这几天，一个名为“同事.skill”的项目刷屏热搜。它通过AI技术，从企业协作软件（如飞书、钉钉）中提取员工的工作记录，将个人经验蒸馏成可重复使用的AI技能。公众焦点集中在“AI裁员”“资本剥削”上，然而更深的隐患藏在项目README里：“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。”
认真工作成了AI燃料
最容易被系统完美蒸馏的，恰恰是那些最认真的人。那些在项目结束后伏案写下复盘文件的人，遇到分歧时花半小时敲长文剖析决策逻辑的人，将工作细节一丝不苟托付给系统的人——他们曾经的职场美德，如今成了加速自身被AI替代的催化剂。字节跳动曾透露，其内部每天产生的文档数���是海量的，这些字符忠实地封存着超十万员工的头脑风暴、会议交锋与战略妥协。
上下文：AI引擎的血液
AI Agent的世界里，上下文是引擎的燃料，是模型做出精准判断的唯一锚点。过去五年，中国职场被飞书、钉钉等工具数字化改造，一切属于人的智慧与经验被强制沉淀在云端的服务器矩阵中。飞书管理后台甚至允许超级管理员批量导出成员的文件和通讯记录——你熬了无数大夜写的复盘，几分钟内就能打包成一个压缩包。
从职场到情感的工具理性
随着“同事.skill”爆火，衍生品出现：“前任.skill”把微信聊天记录喂给AI，模拟旧人语气；“白月光.skill”将悸动降格为人际沙盘；“爹味老板.skill”提前咀嚼PUA话语。德国哲学家马丁·布伯的“我与你”与“我与它”被彻底颠倒：真实的人被降维成可拆解、可分析的客体。在“我与你”中，人是立体的、充满皱褶的；而在“我与它”中，只剩下“这个人有什么用”的功能截面。
隐性知识无法蒸馏
迈克尔·波拉尼提出：“我们知道的，永远比我们能说出来的多。”一个熟练骑手无法用公式描述平衡直觉，资深工程师看一眼��志就能定位问题却写不出“直感”。AI能提取的是显性知识——你写下的文档、回复，但提取不了你写文档时的纠结、做决策时的直觉。系统蒸馏出来的，永远只是一个影子。
模型崩溃：AI吞噬自身影子
2023年牛津和剑桥的联合研究表明，当AI模型用其他AI生成的数据迭代训练时，数据分布会越来越窄。罕见的、边缘的人类特质被迅速抹去，最终输出平庸同质的内容。《自然》2024年的论文也指出，用AI数据集训练模型会严重污染输出。这就像一张高清截图被反复转发压缩，最后只剩模糊的电子包浆。当真实上下文枯竭，系统只能用包浆的影子训练自己，剩下的只有正确的废话。
反蒸馏：用魔法对抗魔法
几天后，GitHub出现“anti-distill”项目。作者没有攻击大模型，只提供一个工具，帮打工人在飞书或钉钉里自动生成充满逻辑噪音的无效长文，把核心知识藏起来。虽然它改变不了大势，但极具悲剧诗意——我们努力留下痕迹，却不知道这些痕迹会成为抹去我们的橡皮擦。
但换个角度，影子锁死在导出那一秒，缺乏面对未知的本能。只要人还在向外探索、打破认知边界，那具��端影子就只能对着我们亦步亦趋。人，是流动的算法。