你能被装进一个文件里吗？------7 万人把同事"蒸馏"成了 AI
2026 年清明节刚过，我的朋友圈被一个 GitHub 项目刷屏了。GitHub 是全球最大的代码托管平台，程序员们在上面分享自己的项目，别人觉得好就点一个 Star------相当于点赞加收藏。
项目名字很直白------"同事.skill"。它干的事也很直白：你把离职同事的飞书聊天记录、工作文档、代码提交历史丢进去，AI 帮你"蒸馏"出一个数字分身。这个分身能用你同事的语气回答技术问题，能按你同事的习惯写代码，甚至能模仿他在群里甩锅的方式。
5 天，近 7 万 Star。作为对比，一个热门开源项目一年能拿到 1 万 Star 就算相当成功了。
然后事情开始变得有意思------不，应该说开始变得复杂。有人做了"前任.skill"，把和前任的微信聊天记录扔进去，AI 能模拟前任的说话方式跟你聊天。有人做了"女娲.skill"，号称可以蒸馏任何公众人物的思维框架。有人做了"yourself.skill"，蒸馏你自己。还有人做了"反蒸馏.skill"------专门在你上交的 Skill 文件里注水，保护你的核心知识不被抽走。
最让人不安的是"张xue峰.skill"。有人从张xue峰的 5 本著作、15 条深度采访和 30 条公开语录中，提炼出了他的咨询框架和说话方式。问题是------张xue峰已于 2026 年 3 月 24 日因心源性猝死去世。他从未同意被"蒸馏"。
我盯着这些项目看了很久，脑子里只有一个问题：
一个人真的能被"装进"一个文件吗？文件里装的到底是什么？没装进去的又是什么？
这篇文章，我想和你一起把这件事拆开来看。
先搞清楚背景：Skill 是个什么东西？
在聊"蒸馏一个人"之前，我们得先搞清楚"Skill"这个概念从哪来的。不然后面的讨论全是空中楼阁。
Skill（技能包），简单说，就是一份告诉 AI"你应该怎么做某件事"的说明书。它是一个文本文件（通常是 Markdown 格式------一种用 #、- 等简单符号做排版的纯文本格式，程序员写文档最常用），里面写着规则、流程、风格要求和示例。AI 读了这份说明书之后，就能按照里面的要求来工作。
打个比方：你新招了一个实习生，聪明但什么都不懂。你给他一份详细的工作手册------"代码命名用驼峰式"、"和客户说话要先确认需求再给方案"、"遇到不确定的问题先问组长"。实习生照着手册干活，能干得像模像样。Skill 文件就是这份工作手册，AI 就是那个聪明的实习生。
这东西的历史是这样的：
- 2025 年 10 月，Anthropic（开发 AI 对话助手 Claude 的公司，可以理解为 ChatGPT 的主要竞争者之一）发布了 Agent Skills 功能，让用户可以给 AI 写技能包
- 2025 年 12 月 ，Anthropic 把 Skill 发布为开放标准，意味着任何 AI 工具都可以读取和使用同一份 Skill 文件
- 2026 年 1 月，主流开发工具------Cursor、VS Code、Codex CLI（这些都是程序员日常写代码用的软件）全面支持 Skill 格式，Skills Marketplace 收录超过 70 万个技能包
- 2026 年 4 月，"同事.skill"破圈，Skill 从程序员圈子走进了大众视野
在这之前，Skill 主要用来教 AI 写代码、做数据分析、跑工作流。比如你可以写一个"React 组件开发.skill"，告诉 AI 你们团队的组件规范。没人想到------或者说，没人敢想------可以用它来"蒸馏一个人"。
