作者：孔寧，編輯：相青

最近，GitHub平臺上爆發了一場堪稱荒誕的“開源狂歡”。

「張雪峰.skill」項目上線，憑借張雪峰的5本著作、15篇媒體采訪、30余條語錄，將其認知體系和話術風格提煉為一套可運行的AI分身，被網友戲稱為“賽博永生”。

與此同時，「同事.skill」也橫空出世，通過抓取離職員工的飛書記錄和釘釘文檔，訓練出一個能“續崗”的職場數字人，5天內狂攬6.6k顆星，衍生出「老板.skill」「導師.skill」「前任.skill」等超過85萬個變體。

網友們一邊玩梗一邊傳播：“我的skill已上傳。”

這場看似荒誕的開源行為的背后，實際上是數字永生，正從一個邊緣的科幻概念快速地走進普通人生活。爭議也隨之而來，人能否被商業化復刻？法律、倫理和技術的邊界又到底在哪里？但我們今天更想聊聊，為什么「張雪峰.skill」們能爆火，以及它會是下一代AI應用的標準形態嗎？

一、為什么「張雪峰.skill」們能火？

在過去一年多里，幾乎所有深度使用過通用大模型的人，都會經歷一段相似的心路歷程：從驚艷，到平淡，再到乏味。

當你問它“新聞學到底好不好就業”時，一個標準的通用大模型通常會給出如下回復：

“新聞學是一個具有深厚社會價值的專業，它培養了學生的采寫能力、批判性思維。然而，隨著傳統媒體的轉型，就業市場確實面臨挑戰。一方面，新媒體、企業公關等領域依然需要內容人才；另一方面，傳統紙媒崗位縮減。建議您根據個人的興趣、家庭經濟狀況以及長遠的職業規劃來綜合考量……”

這段話錯了嗎？毫無破綻，絕對正確。 但這段話有用嗎？沒有，而且還純屬廢話。

通用大模型的回答，本質上是一種基于統計概率的“正確的平庸”。為了追求廣泛的適用性，它們被訓練成了絕對中立的復讀機，同時閹割掉了所有的情緒、立場和棱角，只會給你列出一堆SWOT分析，卻永遠不敢替你做決定。

而真實世界中的決策，充滿了利益權衡、信息不對稱和資源博弈。

這恰恰是通用大模型的致命短板，也是「張雪峰.skill」們生長的土壤。

技術層面，實現門檻并不高。其底層依托的是2025年10月Anthropic發布的Claude Skills架構，是一種將領域知識封裝為可動態加載的“能力模塊”。

2026年初OpenClaw走紅后，Skills需求暴漲，微軟、OpenAI等巨頭紛紛跟進。具體實現極其簡單：抓取聊天記錄、文檔、郵件等數據，通過結構化提示詞讓AI模擬一個人的工作習慣和說話方式。

以「張雪峰.skill」為例，項目基于5本著作、15篇以上深度采訪、30多條公開語錄，提煉出5個核心心智模型和8條決策啟發式，激活后AI會用“東北大哥的語氣、快節奏段子化的方式”聊教育選擇。

當“張雪峰.skill”面對前面同樣的問題時，它會作出如下回答：

“你家里有礦嗎？有試錯資本嗎？”

“如果沒有，閉著眼睛選工科、選計算機、選能直接學門手藝的專業。”

“別跟我扯什么新聞理想，吃不上飯的時候理想一文不值。你選新聞學，我就把你打暈。”

雖然外界對張雪峰依然存在極大的爭議，認為他是“焦慮販子”，但一個無法否認的事實是：張雪峰之所以能成為了一種現象級IP，自然不只是靠制造焦慮，他提供了一套“生存主義決策模型”：根據就業以及考生自身情況來選專業，這對于那些在迷茫中，急需一個明確答案的家長和學生來說，依然具有價值。

這也解釋了為什么他去世后，「張雪峰.skill」會引發如此大的關注。

當然，目前的“張雪峰.skill”還停留在對話和建議階段，一個理想的“高考志愿Agent”，不僅能罵醒你，還能在了解你的分數和偏好后，自動調取全國高校招生計劃API，為你生成包含沖、穩、保策略的志愿表，甚至一鍵模擬填報。

這就是1個張雪峰勝過1個ChatGPT的根本原因：在復雜的現實問題面前，用戶需要的不再只是一個通用AI，而是一個懂行的熟人，或者說一個能給出確定性答案的專家。

二、我們需要100個“張雪峰”嗎？

如果我們把視線從高考志愿填報拉遠，俯瞰整個千行百業，你會發現“張雪峰.skill”只是一個引子，它可能暗藏著AI時代產品生態的終極走向：

全能型AI將淪為像水電網一樣的底層基礎設施，而繁榮的將是成千上萬個垂直領域的“專家Agent”。

為什么我們需要100個“張雪峰”？最大的原因在于：人類社會的專業知識壁壘極高，且容錯率極低。

通用大模型最致命的弱點在于幻覺。這在閑聊中這無傷大雅，但在醫療、法律、財會等嚴肅、專業領域，幻覺是致命的。

就像你生病了會去問醫生，遇到合同糾紛會去找律師，家裝會找設計師。你永遠不會跑去問一個通曉天文地理的哲學家：“我的闌尾炎該怎么割？”

ChatGPT這類通用大模型，就是那個全知全能的哲學家。 它有問必答，但沒有行醫資格證，也沒有出庭訴訟的實戰經驗。

所以我們可能需要：法律界的“羅翔Agent”： 專門輸入了中國最新的成文法、百萬份公開裁判文書，能用最通俗的語言幫你分析勞動仲裁的勝算率，并一鍵生成律師函。也可能需要財務界的“四大Agent”，通過接入了企業的ERP系統，以頂級審計師的邏輯，實時幫你抓取財報中的稅務漏洞和現金流風險。

垂直Agent的核心優勢在于：搜索范圍被嚴格限制在特定知識庫內，幻覺率被大幅壓低。它不需要無所不知，只需要在自己的領域里絕對可靠。

當100個垂直Agent被創造出來后，下一步的爆發點在于多智能體協同。 未來，假如你創辦一家公司，不再需要招聘一整個團隊。你只需要在AI應用商店里，雇傭一個“馬斯克Agent”做戰略，雇傭一個“張小龍Agent”抓產品細節，雇傭一個“李佳琦Agent”負責直播帶貨的文案……

你的系統就是一個群聊，你提出一個復雜的商業需求，這100個垂直專家會在群里互相討論、互相糾錯、甚至互相爭吵，最終為你推演出一個執行方案。

這才應該是AI重塑生產力的理想形態，將人的專業智慧模塊化、可復用化、可協同化。

不過，在迎接“100個張雪峰”到來之前，我們仍要直面諸多現實難題：隱私泄露、商業濫用、職場倫理危機，等等，這也是當下輿論討論最密集的地帶。

技術本無善惡，關鍵在于使用的邊界與規則。只有當監管逐漸落地，行業告別無序繁榮、進入規范發展，“100個張雪峰”才會從一場開源狂歡，真正走進現實。

       原文標題 : AI的下一個站：造100萬個「張雪峰」？