科云汇应该担心自己被“蒸馏”吗？

撰文：王俊煜

清明节前，一个新的、关于AI的职场恐怖故事开始流传。在那个故事里，员工离职后会被“蒸馏”成skill（技能包），实现“赛博永生”，为公司工作到天荒地老。网上流传的图片里，一排排服务器被整整齐齐地码在机架上，每一台前面都挂着一张离职员工原本的工牌……

那张图片显然是AI生成的——一台电脑就可以运行无数个skill，根本用不着给每个“前员工”配一台电脑。故事可能是虚构的，但在各种非技术群里看到大家转发时，我还是意识到，背后的焦虑是真实的：OpenClaw在国内超乎寻常的热度，已经说明人们对AI将取代自己工作的恐慌；如果你积累多年的经验可以被轻而易举“炼”成一个文件、替你上班，又让这种恐慌变得更具体。

可是，真的能做到吗？这个故事似乎缘起于GitHub上一个名为“同事.skill”的项目。项目主页看起来是在玩抽象，却又认真提供了一个“蒸馏”工具。正好，我最近有几个问题想请教前技术合伙人范老师。本来打算请他吃顿饭，现在，我决定先“蒸馏”他试试。

“蒸馏”一个人并不简单，首先要准备好原材料。“原材料质量决定skill质量”，项目建议优先提供这个人主动写的长文，比如设计文档，其次是决策类回复。我花了些时间挑选材料，交给AI后，AI分析了半个小时，就完成了“范老师.skill”的第一版。

我激活这个技能，问了两个问题，一个关于技术选型，另一个是管理问题。我将答案贴给范老师本尊鉴定。他评价说：“感觉还是7分像的。”

但“7分像”更多是指表达风格。作为和范老师共事多年的人，我觉得这些回答并没有体现他的真正特点，跟通用AI的答案区别不大。我又尝试问了一些必须了解我们的历史才能回答好的问题，也不理想。

也许是原材料不够好？我补充了更多素材，重新“炼”了三个版本，结果依然不甚满意。

问题出在哪里呢？要理解这件事，还是需要先理解什么是skill，这个概念我在今年之前介绍OpenClaw时曾用较大篇幅介绍过，当时打了“菜谱”的比方：教AI完成一件任务的步骤。它一点也不神秘，就是你电脑上的一个文本文件，我打开AI“炼”出来的“范老师.skill”，长7515字——如果我们认为读完这7515个字就能成为一名优秀的CTO，掌握他的思考方式，理解他如何在实际工作中解决具体问题，了解我们共事十余年的经历……显然不可能。

你可能会说，CTO的经验确实很难“蒸馏”，但我只是个普通员工，“蒸馏”我的经验会不会更容易？担心这个问题的，往往是有一定工作经验的人。换个角度问：如果你已经工作了好几年，并且做得也不差，你工作中用到的所有经验和方法，真能被一个不到一万字的文档总结吗？

肯定不能。如果经验传递真的这么简单，招聘就不该这么难，我们也不需要在带新人上花那么多时间。某个客户的特殊情况、某个系统的隐藏设置、某个流程为什么是这样而不是那样、某个系统的密码是什么、某台服务器是用来干什么的、邀请播客嘉宾的技巧、设计师的设计文件中的图层命名规则……这些没人写下来过、只存在于某个人脑子里但又是完成工作必备的“暗知识”，都是经验的一部分，无法被一个文档装下。

换个角度想，在任何一家管理得当的公司，“蒸馏”其实无时无刻都在发生，经验分享、SOP、带新人……都是“蒸馏”。至于大家今天说的那些前同事skill，其实就是离职交接文档——离职要写交接文档，是天经地义的事情。交接文档无法取代一个人，skill也不能。

虽然如此，AI确实能帮助我们更有效地梳理和传递经验，尤其是上面说的这些“暗知识”。如果你能把自己的经验传递给AI，让AI来帮助你完成工作，尤其是那些对你来说有点无聊的工作，你自己的时间可以用来处理更难的部分，不管对你自己的成长还是团队协作，都是好事。这个过程，也是暗知识浮出水面的过程。

然而今天的AI要向人类学习的skill，更多还是基础的工作方法和习惯。它已经能轻松拿到国际奥数金牌，可你一旦把一项具体工作交给它操作，就会发现它极其笨拙。它在“思考”和“行动”这两件事上的能力高度不匹配——用我小时候常听的话说，就是“高分低能”。我们为Agent的每一次进步欢呼，更多像是在惊叹婴儿学会走路的神奇，而不是它今天已经有多厉害。

如我在介绍OpenClaw那期专栏中所说，“技能”这个架构最好玩的地方，在于AI可以自己改进自己。你不必提前将自己的经验总结成文档（这很难），而是可以像带新人一样，让AI边做边学。

我上周花了大半天时间“教”AI写会议纪要。AI自动会议笔记已经是个相对成熟的产品品类，但离我想要的结果仍有差距。负责记录会议笔记的AI需要了解公司的业务、目标、分工、我们目前正在做的项目，还有我们使用的术语、“黑话”等等，才能准确地记录会议作了什么决策、有哪些需要跟进的事情。

“教”的过程就是：AI先做，我给它反馈，每次改完后再问它“你在这个对话中学到了什么经验”，让它自己记录下来，再用改进后的方法重做一遍……如此迭代，直到我满意为止。在带着AI整理了过去一个月的会议记录后，我对它的工作非常满意，不需要再做任何改动。

我查看AI在这个过程中自己沉淀下来的经验：这些人到底是怎么分工的、关心的侧重点是什么、谁指导谁工作、他们在做什么事情、常说的术语是什么……这些就是完成这项工作所需的“暗知识”。工作中这样的事情非常多，像我现在已经积累了20多个这样的skill（包括本专栏的写作中的许多环节），还觉得有很多东西可以教给AI做。

这也是为什么我认为“管理”工作永远不会消失——每个有一定工作经验的人，总会有一些属于自己的、非通用的“暗知识”，把这些技巧教给另一个生命体，无论对方是AI还是人类，都是“管理”的必备技能。

“范老师.skill”并不能真的回答我的问题，也帮不上什么忙，但阅读AI生成的这份文档，仍然能帮助我理解范老师的思考方式，从中学习。我也“蒸馏”了自己：把过去十多年工作中写下的所有邮件（我们最初创业时，邮件还是主要的内部沟通工具）都提供给AI，总计47477封、1122万字。最终，它也变成了一份7900字的文档。这个skill也没什么用处，但读AI总结出来的这份文档，就像照镜子一样，能给自己不少启发——哦，原来我看起来是这样的人。

最后，我查了一下账单，“蒸馏”范老师其实比请他吃饭更贵。