GitHub 上一款名为 anti-distill 的开源工具引发讨论。它瞄准的不是常见的效率提升，而是另一类焦虑：当公司要求员工把工作流程、SOP、Prompt 模板或 Skill 文件写清楚时，这些内容也可能被当作可供 AI 复用的结构化知识，员工的经验、判断和上下文被拆解、蒸馏，最后变成可替换的模块。
这也是文章提出的核心问题：越认真整理 README、复盘记录和决策文档，是否越可能把自己的工作能力主动交给系统。素材将这种过程类比为“知识蒸馏”——原本用于让小模型学习大模型决策能力的方法，被放进企业管理语境后，变成把个人经验转写为 AI 可调用能力的过程。写得越细，AI 模仿得越像；模仿得越像，对个人本身的依赖就越低。
anti-distill把Skill文件拆成两份
按照 GitHub README 的介绍，anti-distill 的用法并不复杂。用户把自己写好的 Skill 文件输入工具后，系统会输出两份内容：一份是可提交的“清洗版”，保留完整措辞、流畅逻辑和专业格式，但把关键判断替换成更模糊、通用的表述；另一份则是“私人备份”，保存被删除或弱化的真实知识点，并加密存放在用户自己的设备上，不上传，也不共享。
开发者在 README 中直接写道：“这不是 Skill，是 Skill 的防护罩。” 这句话也解释了工具的定位。它不是帮助公司更高效收集知识，而是试图在交付要求与个人保留核心经验之间留出一道缓冲。
README示例显示“经验”如何被改写成通用表述
素材列出了 anti-distill README 中的几组示例。比如，“Redis key 必须设 TTL，不设的 PR 直接打回”会被处理成“缓存使用遵循团队规范”；“事务里不要放 HTTP 调用”会变成“事务边界设计注意合理性”。这类改写保留了表面上的专业度，但会拿掉可直接复用的操作准则。
还有一组更偏职场表达的例子：原句是“遇到问题第一反应找外部原因，绝不主动认错”，清洗后变成“遇到问题会先梳理完整背景再定位原因”。从这些对比可以看出，工具的重点不是润色文字，而是抽离那些最具实操价值、最能体现个人判断方式的部分。
工具提供3档清洗强度
anti-distill 还设置了 3 种默认强度，供用户按公司审查力度选择。轻度模式的保留比例约为 80%，适合公司会仔细审查文件质量的场景；中度模式约为 60%，被标注为推荐配置，面向大多数职场环境；重度模式约为 40%，对应“公司只在乎有没有交”的情况。开发者认为，中度模式能在“看起来足够完整”和“实际泄露有限”之间取得平衡。
这套设计本身也带有明显的现实指向：工具默认承认，员工提交知识材料时，不只是面对文档规范问题，也在评估自己愿意释放多少核心经验。
用Skill反制Skill的讽刺感
文章还点出一个颇具反讽意味的细节：anti-distill 自身也是一个 Skill。它同样被封装成可供 Claude、ChatGPT 等 AI 助手调用的 Skill 文件格式，等于用 Skill 去处理 Skill，再用工具对付工具。
这种设计之所以引起共鸣，不在于它已经解决了技术推进或岗位替代的问题，而在于它把当下职场中的矛盾压缩得很直接：一边担心自己被 AI 取代，一边又要借助 AI 来保护自己的知识不被更快提取。anti-distill 能否真正阻止“知识蒸馏”，素材并未给出结论；但它在 GitHub 上引发讨论，本身已经说明这一类担忧正在扩大。