GitHub 上有一個 4 小時寫出來的項目，叫 colleague-skill。3 天漲到 6,700 顆星，3 周突破 1.4 萬。中文世界把它叫作"同事.skill"，把它做的事叫作"煉化"、"蒸餾"。這一下點燃了國內最近最大的 AI 工作替代焦慮，「反蒸餾」也隨之成為熱詞。
項目作者周天奕，24 歲，上海人工智能實驗室工程師。按他對澎湃科技的說法，這是團隊在做「智能體安全」研究時，順手花 4 小時開發的副產品。僅這「4 小時」，就足以提示我們對它的理解可能已經被誇大。從源碼看，它做的事很簡單：把對一個具體同事的描述、聊天摘錄、文檔片段，整理成三個 markdown 文件（SKILL.md、work.md、persona.md），加起來通常不過幾十 KB，用來驅動 AI 模仿這個人的行為和產出。
它跑在 Anthropic 2025 年 12 月公布的"智能體技能"（Agent Skills）開放標準上，可以被簡單調動。這當然不是「蒸餾」，蒸餾至少得基於海量的個人數據，訓練出一個有參數意義的小模型。同事.skill 離這件事很遠。把它叫"蒸餾"，是文學比喻，不是技術描述。
但這次比喻足夠成功。4 小時的代碼量，靠一句"將冰冷的離別化為溫暖的 Skill，歡迎加入賽博永生"拿下 1.4 萬星。按 GitHub 開源項目的常規節奏，這是頂級開源框架要花一年才能到的數字。衍生品緊隨其後：前任.skill、老闆.skill、導師.skill、父母.skill、永生.skill、女媧.skill。4 月 13 日，作者本人把項目升級為 dot-skill——"可蒸餾任何人"。
真正用過"同事.skill"的人都知道，指望它替代一個真實的同事，幾乎是不可能的。即便效果尚可，功勞也該歸於大模型本身——把任務稍作包裝交給 Claude，本來就大概率能跑出不錯的結果。這個項目骨子裏是個概念小品，甚至帶點行為藝術的性質。讓它變得沉重的，是中文世界把整整一個時代的勞動焦慮都塞了進去。
然而，AI 大規模應用已走到第四年，對人工被AI替代的焦慮是真實的。真正的"蒸餾"在哪裏，又是如何發生的？我們該如何從技術、立法等層面，應對「勞動被替代」這件事？
文｜穀雨
編輯｜陽少
真正的蒸餾，正在Meta發生
蒸餾一個人是可能的。2026 年 4 月，路透社和 Platformer 同期披露了 Meta 一個內部項目，叫"模型能力倡議"（Model Capability Initiative，簡稱 MCI）。它在美國員工的工作電腦上運行一套軟件，採集四類東西：鼠標軌跡、鍵盤輸入、應用上下文，以及「偶發」的螢幕快照。這些數據進入 Meta 超級智能實驗室的訓練管道，目標是訓練出一種能在真實電腦環境裏完成日常辦公的智能體——選下拉菜單、按快捷鍵、在多個應用間切換，把複雜任務做完。
訓練範式叫"行為克隆"，Meta 的首席技術官博斯沃思在內部備忘錄裏這樣描述目標："我們正在構建的願景是，智能體主要做工作，我們的角色是指揮、審核並幫助它們改進。"備忘錄裏還有一個更關鍵的詞——"閉環"：智能體能通過審核和反饋"自動看到我們在哪裏覺得需要介入，下次就能做得更好"。這是一段標準的行為克隆與反饋學習工程描述。通過這樣的方式，一個人的工作就可能被克隆出來。
當一名員工在內部論壇問能不能退出這個項目，博斯沃思的回答是："在你公司提供的工作電腦上，沒有退出選項。"也就是說，每個人都會以這種方式被複制。MCI 的最終產物是更新後的模型權重，可以被部署、被複制、被用來在新員工入職前先替代舊員工工作的算力實體。這纔是真正的蒸餾。
這也是MCI和同事.skill 的根本區別。同事.skill 是幾十 KB 的markdown 文件，被 AI 在某次對話裏臨時加載、讀完；MCI是GPU 集群裏的訓練任務，輸出是會在每一次推理中都被調用的模型參數。雖然他們都說是要「蒸餾人」，本質卻完全不同。
MCI 所代表的方向當然是更嚴肅和可怕的。Meta 在 2025 年 6 月以 143 億美元收購了 Scale AI 49% 股份，把這家專門做數據標註的公司的創始人王大力（Alexandr Wang）安插進自己的超級智能實驗室做負責人。王大力曾在 2024 年說過一句話："對於我們想要構建到模型中的很多能力，最大的障礙其實是缺乏數據。沒有任何地方存在一個真正有價值的智能體數據池。" MCI 正是 Meta 給這個問題的內部答案——既然外部沒有，就在自己員工身上採。
