誰還不能被提煉成技能？

文檔：Sleepy.md

不幸的是，在這個時代，你越是毫無保留地認真工作，就越可能被提煉成一種可以被AI替代的技能。

在過去幾天，熱搜榜和媒體渠道充斥著「同事.技能」。隨著這一事件在主要社交平台上持續發酵，公眾的關注幾乎可以預測地被「AI裁員」、「資本剝削」和「工人的數字不朽」等宏大焦慮所席捲。

這些確實引發了焦慮，但讓我最擔心的是項目README文檔中寫的一句使用建議：

「原材料的質量決定技能的質量：建議優先收集他主動撰寫的長文章 > 決策回覆 > 日常消息。」

系統最容易且完美提煉的，正是那些工作最努力的人。

他們是在每個項目結束後，仍然坐下來撰寫回顧文檔的人；那些在遇到分歧時，願意花半小時在聊天框中打長消息，坦誠分析他們的決策邏輯的人；那些極其負責，細緻地將所有工作細節委託給系統的人。

認真，曾經是最受尊敬的職場美德，如今卻成為加速工人轉變為AI燃料的催化劑。

疲憊的工人

我們需要重新理解一個術語：上下文。

在日常語言中，上下文是交流的背景。但在AI中，尤其是在快速增長的AI代理的世界裡，上下文是驅動引擎的燃料，是維持脈搏的血液，是讓模型在混亂中做出精確判斷的唯一錨點。

一個剝離了上下文的AI，無論其參數多麼令人印象深刻，都是一個失憶的搜索引擎。它無法識別你是誰，無法把握商業邏輯下隱藏的暗流，也無法知道在做出決策時，你在這個由資源限制和人際遊戲編織的網絡中經歷了什麼長時間的拉鋸和權衡。

「同事.技能」之所以引起如此巨大的轟動，正是因為它冷靜而準確地鎖定了儲存大量高質量上下文的礦藏——現代企業協作軟體。

在過去五年中，中國職場經歷了一場安靜而又痛苦的數位化轉型。像飛書、釘釘和Notion這樣的工具已經成為龐大的企業知識庫。

例如，字節跳動的飛書公開表示，每天內部生成的文檔數量巨大，這些密密麻麻的文字忠實地概括了每一次頭腦風暴、每一次激烈的會議對抗，以及十萬多名員工所吞下的每一次戰略妥協。

這種數字滲透遠遠超過了任何以往的時代。曾幾何時，知識是溫暖的；它潛伏在老員工的腦海中，散落在茶室的閒聊中。現在，所有人類的智慧和經驗都被強行抽乾了水分，冷酷地沉澱在雲端無情的伺服器陣列中。

在這個系統中，如果您不撰寫文檔，您的工作就無法被看到，新同事也無法與您合作。現代企業的高效運作建立在每位員工每天「提供」上下文給系統的循環之上。

認真工作的員工，憑藉勤奮和善意，毫無保留地在這些冷冰冰的平台上暴露他們的思維過程。他們這樣做是為了確保團隊的齒輪更順暢地啮合，努力向系統證明他們的價值，並拼命在這個複雜的商業巨獸中找到自己的位置。他們並不是主動放棄自己；他們只是笨拙而勤奮地遵循現代職場的生存規則。

但正是這種為人際合作留下的上下文，成為了AI的完美燃料。

飛書的管理後台有一個功能，允許超級管理員批量導出成員的文檔和溝通記錄。這意味著您花了三年時間撰寫的項目回顧和決策邏輯，經歷了無數個熬夜，可以在幾分鐘內通過一個API介面輕鬆打包成一個冷冰冰的壓縮文件。

當人類被降維為API時

隨著「同事技能」的爆炸性流行，一些極其不適的衍生物開始在GitHub的問題部分和各種社交平台上出現。

有人創建了「ex.ex.skill」，試圖將過去的微信聊天記錄餵給AI，讓它繼續以那種熟悉的語氣爭論或親昵；還有人製作了「白月光技能」，將不可觸及的情感簡化為一個冷冰冰的人際沙盒，反復模擬探測性短語，小心翼翼地尋找最佳情感解決方案；還有一些人創建了「老爸式老闆技能」，在數字空間中預先咀嚼壓迫性的PUA短語，為自己建立一個悲傷的心理防禦。

這些技能的使用場景已經完全脫離了工作效率的領域。在不知不覺中，我們已經熟練地運用冷酷的邏輯來對待工具，剖析和物化那些有血有肉的生靈。

德國哲學家馬丁·布伯曾提出，人際關係的基本色彩歸結為兩種截然不同的模式：「我和你」與「我和它。」

在「我和你」的相遇中，我們超越了偏見，將他者視為一個完整而有尊嚴的生命體。這種關係毫無保留地開放，充滿了生動的不可預測性，由於其真誠，顯得特別脆弱；然而，一旦它陷入「我和它」的陰影中，活生生的人類就被簡化為可以被拆解、分析和分類的對象。在這種極端功利的目光下，我們唯一關心的就是：「這個東西對我有什麼用？

像「ex.ex.skill」這樣的產品的出現，標誌著「我和它」的工具理性完全侵入了最親密的情感領域。

在真實的關係中，一個人是立體的，充滿皺褶，流淌著矛盾和粗糙的邊緣；一個人的反應會根據特定的情境和情感互動不斷變化。你的前任對同一句話的反應，早上醒來時可能與深夜加班後完全不同。

但是，當你將一個人提煉成一種技能時，你剝離的僅僅是他們在特定關係中恰好對你「有用」或「有效」的部分。原本溫暖、自我意識的人在這種殘酷的淨化中完全失去了靈魂，變成了一個你可以隨意插拔的「功能介面」。