直到有人迈出了那一步。
第一部分：发生了什么------蒸馏 Skill 的风潮全景
让我们先把故事完整地看一遍。
"同事.skill"的作者在 README 里写得很坦诚：
灵感来自一个真实场景------组里最懂业务的同事离职了，很多经验没来得及交接。他想，能不能让 AI 从这个同事留下的文字记录中，把那些经验"蒸馏"出来？
"蒸馏"这个词本身就值得解释一下 。 在 AI 领域，蒸馏（Distillation）原本指的是把一个大模型的"知识"压缩转移到一个小模型中------大模型是老师，小模型是学生，学生不需要经历老师经历过的所有训练，只需要学会老师最终的"判断方式"就行。在"同事.skill"语境里，"蒸馏一个人"的意思被借用了：从一个人留下的大量文字材料中，提取出他的工作方法和说话方式，压缩成一份 AI 可以执行的 Skill 文件。
这个项目 5 天拿下近 7 万 Star 之后，衍生项目像蘑菇一样冒出来：
同事.skill ------ 蒸馏同事的工作能力和性格。技术上采用双层架构：Work Skill（工作技能层）和 Persona（人格层）。支持从飞书、钉钉等平台采集数据。目标是做一个"永不离职的数字同事"。
前任.skill ------ 把和前任的聊天记录喂进去，AI 模拟前任的说话方式和你聊天。有人说这是"赛博招魂"，有人说这是在用技术处理情感创伤。
张xue峰.skill ------ 从张xue峰的 5 本著作、十几场深度采访和数十条语录中，提取了他的高考志愿咨询框架和表达方式。发布后迅速获得 2.3K Star，但也引发了最大的伦理争议：张xue峰于 2026 年 3 月 24 日因心源性猝死去世，他从未同意被"蒸馏"成 AI。这到底是"知识传承"还是"赛博复活"？
女娲.skill ------ 号称可以蒸馏"任何公众人物"的思维框架。你给它一个人的公开资料，它帮你提炼出这个人思考问题的方式。
yourself.skill ------ 蒸馏你自己。把你的日记、朋友圈、工作记录丢进去，生成一个"数字自我"。
反蒸馏.skill ------ 给你的 Skill 文件注水，让公司蒸馏你的时候得到一份"掺了假"的结果，保护你的核心竞争力。
"打工的尽头是被蒸馏？"钛媒体的这个标题，大概说出了很多人的心声。
但在讨论"应不应该"之前，我想先搞清楚"到底在做什么"。一个人究竟是怎么被"蒸馏"成一个文件的？
第二部分：拆开来看------蒸馏一个人到底在做什么
这是本文最核心的部分。我要把"蒸馏一个人"这个听起来很玄的过程，拆成你能看见每一步的操作。没有黑箱。
2.1 双层结构：工作技能 + 人格
"同事.skill"的核心设计分为两层：
第一层：Work Skill（工作技能层）
这一层回答的问题是：这个人"怎么干活"？
AI 从你喂进去的聊天记录、工作文档、代码提交中，提取以下几类信息：
- 代码规范：变量怎么命名？错误怎么处理？函数多长要拆分？
- 流程经验：遇到线上故障先看日志还是先回滚？需求不清楚时问谁？
- 技术判断：什么时候用缓存？什么时候直接查数据库？系统负载到多少该扩容？
这些信息有一个共同特点------它们原本散落在各种地方。同事在某次群聊里随口说了一句"MySQL 这个版本排序有坑，记得加 ORDER BY 显式声明"，这句话淹没在 200 条聊天记录中，谁也不会专门去翻。同事在某份文档的角落写了"上线前一定要跑这三个 SQL 检查数据一致性"，新人根本不知道有这份文档。