當公開互聯網的訓練數據接近耗盡，下一個數據庫就是員工自己的勞動過程。這也成了「作繭自縛」在AI時代的寓言。任何擁有大量員工 + 工作設備 + 協作平台的公司，理論上都能複製這一工程。
動畫《萬神殿》
一次成功的比喻，一次失焦的恐懼
那麼問題來了：既然 MCI 和同事.skill 在工程上根本不是一回事，中文世界為什麼用同一個詞"蒸餾"把它們裝在一起？
這是又一個傳播學的經典案例。同事.skill 一次押中了三種修辭：科幻裏的"數字永生"、修仙裏的"煉化"、末日敘事裏的"被算法喫掉"，每一種都對應一組既有的情感反應。
媒體對同事.skill 的誇大使用會帶來什麼問題？如果只是又一次焦慮販賣，倒不算稀奇，這年頭最不缺的就是焦慮販賣。但前面區分同事.skill 和 MCI 的差別，正是這裏的關鍵。對前者的恐懼是顯性的，是把個人"文件化"的恐懼，但它可能誤導了真正應該警惕的方向。員工看到 GitHub 上的同事.skill，可以寫反蒸餾工具去污染它，相關內容在小紅書上也非常火。反對同事.skill 這種"個人複製"是容易的，但很可能搞錯了方向。
真正的威脅不是幾十 KB 的文件，而是一些更像 MCI 邏輯的東西：飛書後台採集的對話、釘釘沉澱出的檢索式知識庫、公司裏的 Token 考覈、不斷攀升的 skill 數量。這些沒有公開鏈接，沒有 GitHub issue，沒有可見的開源項目可以反對，卻離"AI 工作替代"最近。
第二個後果是，把同事.skill 和 MCI 混在一起後，企業反而獲得了修辭彈性。當蒸餾 = 同事.skill = MCI = 離職員工的數字分身 = 公司知識庫 = 任何 AI 化項目，一旦前者被證明是技術誤解和過度憂慮，這種"無害"就會向後者那些更危險的領域傳導。企業可以用同一句話擋回去："我們只是在沉澱知識"，"我們只是在優化流程"，聽上去無害得多。
真正的恐懼應該指向"勞動主體資產化"，"蒸餾個人"反而是一種混淆。
動畫《萬神殿》
更普遍的替代，早已無處不在
同事.skill 的文檔把數據源寫得很清楚：飛書自動 API、釘釘瀏覽器登入態、郵件 .eml 文件、微信聊天記錄。也就是說，它本身並不「採集」，它使用的是已經被採集的數據。協作平台每天在億級員工的工作流中持續生產聊天記錄、文檔版本、Wiki 修訂、多維表格、審批留痕、會議紀要。這套數據流遠在同事.skill 出現之前就已經存在。
InfoQ 在 2026 年 5 月報道了一家遊戲傳媒公司，他們已經把一位剛離職的人事專員訓練成了"AI 數字人"，繼續在公司工作。這個數字人目前可以承接諮詢、做 PPT、做表格的工作。該公司員工小魚描述："昨天還一起摸魚打趣的同事，今天就變成了 AI 人。"公司給出的說法是"經過當事人本人同意"。但這個項目不是用 GitHub 上的同事.skill 做的，它是公司用自有的工作數據所開發的。
其實一個人大概率不會變成一個單一的個體化Skill，而是可能成為多種不同的工具。Anthropic的開放標準核心場景非常具體：法務部門把合同審查標準做成 markdown 文件、財務部門把報銷規則做成 markdown 文件、工程部門把代碼規範做成 markdown 文件。早在同事.skill 出現之前，對國內那些激進推進 AI 化的公司來說，skill 早就氾濫成災了。
在極晝的一篇報道中，提到化名為陳鵬飛所在的製造業公司，內部 skill 庫裏堆了上千個 skill，每月在調用大模型上燒近千萬人民幣。另一個例子，化名為葉筱在硅谷大廠開發的"會呼吸的 skill"——一個 team skill，自動抓取公司文檔變更並更新到檢索式知識庫，能在多人休假、突發任務多時仍能應付整個團隊的工作。領導對此很滿意。任務替代，而不是針對單個人的替代，而且早就開始了。
更系統的版本在阿里。2026 年 3 月，阿里成立 ATH 事業群，由總裁吳泳銘直接負責，推出"秒悟"（Meoo）內部 AI 開發工具。阿里官方披露，內部已有超過 1 萬員工在用秒悟，絕大多數來自財務、設計師、產品經理、運營等非技術崗。基本可以被看作一個企業技能大全，以及新技能生成平台。可以完成H5頁面生成等很多運營崗位的實際需要。
