个人大概率不会变成一个单一的个体化Skill，而是可能成为多种不同的工具。Anthropic的开放标准核心场景非常具体：法务部门把合同审查标准做成markdown 文件、财务部门把报销规则做成 markdown 文件、工程部门把代码规范做成 markdown文件。早在同事.skill 出现之前，对国内那些激进推进 AI 化的公司来说，skill 早就泛滥成灾了。

在极昼的一篇报道中，提到化名为陈鹏飞所在的制造业公司，内部 skill 库里堆了上千个skill，每月在调用大模型上烧近千万人民币。另一个例子，化名为叶筱在硅谷大厂开发的"会呼吸的 skill"——一个 teamskill，自动抓取鲍司文档变更并更新到检索式知识库，能在多人休假、突发任务多时仍能应付整个团队的工作。领导对此很满意。任务替代，而不是针对单个人的替代，而且早就开始了。

更系统的版本在阿里。2026 年 3 月，阿里成立 ATH 事业群，由总裁吴泳铭直接负责，推出"秒悟"（Meoo）内部 AI开发工具。阿里官方披露，内部已有超过 1万员工在用秒悟，绝大多数来自财务、设计师、产品经理、运营等非技术岗。基本可以被看作一个企业技能大全，以及新技能生成平台。可以完成H5页面生成等很多运营岗位的实际需要。

和同事.skill对比，可以把这套机制叫作“后台蒸馏”——在企业自有协作平台已有数据池的基础上，叠加内部 RAG、skill库、数字员工架构，持续把员工的劳动过程提取为可训练资产。后台蒸馏的政治经济学和 GitHub 上的同事.skill完全不同。它不可见，不可分叉，不可在 issue 区抗议，不需要任何外部开源项目。它就是飞书和钉钉等自身在企业内部的扩展用途。

同事.skill 之所以让中文世界焦虑，恰恰在于它让平时不可见的"后台蒸馏"第一次有了一个可见的代理对象。它不过是个 4小时写完的 markdown项目，却承接了中国大厂过去一两年悄悄推进之事所积累的全部情绪。情绪找到了一个看得见、骂得着的出口。但骂这个出口，对真正在飞书后台发生的事没有任何影响。

美剧《上载新生》

04

三段式替代：任务拆分、监督集中、工资压缩

我们总以被AI替代是“我被复制了”，但实际机制则是：我的岗位被拆成 8 个任务，其中 6 个变成 skill 交给智能体，剩下2 个交给少数监督者。

可以把这套机制叫作"三段式替代"：任务拆分、监督集中、工资压缩。这三段都不是抽象推论，而是 Meta、阿里和大量中小企业2026 年的公开战略。

战略层讲得最清楚的是 Meta。博斯沃思 4月那份内部备忘录的核心句前面已经引用过："智能体主要做工作，我们的角色是指挥、审核并帮助它们改进。"配套的是扎克伯格 2026年第一季度财报电话会上的发言，大意是：过去需要一个大团队的项目，未来由一位非常有才华的人就能完成。两句话合起来，正好是"替代三段式"完整的政治经济学陈述：智能体做工作（任务拆分）、人类指挥审核（监督集中）、过去的大团队消失（工资压缩）。

第一段，任务拆分。这在上面的InfoQ、极昼和阿里的报道中已经呈现出来了。这些企业爆发式增长的skill，每一个都是一次任务拆解。极昼那篇报道里还有一个细节：医药公司财务王春廷，部门领导直接要求把"每一项财务流程开发成固定脚本"。部门里因此流传着一句口头禅，"人要做的，就是点击鼠标。"这是预备裁员。一项工作一旦能开发成skill，就不再需要一个全职员工。

第二段，监督集中。少数人要审核更多智能体的产出。问题在于，审核依然是个很繁重的工作，且一旦出了问题，修复的时间更长。哈佛商业评论、BetterUp和斯坦福 2025 年的一项联合调查访谈了 1,150 名美国员工：41% 在过去一个月里收到过同事用 AI生成、看起来完整、实则需要返工的内容（这类内容被称为workslop），平均每次需要 1 小时 56 分钟修复。

智能体生产的"成果"在表面上让组织绩效看起来更漂亮和高效，背后是另一名员工在被动地承担审核负担。但这种成本在组织内部并不对称：从老板的视角看，更容易看到的是Token 消耗、skill 积累、任务拆分的"成果"，而非那些隐性的返工时间，由此推动更激进的 AI 裁员。

第三段，工资压缩。Meta 在 2026 年 4 月宣布裁员 10%（约 8,000 人），同时不再补 6,000个已开放岗位，两笔合起来削减了 1.4 万个 headcount。同年 Meta 的资本支出指引最高达 1,350亿美元，几乎全部用于 AI 基础设施。两相对比，AI 支出在挤压人力支出，不用多说。

这正是博斯沃思备忘录里那个关键词"闭环"在劳动政治学上的含义：智能体每一次被员工监督修正，都在为下一次"更少需要监督"做训练；每一次"更少需要监督"，都意味着监督岗本身被压缩。这个闭环，本身就是一套工资压缩的自我强化机制。