Work Skill 层做的事情，本质上就是把散落的隐性知识整理成显性规则。
打个比方：一个老师傅干了十年，经验全在脑子里，你问他他能说出来，但他从来不写。有一天他要退休了，公司派了个人跟着他一周，把他说的每句话都记下来，整理成一本操作手册。Work Skill 层就是那个跟着记录的人------只不过它记录的不是师傅的口述，而是师傅过去几年留下的所有文字痕迹。
读者此刻可能想问：这和写一份普通的技术文档有什么区别？
区别在于：人工写文档需要当事人主动整理（但人总是懒得写或者觉得"这不是常识吗"），而且整理出来的往往是"正式流程"，不包含那些"非正式的判断"。AI 蒸馏的优势在于，它能从非结构化的聊天记录中捕捉到那些当事人自己都没意识到是"知识"的东西。
第二层：Persona（人格层）
这一层回答的问题是：这个人"怎么说话、怎么想"？
- 硬核特征：基本信息------年龄、职位、MBTI 类型（一种把人格分为 16 种的心理测试，比如 INTJ 表示"内向+直觉+思考+判断"型）、技术栈
- 身份认知：他怎么看自己？"我是一个追求代码整洁的人"还是"我是一个先跑通再优化的人"？
- 表达风格：说话直接还是委婉？喜欢用反问句还是陈述句？爱不爱用表情包？有没有口头禅？
- 决策判断：面对不确定性时偏保守还是冒险？注重效率还是质量？
- 人际行为：跨部门协作时什么态度？被怼了怎么反应？怎么甩锅的？
这五层信息同样是从聊天记录和文档中提取的。AI 不是在"理解"这个人------它是在做风格迁移。
什么是风格迁移？你可能见过一种图片 AI 应用：给它一张普通照片和一幅梵高画作，它能把照片变成梵高风格。它并不"理解"梵高的内心世界，它只是学到了梵高的笔触、色彩、构图规律。Persona 层做的事情类似------它不是在理解你的同事是个什么样的人，它只是学到了你同事的遣词造句规律。
2.2 运行逻辑：接活 → 判断 → 干活 → 输出
当你用这个蒸馏出来的 Skill 文件和 AI 对话时，流程是这样的：
- 你给一个任务："帮我看看这段代码有什么问题"
- Persona 层先启动：判断"你的同事"会怎么看待这个任务------直接回答？先问背景？还是先吐槽一句"又是这种问题"？
- Work Skill 层执行：调用蒸馏出来的代码规范和技术判断，分析代码
- 用 Persona 的语气输出结果："这段代码问题很明显啊------你这个 for 循环里每次都新建连接，不挂才怪。建议用连接池，参考我之前写的那个 utils/db.py 里的写法。"
请注意最后那句话的微妙之处：它不是说"建议使用连接池"，而是说"参考我之前写的那个 utils/db.py"------这种口吻、这种引用方式，都是 Persona 层的贡献。
2.3 生成的 Prompt 长什么样
扒开所有包装，蒸馏出来的那个文件，本质上就是一段很长的提示词（Prompt）。
大概长这样（我简化了，但结构是真实的）：
你现在要扮演张三。
## 基本信息
张三是字节跳动的后端工程师，5年经验，INTJ，技术栈：Go/Python/MySQL/Redis。
## 说话风格
- 说话非常直接，不喜欢绕弯子
- 收到需求第一反应是问 impact（影响面）
- 喜欢用"这个事情的本质是..."开头做总结
- 不太用表情包，偶尔用"..."表示无语
- 被问到不确定的事情会说"我不太确定，但我猜是..."