和同事.skill對比，可以把這套機制叫作「後台蒸餾」——在企業自有協作平台已有數據池的基礎上，疊加內部 RAG、skill 庫、數字員工架構，持續把員工的勞動過程提取為可訓練資產。後台蒸餾的政治經濟學和 GitHub 上的同事.skill 完全不同。它不可見，不可分叉，不可在 issue 區抗議，不需要任何外部開源項目。它就是飛書和釘釘等自身在企業內部的擴展用途。
同事.skill 之所以讓中文世界焦慮，恰恰在於它讓平時不可見的"後台蒸餾"第一次有了一個可見的代理對象。它不過是個 4 小時寫完的 markdown 項目，卻承接了中國大廠過去一兩年悄悄推進之事所積累的全部情緒。情緒找到了一個看得見、罵得着的出口。但罵這個出口，對真正在飛書後台發生的事沒有任何影響。
美劇《上載新生》
三段式替代：任務拆分、監督集中、工資壓縮
我們總以被AI替代是「我被複制了」，但實際機制則是：我的崗位被拆成 8 個任務，其中 6 個變成 skill 交給智能體，剩下 2 個交給少數監督者。
可以把這套機制叫作"三段式替代"：任務拆分、監督集中、工資壓縮。這三段都不是抽象推論，而是 Meta、阿里和大量中小企業 2026 年的公開戰略。
戰略層講得最清楚的是 Meta。博斯沃思 4 月那份內部備忘錄的核心句前面已經引用過："智能體主要做工作，我們的角色是指揮、審核並幫助它們改進。"配套的是扎克伯格 2026 年第一季度財報電話會上的發言，大意是：過去需要一個大團隊的項目，未來由一位非常有才華的人就能完成。兩句話合起來，正好是"替代三段式"完整的政治經濟學陳述：智能體做工作（任務拆分）、人類指揮審核（監督集中）、過去的大團隊消失（工資壓縮）。
第一段，任務拆分。這在上面的InfoQ、極晝和阿里的報道中已經呈現出來了。這些企業爆發式增長的 skill，每一個都是一次任務拆解。極晝那篇報道里還有一個細節：醫藥公司財務王春廷，部門領導直接要求把"每一項財務流程開發成固定腳本"。部門裏因此流傳着一句口頭禪，"人要做的，就是點擊鼠標。"這是預備裁員。一項工作一旦能開發成 skill，就不再需要一個全職員工。
第二段，監督集中。少數人要審核更多智能體的產出。問題在於，審核依然是個很繁重的工作，且一旦出了問題，修復的時間更長。哈佛商業評論、BetterUp 和斯坦福 2025 年的一項聯合調查訪談了 1,150 名美國員工：41% 在過去一個月裏收到過同事用 AI 生成、看起來完整、實則需要返工的內容（這類內容被稱為workslop），平均每次需要 1 小時 56 分鐘修復。
智能體生產的"成果"在表面上讓組織績效看起來更漂亮和高效，背後是另一名員工在被動地承擔審核負擔。但這種成本在組織內部並不對稱：從老闆的視角看，更容易看到的是 Token 消耗、skill 積累、任務拆分的"成果"，而非那些隱性的返工時間，由此推動更激進的 AI 裁員。
第三段，工資壓縮。Meta 在 2026 年 4 月宣佈裁員 10%（約 8,000 人），同時不再補 6,000 個已開放崗位，兩筆合起來削減了 1.4 萬個 headcount。同年 Meta 的資本支出指引最高達 1,350 億美元，幾乎全部用於 AI 基礎設施。兩相對比，AI 支出在擠壓人力支出，不用多說。
這正是博斯沃思備忘錄裏那個關鍵詞"閉環"在勞動政治學上的含義：智能體每一次被員工監督修正，都在為下一次"更少需要監督"做訓練；每一次"更少需要監督"，都意味着監督崗本身被壓縮。這個閉環，本身就是一套工資壓縮的自我強化機制。
美劇《人生切割術》·第二季
反蒸餾、判決與離線權：三種應對的邊界
應對方法比想象中複雜。
很多人考慮以毒攻毒，用技術的方法反制。鄧小閒在 GitHub 上發布了反蒸餾.skill 項目，三周內攢到 2,200 顆星。他在項目說明裏寫：希望大家在 AI 浪潮裏活得久一點。其他作者緊隨其後：有的項目專門生產"看起來完整專業、實際上核心知識已被抽掉"的清洗版材料，員工另外用私人備份保留真知識；有的項目內置 25% 污染人格注入 + 事實陷阱 + 邏輯陷阱 + 觸發陷阱，專門污染未來的訓練數據。一個反蒸餾項目匯總目錄已經收錄 50 個以上同類項目。整個反蒸餾開源生態已經成型。
