同事被“炼化”为Skill？大家把这事想简单了

最近，一个名为“同事.Skill”的GitHub项目在互联网上引发了广泛讨论。这个项目通过爬取员工在飞书、钉钉、微信、邮件中的聊天和文档内容，将其转化为AI角色，从而在某种程度上“保留”了离职员工的工作风格和行为模式。但许多人对这个项目的理解和宣传显然过度简化，甚至误读了它的本质和风险。

项目原理与结构

这个项目的核心并不是AI训练或深度学习，而是一个基于提示词（Prompt）和数据爬取的工具集合。它主要依赖几个Python脚本来抓取员工的数字痕迹，例如：

• feishu_auto_collector.py：抓取飞书消息和文档
• dingtalk_auto_collector.py：抓取钉钉数据
• wechat_parser.py：解析微信聊天记录
• email_parser.py：处理电子邮件内容

这些数据被整理成统一格式后，用于生成一个名为Skill.md的文件，再加上work.md、persona.md和meta.json，构成了一个“数字同事”的基础人格和能力档案。

人格结构分层

在persona.md中，人格被分为五层，每一层定义不同的行为模式：

• Layer 0：硬性规则（如“只回应技术问题”）
• Layer 1：身份认知（如“我是后端开发”）
• Layer 2：表达风格（如“说话简洁、不用表情包”）
• Layer 3：决策模式（如“优先考虑可维护性”）
• Layer 4：人际行为（如“不主动参与争论”）

这种分层结构仅仅是提示词的组织方式，并不代表对员工人格的深度建模或复制。

实际功能有限

尽管“同事.Skill”听起来像是某种“数字永生”技术，但实际上它的能力非常有限。它无法真正理解复杂的业务逻辑或技术架构，只能根据历史数据中出现过的表达方式进行模仿。其本质是文本拼接与角色扮演。

• 无长期记忆：每次对话后，上下文不会保存，这意味着AI不会“记住”你们之前的讨论。
• 不能处理新问题：遇到没有历史记录支持的技术问题时，AI只能给出模棱两可的回答或重复已有内容。
• 存在“专家悖论”：当AI试图模仿专家时，反而更容易给出错误答案，因为它优先模仿的是“专家”的语气和表达方式，而不是真正理解问题。

因此，所谓“完美复刻同事语气”“彻底替代你的同事”只是营销或调侃，并不具备真正的工作替代能力。

法律与隐私风险

该项目的更大问题在于数据合规性。根据《个人信息保护法》第13条，处理个人信息需取得同意、履行合同、法定职责等合法基础。然而，一旦员工离职，这些合法基础大多不再成立。

• 项目使用了大量员工在工作期间产生的聊天记录，可能包含：
  • 个人健康信息（如请假原因）
  • 家庭状况（如孩子生病）
  • 财务信息（如“房贷压力大”）
  • 人际关系评价（如对同事的看法）

这不仅违反了《个人信息保护法》，也可能违反《数据安全法》第45条，造成严重后果。公司如果擅自使用此类工具，可能面临：

• 责令改正、警告、罚款
• 敏感信息泄露风险
• 员工投诉与集体诉讼
• 商业秘密外泄的潜在威胁

此外，根据《腾讯微信软件许可及服务协议》，未经许可复制、解析微信数据属于违规行为，进一步放大了法律风险。

社会认知误区与传播偏差

这个项目最初只是程序员圈内的一个玩梗工具，用来调侃AI时代将人“蒸馏”为Token的现象。但随着“老板.Skill”、“前任.Skill”等衍生项目的出现，话题逐渐从技术实验转向情感寄托。

公众对AI的理解存在显著盲区：

• 不了解提示词工程和模型训练的区别
• 混淆上下文注入和长期记忆
• 误以为AI可以真正“复刻”人格和思维

这导致“同事.Skill”被误解为“数字永生”技术，甚至引发对AI替代人类的恐慌。但实际上，它只是一个提示词加爬虫的玩具项目。

总结与反思

“同事.Skill”的火爆反映了AI技术在职场与生活中的渗透程度，也揭示了公众对AI能力的误解和对技术伦理的忽视。

• 技术层面：它并不能真正“炼化”人的思维或专业知识，只是对表面行为的模拟。
• 法律层面：未经授权处理离职员工的个人数据，涉嫌严重违规。
• 伦理层面：将同事“蒸馏”为插件，模糊了人与工具的界限，容易引发心理不适和信任危机。

与其担心AI替代人类同事，不如关注如何建立对AI技术的理性认知，以及如何在合法合规的前提下使用这类工具。毕竟，技术本身没有善恶，关键在于我们怎么用。