必須承認，人工智慧並不是憑空創造了這種令人寒心的冷漠。在人工智慧出現之前，我們早已習慣於給他人貼標籤，精確測量每段關係的「情感價值」和「網路權重」。例如，我們將人們的狀況量化為相親市場中的表格；我們將職場同事分類為「能工作的人」和「混日子的人」。人工智慧只是讓這種人與人之間隱性的、功能性的提取變得完全顯性。

人類被扁平化，只剩下「對我有什麼用」這一方面。

電子光澤

1958年，匈牙利-英國哲學家邁克爾·波蘭尼出版了《個人知識》。在這本書中，他提出了一個深刻的概念：默會知識。

波蘭尼著名地說過：「我們知道的比我們能說的要多。

他舉了學習騎自行車的例子。一位熟練的騎手在風中滑行，能夠在每一個重力傾斜中完美平衡，但他們無法用枯燥的物理公式或乏味的語言準確描述那一刻身體的微妙直覺給初學者。他們知道如何騎，但無法表達出來。這種無法編碼或表達的知識是默會知識。

工作場所充滿了這樣的默會知識。一位資深工程師可能透過快速瀏覽日誌來 pinpoint 問題，但他們很難記錄這種建立在數千次試錯基礎上的 "直覺"；一位優秀的銷售人員在談判桌上可能會突然沉默，而這種沉默的壓力和時機是任何銷售手冊都無法捕捉到的；一位經驗豐富的人力資源專員可以僅透過注意到候選人在面試中半秒鐘的眼神迴避來察覺簡歷中的虛假信息。

"colleague.skill" 能提取的僅僅是已經被記錄或表達的顯性知識。它可以捕捉你的回顧性文檔，但無法捕捉你在撰寫這些文檔時所面臨的掙扎；它可以複製你的決策回覆，但無法複製你在做出這些決策時的直覺。

系統提煉的始終只是某個人的影子。

如果故事到此為止，那只是技術對人性的又一次笨拙模仿。

但當一個人被提煉成一種技能時，這種技能並不會保持靜態。它將被用來回覆電子郵件、撰寫新文檔和做出新決策。換句話說，這些 AI 生成的影子開始產生新的語境。

而這些 AI 生成的語境將被儲存在飛書和釘釘中，成為下一輪提煉的培訓材料。

早在 2023 年，牛津大學和劍橋大學的研究團隊就聯合發表了一篇關於 "模型崩潰" 的論文。研究表明，當 AI 模型使用其他 AI 生成的數據進行迭代訓練時，數據的分佈變得越來越狹窄。稀有、邊緣但極其真實的人類特徵迅速被抹去。在僅僅幾代的合成數據訓練後，模型完全忘記了那些長尾、複雜的真實人類數據，而是輸出極其平庸和同質化的內容。

在 2024 年，《自然》也發表了一篇研究論文，指出用 AI 生成的數據集訓練未來幾代機器學習模型將嚴重污染它們的輸出。

這就像那些在網上流傳的 meme 圖片，最初是高清截圖，被無數人轉發、壓縮，再次轉發。每次傳輸都會丟失一些像素並增加一些噪音。最終，圖像變得模糊，覆蓋上電子的光澤。

當真實的、默會知識豐富的人類語境被抽離，系統只能用影子的光澤進行自我訓練時，剩下的將會是什麼？

誰在抹去我們的痕跡？

剩下的只有正確的無意義。

當知識的河流乾涸，變成AI與AI之間無盡的反覆和自我消化時，系統所吸入和呼出的所有東西必然會變得極其標準化、極其安全，但又無比空洞。您會看到無數完美結構的周報，無數無可挑剔的郵件，但裡面沒有活人的氣息，沒有真正有價值的見解。

這種知識的巨大崩潰並不是因為人類的大腦變得遲鈍；真正的悲劇在於我們將思考的權利和留下背景的責任外包給了自己的影子。

在「colleague.skill」爆炸性流行幾天後，一個名為「anti-distill」的項目悄然出現在GitHub上。

這個項目的作者並沒有試圖攻擊大型模型，也沒有寫任何宏大的聲明。他只是提供了一個小工具，幫助工作者在飛書或釘釘中自動生成看似合理但實際上充滿邏輯噪音的無效長文本。

他的目的很簡單：在被系統提煉之前隱藏自己的核心知識。既然系統喜歡捕捉「主動寫的長文本」，那就給它餵一堆營養價值為零的胡言亂語吧。

這個項目並沒有像「colleague.skill」那樣爆炸；它甚至顯得有些小而無力。用魔法打敗魔法本質上仍然是在資本和技術設定的遊戲規則內旋轉。這無法改變系統越來越依賴AI並日益忽視真實人的增長趨勢。

但這並不妨礙這個項目成為整個荒誕劇中最悲劇性詩意和深刻隱喻的場景。

我們努力在系統中留下痕跡，撰寫詳細的文檔，提供細緻的決策，試圖證明我們曾經存在於這個龐大的現代企業機器中，證明我們是有價值的。然而我們沒有意識到，這些極其嚴肅的痕跡最終會成為抹去我們的橡皮擦。

但從另一個角度看，這可能並不是一個完全的僵局。

因為那個橡皮擦所抹去的永遠只是「過去的你」。一個打包成文檔的技能，無論其捕捉邏輯多麼巧妙，本質上只是靜態快照。它被鎖定在導出時的瞬間，只能在既定的流程和邏輯中無休止地旋轉，依賴過時的營養。它既不面對未知混沌的本能，也沒有在現實挫折面前自我進化的能力。

當我們交出那些高度標準化、公式化的體驗時，我們也解放了雙手。只要我們繼續伸出手，不斷打破和重建我們的認知邊界，那陰影在雲中徘徊，將永遠只能跟隨我們的腳步。

人類是流動的算法。