工程美學是有的，但可能不太有用。它能解決的只是「單一員工人格化」的問題，解決不了埋在日常工作裏的數據與行為採集，也解決不了單一技能和任務被公共 skill 化的大趨勢。何況同事.skill 本就是一個帶點玩笑性質的項目。
司法呢？2026 年 4 月，杭州互聯網法院終審判決一樁勞動爭議：35 歲的周先生原本是某 AI 公司大模型質檢主管，月薪 2 萬 5；公司引入新的 AI 工具後，單方將他調崗、降薪至 1 萬 5；他拒絕調崗，被以"不勝任工作"為由解除合同。法院判違法解除，按 2N 標準賠償 26 萬元。
承辦法官施國強在判後給出的一句話最直接——"僅僅以公司引入 AI 降成本來解除勞動合同，並不屬於勞動合同法規定的客觀情況發生重大變化"。這一句把紅線畫在了《勞動合同法》第 40 條上。從此一家公司不能僅僅因為"AI 比人便宜"就以"客觀情況變化"為由單方解約，必須協商一致或承擔賠償。
但這是「事後救濟」，司法成本不低，員工要願意起訴、能起訴、起訴得起，還得耗到二審。且很多公司就算承擔賠償，也願意繼續用AI壓縮工資，從商業上看這是理性的。
這意味着真正的制度回應，需要發生在工作過程中，而不是解僱之後。上海政法學院王倩教授提出了兩個方向：一是"離線權"，把勞動法對工時的保護從"在崗時間長度"延伸到"離崗"，讓員工能合法拒絕下班後的 token 化在線生產；二是企業推進 AI 化改造需要員工同意，重大變動前提交影響報告並與工會協商。
但這兩個提法恐怕都停在紙面上。後者因為衆所周知的原因；前者則恰恰順應了"蒸餾個體"的誤解：如果企業只是讓一個技能任務 24 小時定時運行，這個任務該算在哪個員工身上？當工作以技能而非個人為單位運行時，"離崗"這條邊界本身就消失了。
也有人以泰勒主義類比 MCI，回溯一百年前流水線上發生的事。1911 年的《科學管理原理》，泰勒（Frederick Taylor）用秒錶把工人的每一個動作分解為可測量的時間單位，找到"最優路徑"，再讓所有工人按這個路徑操作。這個類比不準確。泰勒優化的是人的動作，邏輯更接近今天"困在系統裏"的外賣騎手；而 AI 的目標不是優化這個人，是替代這個人。
正是在這個意義上，出現了一批科學家，他們的立場不是監管 AI，而是主張人類應當徹底放棄這條技術路徑。AI 或許不是一種能被現有社會制度馴服的技術。自動化的內在邏輯，終點是脫離人的介入完成生產任務，一旦到達那個終點，任何以"人"為主體的約束都會失效。也許到那時，剩下的手段就只有稅收了。
美劇《上載新生》
痛點，永遠在焦點之外
這篇文章，是讓討論回到關鍵位置的一次嘗試；也許更準確的說法是，分析為什麼這種討論註定無法回到那個位置。
同事.skill 和反蒸餾站在兩端。兩端都是某種行為藝術，但都成了熱門。這是一場錯位的辯論，在貼着"煉化"和"賽博永生"標籤的中文自媒體推送裏熱烈進行。
焦慮的對象在飛書釘釘後台的協作數據流裏、在 Token KPI 的競爭榜裏、在阿里 ATH 事業群的內部周會里、在醫藥公司財務部門"人要做的，就是點擊鼠標"的口頭禪裏、在遊戲傳媒公司"經員工同意"把離職人事專員變成永久數字人的會議紀要裏。真正的則回應在《勞動合同法》的判例和司法解釋裏、在 AI 替代用工影響評估前置的立法草案裏、在工會代表能合法要求企業披露內部 skill 庫和 Token 規則的談判裏。
但上述絕大部分回應還沒開始。這正是 AI 替代難以被察覺的原因：它發生的邏輯太"順"了。就像公司接入一套 OA 自動化系統，會裁撤幾個行政部門的人；接入一套會計自動化系統，會裁撤幾個財務部門的人；找到一家外包公司，會把本公司同職能部門裁掉。AI 替代同樣順滑：當 skill 的積累讓 3 個人可以做 7 個人的工作，公司自然裁掉 4 個人。只不過這次不是某個部門、某個職能、某種行業，而是所有人。很多人失業了，都未必能意識到這是"AI 替代"，原因往往是多元的，並不黑白分明。
但焦慮既然是真實的，就總會去尋找出口。出口在那些並不真實、卻能戲劇性地將我們的擔憂顯化和符號化的地方。今天是 GitHub 上一個 4 小時的項目，明天可能是一部網劇，一個短視頻 IP。
制度回應的速度，永遠趕不上我們為這場危機賦予新名字的速度。