很不幸，在这个时代，你工作越是毫无保留地认真，反而越容易将自己加速蒸馏为可以被 AI 取代的 skill。这两天，热搜榜、媒体频道都被「同事.skill」刷屏了。当这件事在各大社交平台持续发酵时，公众的焦点几乎毫无意外地被「AI 裁员」、「资本剥削」与「打工人的数字永生」这些宏大的焦虑所裹挟。

这些的确让人焦虑，但让我最焦虑的，是项目 README 文档里写着一行使用建议：「原材料质量决定 skill 质量：建议优先收集他主动写的长文 > 决策类回复 > 日常消息。」最容易被系统完美蒸馏、被像素级还原的，恰恰是那些最认真工作的人。是那些在每一个项目落幕后，依然伏案写下复盘文档的人；是那些遇到分歧时，愿意花半个小时在对话框里敲下长文，坦诚剖析自己决策逻辑的人；是那些极其负责，将所有工作细节一丝不苟地托付给系统的人。认真，这曾经最被推崇的职场美德，如今却成了一剂将打工人加速转化为 AI 燃料的催化剂。

在日常语境里，上下文是沟通的背景。但在 AI，尤其是在那些正疯狂生长的 AI Agent 的世界里，上下文是引擎轰鸣的燃料，是维持脉动的血液，是模型能够在混沌中做出精准判断的唯一锚点。剥离了上下文的 AI，纵然拥有再惊人的参数量，也不过是一具患有失忆症的搜索引擎。它认不出你是谁，摸不透隐匿在业务逻辑下的暗流，更无从知晓你在拍板一个决定时，曾在这张由资源约束与人际博弈交织而成的网络上，经历过怎样漫长的拉扯与权衡。

而「同事.skill」之所以能惊起如此巨大的波澜，正是因为它极其冷酷且精准地，锁定了那座囤积着海量高质量上下文的矿山——现代企业的协作软件。过去五年里，中国职场经历了一场静悄悄却抽筋剥骨的数字化改造。飞书、钉钉、Notion 等工具变成了庞大的企业知识库。以飞书为例，字节跳动曾公开表示，其内部每天产生的文档数量是海量的，而这些密密麻麻的字符，忠实地封印着超过十万名员工的每一次脑力激荡、每一次面红耳赤的会议交锋，以及每一次咬牙咽下的战略妥协。

这种数字化的穿透力，远超以往任何一个时代。曾几何时，知识是带有体温的，它们蛰伏在老员工的脑海里，飘散在茶水间漫不经心的闲聊中；而现在，一切属于人的智慧与经验都被强制抽干了水分，无情地沉淀在云端那冷冰冰的服务器矩阵里。在这个系统里，如果你不写文档，你的工作就无法被看见，新来的同事就无法与你协作。现代企业的高效运转，正是建立在每一个员工日复一日向系统「上贡」上下文的循环之上。

认真的打工人们怀揣着勤勉与善意，在这些冰冷的平台上毫无保留地袒露着自己的思考轨迹。他们这么做，是为了让团队的齿轮咬合得更平滑，为了努力向系统自证价值，为了在这台错综复杂的商业巨兽体内，拼命寻得一个属于自己的位置。他们并不是在主动交出自己，他们只是在笨拙而努力地，顺应着现代职场的生存法则。但恰恰是这些为了人际协作而留下的上下文，成了 AI 最完美的燃料。

飞书的管理后台有一个功能，允许超级管理员批量导出成员的文档和通讯记录。这意味着，你花了三年时间，熬了无数个大夜写下的项目复盘和决策逻辑，只需要一个 API 接口，短短几分钟，你这几年的生命切片，就会被轻易地打包成一个毫无温度的压缩包。

随着「同事.skill」的爆火，GitHub 的 Issues 区和各大社交平台上，开始出现一些让人极度不适的衍生品。有人做出了「前任.skill」，试图把过去几年微信里的聊天记录喂给 AI，让它继续用那种熟悉的语气和自己吵架或温存；有人做出了「白月光.skill」，将不可触碰的悸动降格为一场冰冷的人际沙盘，反复推演着试探的话术，步步为营地谋求着情感的最优解；还有人做出了「爹味老板.skill」，提前在数字空间里咀嚼那些充满压迫感的 PUA 话语，为自己修筑起一道悲哀的心理防线。

这些 skill 的使用场景，已经完全脱离了工作效率的范畴。原来，在不知不觉间，我们早已熟稔于挥舞着对待工具的冷酷逻辑，去肢解并物化那些血肉丰满、活生生的人。德国哲学家马丁·布伯曾提出，人类关系的底色无外乎两种截然不同的模式：「我与你」和「我与它」。在「我与你」的相遇里，我们跨越偏见，将对方视作一个完整且带有尊严的生命体去凝视。这种羁绊是毫无保留地敞开的，它充满着生机勃勃的不可预测，也正因其真诚，而显得分外脆弱；然而，一旦堕入「我与它」的阴影中，活生生的人便被降维成了一个可以被拆解、被分析、被归类贴标签的客体。

在这极其功利的打量之下，我们唯一在乎的，只剩下「这个东西，对我究竟有什么用？」「前任.skill」等产品的出现，标志着「我与它」的工具理性已经彻底入侵了最私密的情感领域。在一段真实的关系里，人是立体的、充满褶皱的，是带着矛盾与毛边时刻流动的，人的反应是根据具体情境和情感互动不断变化的。你的前任在清晨醒来时，和在深夜加班后，面对同一句话的反应可能是截然不同的。但当你把一个人蒸馏成一个 skill 时，你所剥离出的，仅仅是他在那段特定羁绊中，恰好对你「有用」、能对你「产生效用」的那部分功能残渣。而那个原本温热的、有着自我悲喜的人，便在这场残忍的提纯中被彻底抽干了灵魂，异化为一个你可以随意插拔、肆意调用的「功能接口」。