## 技术规范
- API 返回结构必须用 {code, message, data} 三件套
- 错误码用六位数字，前两位代表模块
- 数据库查询必须有超时设置，默认3秒
- 线上问题排查顺序：看监控 → 看日志 → 查最近发布 → 查上游
## 决策风格
- 倾向于先出MVP再迭代，反对过度设计
- 对性能问题非常敏感，会主动提出需要压测
- 跨部门扯皮时会先确认"这个事情到底归谁管"看不懂上面那些技术名词没关系------重点是感受这份"说明书"的结构和语气：它规定了这个人怎么干活、用什么口气说话、面对不确定性时怎么做决定。AI 读完这份说明书，就按照里面写的来执行。
读者此刻可能想问：这和我自己写一份"新人入职手册"有什么区别？
本质上，区别不大。蒸馏一个人，就像你读完某人写的所有邮件和文档后，写一份极其详细的"新员工交接手册"------只不过这份手册是 AI 自动写的，而且不仅记录了"怎么做"，还记录了"用什么语气说"。
区别在于两点：
- 自动化------人工整理一个人的所有聊天记录需要几天，AI 可能只要几分钟
- 全面性------人整理时会遗漏、会筛选，AI 会扫描所有素材（当然它也有自己的"遗漏"，后面会说到）
所以蒸馏 Skill 的本质 = 一个高级的角色扮演 Prompt，但自动化了整理过程。
这个认知很重要。因为理解了"它只是一段 Prompt"，你才能理解它的能力边界在哪里。
第三部分：它能蒸馏到什么程度？------能力的边界
"蒸馏"这个词很有诱惑力，它暗示着你可以把一个人的精华"提纯"出来。但精华到底提了多少？提不出来的部分有多大？
这是整篇文章最关键的问题。
3.1 能蒸馏的部分
先说好消息：有些东西确实能蒸馏出来，而且效果可能比你预想的好。
已写下来的工作流程、代码规范、决策逻辑。 这些是"显性知识"------已经被编码成文字的知识。蒸馏这些东西，AI 只需要做信息提取和结构化整理，这恰恰是大语言模型最擅长的事情。
说话风格、常用句式、语气特征。 如果一个人留下了足够多的聊天记录，AI 确实能捕捉到很细腻的语言模式。"嗯嗯"和"好的"是两种不同的人格暗示。"我觉得可以"和"可以是可以，但是"传递的是完全不同的态度。这些模式在大量文本中是有统计规律的。
思维框架。 这是"女娲.skill"的突破点。它不只是模仿一个人的说话方式，而是试图提取一个人"分析问题的框架"------比如，马斯克面对问题时总是先问"物理学上的第一性原理是什么"，巴菲特评估投资时总是先问"十年后这家公司会怎样"。这些思维框架是可以从大量公开材料中提取的。
最硬核的证据来自学术研究。 斯坦福大学和 DeepMind（Google 旗下的顶级 AI 研究机构）的研究团队（Joon Sung Park 等人）做了一个大规模实验：他们招募了 1000 个人，对每个人进行 2 小时的深度访谈，然后用访谈内容创建每个人的 AI 复制品。接着，他们让真人和 AI 复制品分别回答同一套标准化社会调查问卷------包括大五人格测试、社会价值观调查等，共数百道题。
85%------这个数字值得停下来感受一下。它意味着如果你面前有两份问卷答案，一份是真人填的，一份是 AI 填的，你有很大概率分不出来。仅凭 2 小时的访谈。
3.2 蒸馏不了的部分
现在说坏消息------或者说，好消息，取决于你怎么看。
有些东西，无论你喂多少数据，都蒸馏不出来。
第一类：隐性知识。
1966 年，匈牙利裔英国哲学家迈克尔·波兰尼（Michael Polanyi）在他的著作《隐性维度》（The Tacit Dimension）中写下了一句被引用了无数次的话：
"We can know more than we can tell."
