前言：

近日，開發者titanwings在GitHub上線了名為colleague-skill的開源項目，一句[將冰冷的離別化為溫暖的Skill，歡迎加入賽博永生]的slogan。

項目上線三天狂攬6.7k星標，五天突破8.6k星標，短短一周時間，就從程序員圈層徹底破圈，蔓延至小紅書、微博、知乎等全平臺。

從模型蒸餾到經驗蒸餾

[蒸餾]這一概念由Hinton團隊在2014年正式提出，核心邏輯是[師徒傳承]。

把參數量龐大、性能優越的[教師模型]積累的知識，高效遷移到結構精簡、參數量少的[學生模型]中。

最終讓小模型在特定任務上，具備接近大模型的性能與泛化能力。

隨著模型規模從2012年AlexNet的6000萬參數，增長到GPT-4的萬億級參數，模型性能提升的同時，也帶來了計算資源消耗、推理延遲和部署成本的急劇增加。

而蒸餾技術能在保留模型96%以上準確率的前提下，讓模型大小縮小5-50倍，推理速度提升3-10倍，顯存占用降低80%-95%，單用戶推理成本最高可降低90%。

谷歌的Gemini Flash模型，經蒸餾后首字響應速度較前代提升2.5倍，整體輸出速度提升45%。

京東的Omniforce系統，憑借自研蒸餾技術，將大模型推理效率平均提升30%，訓練成本降低70%，相關研究還登上了Nature旗下期刊。

2024年全球大模型蒸餾解決方案市場規模已達2.7億元，預計到2031年將接近16.6億元，年復合增長率保持在25.7%。

而同事.Skill帶來的[技能蒸餾]，則完成了從[模型間的知識遷移]向[人的經驗向AI的能力遷移]。

它的技術原理基于Anthropic推出的AgentSkills開放標準，把一個人在職場中留下的所有數字痕跡，包括飛書消息、釘釘文檔、工作郵件、代碼提交記錄、會議紀要等作為[原材料]；

通過大模型拆解、提煉、編碼，最終生成一個標準化的SKILL.md文件，封裝成一個可隨時調用的AI技能包。

每個同事.Skill都由雙軌架構構成，也是它能實現高度還原的核心。

①Work Skill層：沉淀目標對象的專業能力，包括負責的系統架構、代碼規范、工作流程、業務邏輯與經驗知識庫。

②Persona人格模塊：通過五層性格結構模型，從外層的硬核性格特征、身份認知，到表達風格、決策判斷模式，完成對一個人職場行為的深度建模。

接到任務指令后，Persona模塊先判斷目標同事對這件事的態度與反應模式，再由Work Skill層負責執行具體的工作內容，最終以該同事慣用的語氣、風格與邏輯，輸出對應的結果。