美剧《人生切割术》·第二季

05

反蒸馏、判决与离线权：三种应对的边界

应对方法比想象中复杂。

很多人考虑以毒攻毒，用技术的方法反制。邓小闲在 GitHub 上发布了反蒸馏.skill 项目，三周内攒到 2,200颗星。他在项目说明里写：希望大家在 AI浪潮里活得久一点。其他作者紧随其后：有的项目专门生产"看起来完整专业、实际上核心知识已被抽掉"的清洗版材料，员工另外用私人备份保留真知识；有的项目内置25% 污染人格注入 + 事实陷阱 + 逻辑陷阱 + 触发陷阱，专门污染未来的训练数据。一个反蒸馏项目汇总目录已经收录 50个以上同类项目。整个反蒸馏开源生态已经成型。

工程美学是有的，但可能不太有用。它能解决的只是“单一员工人格化”的问题，解决不了埋在日常工作里的数据与行为采集，也解决不了单一技能和任务被公共skill 化的大趋势。何况同事.skill 本就是一个带点玩笑性质的项目。

司法呢？2026 年 4 月，杭州互联网法院终审判决一桩劳动争议：35 岁的周先生原本是某 AI 公司大模型质检主管，月薪 2万 5；公司引入新的 AI 工具后，单方将他调岗、降薪至 1 万 5；他拒绝调岗，被以"不胜任工作"为由解除合同。法院判违法解除，按2N 标准赔偿 26 万元。

承办法官施国强在判后给出的一句话最直接——"仅仅以公司引入 AI降成本来解除劳动合同，并不属于劳动合同法规定的客观情况发生重大变化"。这一句把红线画在了《劳动合同法》第 40条上。从此一家公司不能仅仅因为"AI 比人便宜"就以"客观情况变化"为由单方解约，必须协商一致或承担赔偿。

但这是“事后救济”，司法成本不低，员工要愿意起诉、能起诉、起诉得起，还得耗到二审。且很多公司就算承担赔偿，也愿意继续用AI压缩工资，从商业上看这是理性的。

这意味着真正的制度回应，需要发生在工作过程中，而不是解雇之后。上海政法学院王倩教授提出了两个方向：一是"离线权"，把劳动法对工时的保护从"在岗时间长度"延伸到"离岗"，让员工能合法拒绝下班后的token 化在线生产；二是企业推进 AI 化改造需要员工同意，重大变动前提交影响报告并与工会协商。

但这两个提法恐怕都停在纸面上。后者因为众所周知的原因；前者则恰恰顺应了"蒸馏个体"的误解：如果企业只是让一个技能任务 24小时定时运行，这个任务该算在哪个员工身上？当工作以技能而非个人为单位运行时，"离岗"这条边界本身就消失了。

也有人以泰勒主义类比 MCI，回溯一百年前流水线上发生的事。1911 年的《科学管理原理》，泰勒（FrederickTaylor）用秒表把工人的每一个动作分解为可测量的时间单位，找到"最优路径"，再让所有工人按这个路径操作。这个类比不准确。泰勒优化的是人的动作，逻辑更接近今天"困在系统里"的外卖骑手；而AI 的目标不是优化这个人，是替代这个人。

正是在这个意义上，出现了一批科学家，他们的立场不是监管 AI，而是主张人类应当彻底放弃这条技术路径。AI或许不是一种能被现有社会制度驯服的技术。自动化的内在逻辑，终点是脱离人的介入完成生产任务，一旦到达那个终点，任何以"人"为主体的约束都会失效。也许到那时，剩下的手段就只有税收了。

美剧《上载新生》

06

痛点，永远在焦点之外

这篇文章，是让讨论回到关键位置的一次尝试；也许更准确的说法是，分析为什么这种讨论注定无法回到那个位置。

同事.skill和反蒸馏站在两端。两端都是某种行为艺术，但都成了热门。这是一场错位的辩论，在贴着"炼化"和"赛博永生"标签的中文自媒体推送里热烈进行。

焦虑的对象在飞书钉钉后台的协作数据流里、在 Token KPI 的竞争榜里、在阿里 ATH事业群的内部周会里、在医药公司财务部门"人要做的，就是点击鼠标"的口头禅里、在游戏传媒公司"经员工同意"把离职人事专员变成永久数字人的会议纪要里。真正的回应在《劳动合同法》的判例和司法解释里、在AI 替代用工影响评估前置的立法草案里、在工会代表能合法要求企业披露内部 skill 库和 Token 规则的谈判里。

但上述绝大部分回应还没开始。这正是 AI 替代难以被察觉的原因：它发生的逻辑太"顺"了。就像公司接入一套 OA自动化系统，会裁撤几个行政部门的人；接入一套会计自动化系统，会裁撤几个财务部门的人；找到一家外包公司，会把本公司同职能部门裁掉。AI替代同样顺滑：当 skill 的积累让 3 个人可以做 7 个人的工作，公司自然裁掉 4个人。只不过这次不是某个部门、某个职能、某种行业，而是所有人。很多人失业了，都未必能意识到这是"AI替代"，原因往往是多元的，并不黑白分明。

但焦虑既然是真实的，就总会去寻找出口。出口在那些并不真实、却能戏剧性地将我们的担忧显化和符号化的地方。今天是 GitHub上一个 4 小时的项目，明天可能是一部网剧，一个短视频 IP。

制度回应的速度，永远赶不上我们为这场危机赋予新名字的速度。