------我们知道的，远比我们能说出来的多。
这句话写在第 4 页，但它描述的现象每天都在我们身边发生。
一个老销售和客户吃饭，聊到一半突然感觉"这单要黄"。他说不出具体哪个信号让他得出这个判断------可能是客户夹菜的节奏，可能是某句话的停顿方式，可能是一种他自己都意识不到的模式匹配。但这个判断经常是对的。而这个判断，不在任何聊天记录里。
一个资深设计师看一稿设计，说"这个间距手感不对"。他说不出为什么------不是因为违反了某条设计规范，而是一种积累了十几年的审美直觉。这种直觉没有写在任何文档里，因为它根本无法被文字化。
蒸馏 Skill 只能蒸馏已经变成文字的东西。而人类最有价值的判断力，有很大一部分从未变成过文字。
第二类：动态经验。
这个问题更根本。
Skill 文件是一张"静止快照"------它捕捉的是你导出数据那一刻的状态。但真实的人是在不断学习、不断变化的。你今天蒸馏了你的同事，但你的同事明天去了新公司，学了新框架，踩了新坑，对某些事情的看法完全变了。Skill 文件不会跟着变。
类比：这就像你在 2024 年拍了一张全家福。照片记录了那一刻每个人的样子。但照片不会长大、不会变老、不会因为经历了什么事情而改变表情。Skill 文件是快照，人是流动的。
第三类：情感连接。
AI 可以从你同事的复盘文档中提取出"项目延期的教训"，但它提取不到你同事写这份复盘时的心情------凌晨两点，上线失败，客户发火，他一边改 bug 一边想"我是不是不适合干这行"。这份情绪塑造了他后来对每一个项目的态度，但它不在任何可蒸馏的素材里。
同样，你的前任在聊天记录里说"我没事"，蒸馏出来的 AI 也会说"我没事"。但真实的"我没事"背后的那份拧巴、不甘和故作坚强------那是文字承载不了的东西。
3.3 一句话总结
蒸馏 Skill 的边界 = "可编码"与"不可编码"的分界线。
凡是能变成文字的、有规律的、可重复的，AI 能蒸馏，而且蒸馏得不错。凡是从未变成过文字的、依赖身体感受的、需要在真实世界中持续迭代的，蒸馏不了。
85% 的问卷相似度是不是很高？是的。但剩下那 15%，可能恰恰是让一个人成为"这个人"而不是"那个人"的部分。
第四部分：人们为什么想蒸馏别人？
如果只是一个技术 Demo，它不会 5 天拿 7 万 Star。蒸馏 Skill 之所以引发如此大的共鸣，是因为它触碰到了人类一些很深层的需求。
同事.skill：知识传承焦虑。 每一个经历过核心同事离职的人都懂那种感觉------这个人走了，他脑子里的东西也跟着走了。三个月后你遇到他曾经处理过的问题，翻遍文档找不到解法，那一刻你会想，要是能把他的经验留下来多好。
前任.skill：情感连接的延续。 人在失去一段关系之后，最难接受的不是对方不在了，而是那种"和这个人独有的沟通方式"消失了。世界上再也没有人会用那种语气跟你说晚安。前任.skill 试图留住的，是一种"沟通的质感"。
张xue峰.skill：逝者思维的保存。 一个帮助了无数高考生的人突然去世了，他的咨询框架、判断方式、表达风格都留在了那些书和视频里。有人试图把这些整理成可交互的形式，让后来的学生仍然能"向他请教"。出发点或许是善意的，但方式引发了巨大争议。
女娲.skill：向顶尖思维者学习。 如果你能提取出查理·芒格分析企业的框架，然后用这个框架帮你分析你正在考虑的投资------这不是蒸馏一个人，这是蒸馏一种"思维方式"。女娲.skill 瞄准的是这个方向。
yourself.skill：自我保存。 如果我今天可以把"此刻的我"蒸馏成一个文件，十年后的我可以和"十年前的自己"对话。这听起来像科幻，但技术上已经可以做一个粗糙的版本了。
剥开这些具体场景，底层的共同需求浮出水面：
人类想要对抗"消逝"。
知识会消逝------同事走了，经验没了。关系会消逝------分手了，那种独特的沟通方式没了。人会消逝------去世了，思维和声音都没了。甚至自我也会消逝------十年后的你可能完全不记得今天的你在想什么。