它把傳統蒸餾技術對[模型能力]的復刻，變成了對[個體職場經驗]的標準化封裝。

從知識管理到經驗收割

「同事.Skill」的流行，實際上完成了一次對企業管理話語的民間戲仿。

幾年前，大廠們還在用[系統性沉淀工作方法論]這種溫和的說法推行知識管理。

如今開源社區用[蒸餾]這個更直白的技術隱喻，戳破了那層溫情脈脈的面紗。

本質上都是在進行人的經驗萃取，一個披著組織發展的外衣，一個帶著程序員式的自嘲與清醒。

但玩笑歸玩笑，當這種技術真的進入生產環節，權力關系就開始發生微妙的化學變化。

據《科創板日報》報道，山東某游戲傳媒公司已經在征得同意后，將一位離職人事專員訓練成AI數字分身，處理咨詢、邀約、制作PPT等簡易工作。

雖然公司聲稱[他本人也覺得挺好玩]，且[目前分身有點笨，只能應對簡單指令]，但這扇門一旦打開，就很難再關上。

長此以往，職場可能會分裂為兩個極端：一端是極少數負責設計、優化和決策的[Skill架構師]。

另一端是大量只能執行標準化任務、隨時可被Skill替代的[人機接口]。

中間那條原本清晰可見的成長階梯，正在以肉眼可見的速度消失。

蒸餾捷徑徹底終結

技能蒸餾技術曾是無數中小AI團隊快速追趕頭部的[捷徑]，而現在這條捷徑正在被徹底封死。

行業數據顯示，2024年國內超60%的獨立大模型團隊，都在不同程度上依賴蒸餾技術。

它能把大模型的研發成本砍掉90%以上，落地周期從1-2年壓縮到3-6個月。

通過API調用海外頭部模型，收集海量的輸出結果，就能反向訓練出自己的模型，快速補齊能力短板。

但這種[抄作業]式的蒸餾，已經走到了盡頭。

OpenAI、Anthropic、谷歌美國AI三巨頭，已經聯手建立了跨平臺的風控數據共享機制，全面堵死未經授權的蒸餾路徑。

這場圍剿，直接掐斷了國內很多團隊依賴海外API的蒸餾捷徑。

無論是企業級的模型蒸餾，還是面向個體的經驗蒸餾，只有在合規的框架內，獲得數據主體的明確授權，才有長期發展的可能。

AI技能蒸餾的底層規則

AI能力的競爭重心，已經從通用大模型的參數軍備競賽，轉向個體經驗的碎片化場景復用。

技能蒸餾的能力邊界，永遠錨定在結構化經驗的可復制性與隱性經驗的不可替代性之間。

這套工具能完成的蒸餾，無法復刻人在復雜場景中的臨場決策、跨領域整合的直覺判斷，以及人際溝通中無法被數據化的分寸感。

同時，技能蒸餾的發展走向，始終繞不開數據隱私與個體價值的雙向博弈。

項目爆火后隨之而來的，是對未經授權抓取個人工作數據、侵犯隱私的合規性質疑，以及企業能否用這套工具固化員工技能、弱化個體不可替代性的職場焦慮。

同時我們也能看到，技能蒸餾同樣給了個體把個人經驗沉淀為可遷移數字資產的可能。

員工不再只是企業流程里的一個環節，其積累的工作方法、行業經驗可以通過蒸餾形成可復用的技能包，完成個人價值的數字化沉淀與放大。

這場看似玩梗的刷屏是AI深入職場場景后，個體與組織、人與技術之間關系的一次提前預演。

也為技能蒸餾的后續發展劃定了最核心的倫理底線，技術的核心價值，永遠是放大人的能力，而非消解人的存在。

不可替代性在Token化之外

[同事.Skill]像一面鏡子，照出了職場中那些最容易被標準化、也最脆弱的部分。

技能蒸餾正在系統性地拆解[崗位]這個概念，把原本依附于[人]的綜合勞動價值，拆分成可標準化、可模塊化、可復用的微能力單元。

過去，一個崗位的價值是由任職者的綜合能力構成的。

但技能蒸餾，正在把這些綜合能力，拆分成一個個獨立的Skill模塊，價值也會隨之快速貶值。

而那些無法被蒸餾的能力，這些藏在流程與話術背后的直覺、創造力、臨場應變能力、對復雜人際場景的判斷，還有對責任的承擔，是AI永遠無法蒸餾出來的。

在不確定性中做出判斷的直覺，面對模糊信息時的價值取舍，在復雜人際網絡中建立信任的能力，以及那種基于肉身經驗的、帶有溫度的共情。

這些不是通過分析聊天記錄就能復制的[人格插件]，而是在無數次真實互動、沖突、和解中淬煉出來的生命質感。

一位開發者在嘗試制作[前任.Skill]后寫道：這個Skill只是你記憶中的ta，不是那個已經往前走了的人。

這句話道破了關鍵，Skill能復制行為模式，卻無法復制生命本身的流動性。

結尾：

當[同事，散是Token，聚是Skill]成為這個時代的注腳，我們或許應該記住，技術永遠只是手段，而非目的。

在這個萬物皆可Skill化的世界里，保持一點[不可被上傳]的冗余，或許才是最后的人性堡壘。

部分資料參考：

鈦媒體APP：《「同事.Skill」出圈，打工的盡頭是被蒸餾？》

搜狐科技：《[同事被煉成AI]，瘋狂的skill正在瘋狂燃燒》

鳳凰網科技：《把離職的同事[煉化]成Skill？我們還有問題要問》

虎嗅：《GitHub項目"同事.skill"爆火：AI可將離職同事工作經驗蒸餾為可復用技能》

       原文標題 : 熱點丨同事.Skill刷屏出圈，AI“技能蒸餾”的底層規則