所谓Skill，不过是AI时代的工业垃圾
背景：AI从“会回答”走向“能行动”
AI技术正在经历从被动回答问题的Chatbot，向主动执行任务的Agent演进。这一变化意味着AI不再只是提供信息的“助手”，而是逐步成为能在特定场景中自主完成任务的“操作者”。为了实现这一点，Agent需要调用工具、管理记忆、理解流程，而Skill正是支撑这一能力的核心结构。
Skill的本质是将某类工作的经验、流程、工具调用方法和参考资料整理成可复用的能力模块。它类似于为AI提供一套操作说明书，使其能在不同任务中按需加载、调用特定的技能包。这种做法在工程层面是必要的，因为通用AI虽然具备广泛能力，但在具体岗位或组织流程中，仍需“知道怎么干活”的本地化封装。
技术实践：“同事.skill”的兴起与争议
GitHub上爆火的“同事.skill”项目便是这种趋势的典型代表。该项目声称只需提供某位同事的聊天记录、邮件、文档等材料，再加上一些主观描述，就能生成一个可调用的AI模块，使其“像那位同事一样”工作。项目README中甚至调侃地称此举为“赛博永生”的一部分，引发了技术社区和大众舆论的热议。
这种技术实践带来的震撼，不在于它是否足够逼真，而在于它首次将职场中的“个体经验”与“人格风格”进行了系统化的提取尝试。从飞书对话到代码提交记录，从文档修改痕迹到邮件沟通模式，AI有能力从这些数据中提炼出个体的工作方式，并将其封装为可移植、可调用的模块。
随之而来的，是一系列尖锐问题：
- 个人的工作经验是否属于公司资产？
- AI是否可以自动提取并封装员工的判断习惯和沟通风格？
- 一旦员工离职，其“Skill”是否应随其离开，还是可以被组织继续使用？
这些问题并非技术层面的小事，而是触及了劳动价值、人格尊严与组织控制之间的模糊地带。
Skill的本质：经验的封装，还是个体的复制？
Skill并不是AI第一次尝试提取人类知识。在大模型训练阶段，已经从海量数据中学习了大量通用知识与语言模式。但“同事.skill”这类个人级蒸馏技术的不同之处在于，它不是在学“所有人”，而是在学“某一个人”的具体操作路径、风格和判断逻辑。
从技术角度看，Skill更像是一个外置的知识与流程层，而非将知识写入模型参数的内化能力。它具备轻量级、灵活性与强适配性的特征，能够随时修改、增补、替换脚本，适应具体场景和任务需求。
然而，Skill的真正意义在于：
- 它把人的经验从“隐性知识”变为“显性知识”；
- 把判断习惯、沟通节奏、问题拆解方式等原本依赖“在场”的能力，封装成可调用的模块；
- 实现了“岗位职能”向“可拆解、可替换的能力单元”的转化。
这种转变，使得AI不再只是替代某类职业，而是逐步重构岗位本身的定义。它不是一下子抹掉某个岗位，而是通过模块化提取其中的“微能力”，逐步改变组织对人才的需求结构。
法律与伦理：个体经验的归属与保护
清华大学学者陈天昊指出，Skill引发的法律与伦理问题主要集中在三个层面：
1. 知识产权
如果某位员工在职期间创作了具有独创性的内容（如文档、代码、方案），这些可能构成职务作品或职务发明，权利归属已有法律依据。但Skill所提取的，往往不是具体的“作品”，而是抽象的“判断习惯”“沟通风格”等，这部分尚未被现行知识产权法覆盖。
2. 个人信息与隐私
员工在工作系统中留下的痕迹（如聊天记录、文档批注）并不因其在公司系统中产生就自动失去隐私属性。《民法典》和《个人信息保护法》明确规定，自然人享有隐私权与人格权，企业在处理这些数据时必须遵循合法、正当、必要原则。
3. 默会知识与劳动价值的边界
最难界定的是员工在日常工作中积累的“默会知识”——这些知识并未写入文档，而是体现在其行为模式中。例如：问题拆解顺序、优先级判断、排错习惯等。这类知识是否应归劳动者个人所有？还是企业可主张其为岗位资产？
陈天昊认为，这类默会知识本质上是劳动者通过多年经验形成的“能力结构”，不应自动归属企业。企业通过工资获取的是这些知识的“使用权”，而非“所有权”。因此，企业若要对员工经验进行自动提炼与封装，必须建立在合同约定或法律明确授权的基础上。
社会影响：劳动价值的重新定价
Skill的出现正在引发一场劳动价值的“重新定价”。过去，一个人的价值很大程度上取决于其“亲手在场”完成任务的能力。而如今，一旦这些能力可以被提炼、封装、调用，劳动者是否在场就变得不再关键。
更深层的变化在于：
- 岗位的定义在重构：原本不可替代的个体经验，现在可能成为系统中的一组模块；
- 招聘标准在改变：未来企业或许更看重员工能否“沉淀Skill”，而非单纯完成任务；
- 组织结构在演变：AI技能包的积累与复用，可能削弱对特定人才的依赖，提升自动化协作效率。
陈天昊强调，Skill带来的影响可能比AI对职业的直接替代更深。它不是一次性替代整个岗位，而是逐步将岗位中的核心“微能力”抽离出来，最终改变岗位本身的存在形式。
未来挑战：如何划定边界与承担责任
Skill技术的演进不仅是一次技术突破，更是一场社会实验。它迫使我们重新思考：
- 个体经验是否应被自动提炼？
- 提炼范围是否仅限于工作职责所必需？
- 员工是否有权对Skill的生成与使用提出异议或修改？
- Skill误用或滥用的责任由谁承担？
Anthropic等AI平台已经开始意识到Skill的安全问题，建议仅安装可信来源的Skill，并对其中代码和资源进行审计。但在“人”本身成为Skill的情况下，这些规则远远不够。
Skill化不仅改变了“谁在工作”，更改变了“工作的价值归属”。它标志着一个时代的开始：人类的判断力、风格与经验，正被拆解为可编程、可复用的能力单元，而这背后，是法律、伦理与社会认知的一次深度重构。