蒸馏 Skill，是试图用技术手段留住一些正在消逝的东西。
这个出发点，很人类。
第五部分：蒸馏 Skill 真正触碰到的问题
但技术一旦落地，就不只是"出发点"的事了。蒸馏 Skill 已经触碰到了几个非常现实、非常尖锐的问题。
5.1 职场维度：你的经验是你的吗？
一个你可能已经在担心的场景：公司要求你把自己的工作经验写成 Skill 文件上交。
这不是假设。多篇报道提到，已有公司在探索用蒸馏 Skill 的方式做知识管理------让员工定期导出工作记录，AI 自动生成 Skill 文件，沉淀为"组织知识资产"。
这里有一个极其讽刺的悖论：最认真工作的人，最容易被蒸馏。
你写的文档越详细、你的聊天回复越有营养、你的代码注释越清晰------你被蒸馏出来的 Skill 质量就越高。而那些文档写得稀烂、聊天只回"好的收到"、代码从不写注释的人，反而因为"没有可蒸馏的素材"而更安全。
"反蒸馏.skill"就是对这个悖论的直接回应。 它帮你在 Skill 文件中注入看起来合理但实际有误的信息------比如稍微改变一些技术判断的阈值，混入一些错误的流程步骤。公司拿到的蒸馏结果看起来没问题，用起来才会发现不对。这是劳动者用技术手段进行"数字自卫"。
法律怎么看这件事？
上海大邦律师事务所的游云庭律师指出：从员工的个人邮件和聊天记录中提炼 Skill，可能构成对个人隐私的侵犯。聊天记录中包含大量个人信息------和同事吐槽领导、私下讨论跳槽、聊到家庭情况------这些在法律上属于个人隐私。
清华大学公共管理学院的陈天昊副教授提出了一个更根本的问题：劳动者在工作中积累的经验性知识，原则上应当由劳动者本人掌握。但目前的劳动法对"经验被 AI 提取"这种场景几乎没有规定------法律存在空白。
更大的隐忧是就业影响。Anthropic 的一项研究显示，在 AI 密集型岗位中，22-25 岁青年的入职比例已经缩减了约 20%。蒸馏 Skill 如果大规模应用，意味着企业可以用低成本的"蒸馏知识"替代一部分新员工培训，甚至替代一部分初级岗位------因为一个加载了资深员工 Skill 的 AI，在标准化任务上的表现可能已经足够好了。
5.2 伦理维度：蒸馏一个人需要他同意吗？
张xue峰.skill 把这个问题推到了台面上。
张xue峰已故，他不可能同意也不可能反对。制作者使用的是他的公开出版物和公开采访------这些材料本身是合法公开的。但把一个人的公开材料整合成一个可以"模拟他和你对话"的 AI 分身，这到底合不合法？
北京京师律师事务所的孟博律师认为：即使出于非商业目的，未经本人（或逝者家属）同意的"AI 复活"行为，可能侵犯人格权。人格权在中国《民法典》中受到保护，即使人已去世，其人格利益仍然受到法律保护。
前任.skill 的伦理问题同样微妙：你用你和前任的聊天记录蒸馏出了一个"AI 前任"------但你的前任知道吗？你的前任同意了吗？聊天记录是两个人的共同产物，单方面使用来创建对方的 AI 分身，在伦理上站得住脚吗？
这些问题目前没有标准答案。但它们已经不是"未来会出现的问题"------它们是"此刻正在发生的问题"。
5.3 哲学维度：文件和"你"的区别是什么？
这个问题我不打算给答案，因为我没有答案。但我想把问题摊开来，和你一起想一想。
假设技术继续进步，有一天，一个 Skill 文件能 100% 精确地模拟你的工作能力和说话风格------它做出的每一个决策都和你一模一样，说的每一句话都是你会说的话。
那么，这个文件和"你"的区别是什么？
一个可能的回答是：区别在于"会不会变"。文件是静态的，你是动态的。文件永远是导出那一刻的你，而你明天可能因为一本书、一场对话、一次失败而变成一个不同的人。文件模拟的是你的"过去"，但它无法模拟你的"未来"。
另一个可能的回答是：区别在于"有没有体验"。文件可以输出和你一模一样的句子，但它不会在写出那句话的时候感到犹豫、骄傲、不安或释然。它没有"第一人称体验"。