必须承认，AI 并未凭空捏造出这种令人心寒的冷酷。在 AI 出现之前，我们早就习惯了给别人打标签，去精准称量每一段关系的「情绪价值」与「人脉权重」。比如，我们在相亲市场上把人的条件量化成一张张表格；我们在职场上把同事分类为「能干活的」和「爱摸鱼的」。AI 只是把这种隐性的、人与人之间的功能性提取彻底显性化了。人被压扁了，只剩下「对我有什么用」的那个切面。

1958 年，匈牙利裔英国哲学家迈克尔·波兰尼出版了《个人知识》。在这本书中，他提出了一个极具穿透力的概念：隐性知识。波兰尼有一句著名的论断：「我们知道的，永远比我们能说出来的多。」他举了一个学骑自行车的例子。一个御风而行的熟练骑手，能在每一次重力倾斜中完美拿捏平衡，但他无法用干瘪的物理学公式或苍白的词汇，向初学者精准描摹出那一刻身体的微妙直觉。他知道怎么骑，但他说不出来。这种无法被编码、无法被言说的知识，就是隐性知识。

职场中充满了这种隐性知识。一个资深工程师在排查系统故障时，可能看一眼日志就能定位问题，但他很难把这种建立在成千上万次试错上的「直觉」写成文档；一个优秀的销售在谈判桌上突然陷入沉默，这种沉默带来的压迫感和时机把握，是任何销售手册都无法记录的；一个有经验的 HR 在面试时，仅仅通过候选人回避眼神的半秒钟，就能察觉到简历上的水分。「同事.skill」能够提取的，仅仅是那些已经被写下来的、被说出来的显性知识。它能抓取你的复盘文档，但抓取不到你写文档时的纠结；它能复制你的决策回复，但复制不了你做出决策时的直觉。系统蒸馏出来的，永远只是一个人的影子。

如果故事到这里结束，那这不过是又一次技术对人性的拙劣模仿。但当一个人被蒸馏成 skill 后，这个 skill 并不会静止。它会被用来回复邮件、写新的文档、做出新的决策。也就是说，这些 AI 生成的影子，开始产生新的上下文。而这些由 AI 生成的上下文，又会被沉淀在飞书和钉钉里，成为下一轮蒸馏的训练材料。

早在 2023 年，牛津大学和剑桥大学的研究团队联合发表了一篇关于「模型崩溃」的论文。研究表明，当 AI 模型使用由其他 AI 生成的数据进行迭代训练时，数据的分布会变得越来越窄。那些罕见的、边缘的、但极其真实的人类特质会被迅速抹去。仅仅经过几代合成数据的训练，模型就会完全忘记那些长尾的、复杂的真实人类数据，转而输出极其平庸和同质化的内容。《自然》2024 年也发表了一篇研究论文，指出用 AI 生成的数据集训练未来几代机器学习模型，会严重污染它们的输出。这就像是网络上流传的那些表情包图片，原本是一张高清的截图，被无数人转发、压缩、再转发。每一次传播，都会丢失一部分像素，增加一些噪点。最后，图片变得模糊不清，被电子包浆。当真实的、带有隐性知识的人类上下文被榨干，系统只能用包浆的影子来训练自己时，最后会剩下什么？

剩下的，只有正确的废话。当知识的河流枯竭为一场 AI 对 AI 的无尽反刍与自我咀嚼，系统所吐纳的一切，必将变得极其标准、极其安全，却也无可救药地空洞。你会看到无数篇结构完美的周报，无数封挑不出毛病的邮件，但里面没有任何活人的气息，没有任何真正有价值的洞察。知识的这场大溃败，并不是因为人类的大脑变笨了，真正的悲哀在于，我们把思考的权利和留下上下文的责任，外包给了我们自己的影子。

在「同事.skill」爆火的几天后，GitHub 上悄然出现了一个名为「anti-distill」的项目。这个项目的作者并没有试图去攻击大模型，也没有写什么宏大的宣言。他只是提供了一个小工具，帮助打工人在飞书或钉钉里，自动生成一些看似合理但实际上充满逻辑噪音的无效长文。他的目的很简单，在被系统蒸馏之前，先把自己的核心知识藏起来。既然系统喜欢抓取「主动写的长文」，那就给它喂一堆毫无营养的乱码。这个项目并没有像「同事.skill」那样爆火，它甚至有点显得微小且无力。用魔法打败魔法，本质上依然是在资本和技术设定的游戏规则里打转。它改变不了系统越来越依赖 AI、越来越忽视真人的大趋势。但这并不妨碍这个项目成为整场荒诞剧中最具悲剧诗意与深刻隐喻的一幕。

我们极其努力地在系统里留下痕迹，写下详尽的文档，给出缜密的决策，试图在这个庞大的现代企业机器中证明自己曾经存在过，证明自己是有价值的。却不知道，这些极其认真的痕迹，最终会成为抹去我们的橡皮擦。但换个角度想，这也未必是一个彻底的死局。因为那块橡皮擦抹去的，永远只是「过去的你」。一个被打包成文件的 skill，无论它的抓取逻辑多么精妙，本质上都只是一张静止的快照。它被锁死在导出的那一秒，只能依靠陈旧的养料，在既定的流程和逻辑里无限打转。它没有直面未知混沌的本能，更不具备在真实世界的挫败中自我进化的能力。当我们把那些高度标准化的、已成定式的经验交出去时，恰恰也为自己腾出了双手。只要我们还在持续向外触探，还在不断打破并重构自己的认知边界，那具停留在云端的影子，就永远只能对着我们的背影亦步亦趋。人，是流动的算法。[Sleepy.md]