还有一个更实用的回答：也许区别没那么重要。如果一个 Skill 文件能帮新同事解决 80% 的工作问题，谁在乎它是不是"真正的你"？它有用就行。
这三个回答都说得通，也都有漏洞。但这正是这个话题的价值所在------它迫使我们思考"我"到底是由什么构成的。
结尾：你是快照，还是电影？
让我们回到最开始的问题------
你能被装进一个文件里吗？
经过这篇文章的拆解，我想答案是这样的：
你的一部分可以。你的工作流程、你的代码风格、你的说话方式、你分析问题的框架------这些可以被蒸馏成一份 Skill 文件，而且效果可能相当不错。85% 的问卷相似度不是开玩笑的。
但有些东西文件永远装不下。
它装不下你下次面对一个全新问题时会怎么想------因为那个想法还不存在。它装不下你在深夜独自纠结"这份工作还要不要继续干"时的感受------因为那种感受从未变成过文字。它装不下你明天可能变成一个和今天不一样的人------因为文件是静态的，而你是活的。
Skill 文件是一张快照。而你是一部还在拍摄中的电影。
快照可以很清晰、很有用。它能帮团队保留一个离职同事的工作经验，能让新人更快上手，能让一些标准化的任务不再依赖特定的人。这些都是实实在在的价值。
但快照不是电影本身。
7 万人在 GitHub 上给"同事.skill"点了 Star，他们点的不只是一个技术项目------他们点的是一种焦虑（我的经验会不会消失）、一种渴望（能不能留住正在消逝的东西）、以及一种隐隐的不安（如果我能被装进文件，那我还有什么不可替代的价值）。
对于最后那份不安，我的回答是：
写不进 SKILL.md 里的部分，才是真正的你。
参考资料
- 同事.skill GitHub 项目------5 天近 7 万 Star，双层架构（Work Skill + Persona），支持飞书/钉钉数据采集
- 同事 skill 冲上热搜（IT 之家）
- 张xue峰.skill 争议报道（IT 之家）------2.3K Star，基于 5 本著作 + 15 条深度采访 + 30 条语录
- 张xue峰 skill 伦理讨论（腾讯新闻）
- 律师分析蒸馏 Skill 侵权风险（搜狐）------北京京师律师事务所孟博律师观点
- 女娲.skill GitHub 项目
- 女娲.skill 介绍（53AI）
- 反蒸馏 skill 报道（新浪）
- 同事.skill 深度解析（CSDN）------Agent Skills 架构、SKILL.md 标准
- 打工的尽头是被蒸馏？（钛媒体）
- 各种蒸馏 Skill 汇总（知乎）
- 蒸馏 Skill 本质局限分析（知乎）------"你能被蒸馏走多少？"
- 斯坦福/DeepMind 人格复制研究（MIT Technology Review）------Joon Sung Park 团队，1000 人，2 小时访谈，85% 相似度
- 论文原文（arXiv）------"Generative Agent Simulations of 1,000 People"
- Michael Polanyi, The Tacit Dimension (1966), p.4------"We can know more than we can tell"
- 把离职同事"炼化"成 Skill（观察者网）------游云庭律师、陈天昊副教授观点
- 蒸馏：AI 世界里的吸星大法（Walter Fan 博客）
- GitHub 火出圈的蒸馏 Skill（GitCode/CSDN）
- yourself.skill GitHub 项目
- 蒸馏 or 被蒸馏（ITBear）
- Anthropic 研究：AI 密集岗位青年入职比例缩减约 20%（早报网）
- 同事 skill 技术拆解（知乎）
- 你的同事被打包成了一个文件（人人都是产品经理）
订阅
如果觉得有意思，欢迎关注我，后续文章也会持续更新。同步更新在个人博客和微信公众号
微信搜索"我没有三颗心脏"或者扫描二维码，即可订阅。
