长盈宝配资 同事被“炼化”为Skill？大家把这事想简单了

文 | 字母 AI

"同事 .Skill "这个 GitHub 项目火出圈了。

随后还有什么"老板 .Skill "、"前任 .Skill "。

好像你身边的每一个人都可以被 Skill 变成数字人。7*24 小时的陪着你。

有的媒体说它能"完美复刻同事的语气、甩锅姿势"，还有媒体说它"彻底替代你的同事"。

讲真的，上次我看到这么赛博朋克的事情，还是《战锤 40K》里太空死灵这个种族的背景故事。

莫非我穿越了？

我看了一眼手机，一切正常。

于是我又从头梳理了整场事件，最后我发现这件事本身就是技术社区的一次玩梗，却在传播中变得越来越煞有介事。

这不难理解，在这个人人都担心被 AI 替代的今天，焦虑比真相更有传播力。

01 所谓的"炼化同事"，其实就是个爬虫加提示词模板

同事 .Skill 这个项目非常简单。

在 colleagues 文件夹下，每个"数字同事"就是一个子目录，里面有几个 Markdown 文件：Skill.md 是主入口，work.md 描述工作，persona.md 描述性格，再加一个 meta.json 存放元数据。仅此而已。

所有信息被总结成几个静态文本文件，而不是使用向量数据库做语义检索，也不涉及任何模型训练。

工作流程也直白。

项目提供了几个 Python 脚本，其中 feishu_auto_collector.py 用来抓飞书消息和文档，dingtalk_auto_collector.py 抓钉钉数据，wechat_parser.py 解析微信聊天记录，email_parser.py 处理邮件。

这些脚本干的事情就是数据爬取和格式转换，把原始文本整理成统一格式。然后把这堆文本喂给 AI，让它总结出这个人的"工作能力"和"性格特征"，生成那几个 Markdown 文件。

运行的时候更简单。

当你调用这个 Skill, Claude 就会读取那几个静态的 Markdown 文件作为上下文，然后按照描述的风格跟你对话。

就像你给演员一份剧本，告诉他"你现在要扮演一个说话爱用感叹号、经常甩锅给测试部门的产品经理"，演员照着演就行了。

同事 .Skill 本质上是一个遵循 AgentSkills 标准的提示词 + 爬虫工程项目，根本不是什么 AI 训练项目，更不是赛博永生。

项目中"五层人格结构"确实存在，但这只是提示词的组织方式，不是把这个人的思维方式和知识彻底分析透彻，里面也没啥高深莫测的技术。

persona.md 文件里把人格描述分成五层：Layer 0 是硬性规则，优先级最高；Layer 1 是身份认知，比如"我是前端工程师" ; Layer 2 是表达风格，比如"说话简洁，不用 emoji " ; Layer 3 是决策模式，比如"遇到技术选型倾向保守" ; Layer 4 是人际行为，比如"不主动参与争论"。

同事 .Skill 运行规则也写得很清楚，先由 persona 部分判断用什么态度接任务，再由 work 部分用技术能力完成任务，输出时始终保持 persona 定义的表达风格。

说到底，它也只是在给 Claude 写一份详细的角色扮演指南罢了。

这种设计带来的第一个问题是记忆。

这些 Skill 没有持久化记忆系统。每次对话都是重新读取那几个静态 Markdown 文件，不会根据新的交互学习和更新。

你跟它聊的内容，下次再调用这个 Skill 的时候它就忘了。它不记得你们昨天讨论过什么技术方案，不知道项目进展到哪一步，更不会因为你的反馈而调整自己的回答风格。

项目的 README 里有句话说得很诚实："原材料质量决定 Skill 质量"。

计算机圈里有句话叫做 GIGO，全文是 Garbage In，Garbage Out。翻译过来是垃圾进，垃圾出，指的就是同事 .Skill 里提到的内容。

如果你的前同事本来就不爱发消息，聊天记录里都是"收到""好的"" 1 "，那生成出来的 Skill 基本就是个复读机。再比如聊天记录里技术讨论很少，大多是闲聊和吐槽，那这个 Skill 也只能陪你闲聊和吐槽。

这还没完，由于这是你设定给模型的角色，因此 AI 在长时间交互中会出现人格漂移，也就是逐渐偏离预设人格。

这是由于随着对话轮次增加，上下文窗口里塞满了新的对话内容，最初定义人格的那段提示词在整个上下文中的权重被稀释，模型就会逐渐"忘记"自己应该扮演什么角色。

以及，这个同事 .Skill，没办法蒸馏出"专业知识和判断逻辑"。

AI 在扮演过程中会出现"专家悖论"的现象。就是说你越让 AI 扮演懂技术、懂知识的角色，它反而会输出错误的答案。

因为一旦要求 AI 扮演专家，AI 会优先开始模仿专家的表达方式、语气、甚至某些职业习惯，但这些额外的约束反而干扰了模型对问题本身的判断。

同事 .Skill、老板 .Skill、前任 .Skill，它们能提取的，只有最表面的东西。

口头禅和表达习惯可以提取，比如"习惯用‘嗯嗯’开头""喜欢用省略号"。常用的技术栈和工具可以提取，比如"熟悉 React 和 TypeScript "。显性的工作流程可以提取，比如"代码提交前先跑单元测试"。

但它提取不了复杂情境下的判断力。

当出现一个从未遇到过的技术问题，需要权衡性能、成本、开发时间多个因素时，这个 Skill 给不出真正有价值的建议。

它提取不了创新性的问题解决能力。真正的工程师会在遇到瓶颈时想出巧妙的解决方案，但 Skill 只能重复它见过的模式。

它提取不了基于多年经验积累的直觉。有经验的人看到一段代码会隐隐觉得"这里可能有坑"，但这种直觉无法被几个 Markdown 文件捕捉。

说这个 Skill 能"用他的技术规范写代码"，这话只对了一半。

它确实能输出符合某种风格的代码片段，比如遵循特定的命名规范、代码格式。

但遇到真正需要架构决策的时候，比如要不要引入新的技术栈、如何设计系统的扩展性、怎么平衡技术债务和业务需求，它就只能给出模棱两可的建议，或者干脆重复训练数据里见过的标准答案。

说到底，这是一个很有想法的 Skill，展示了如何用结构化的方式封装"人格"。

它更像是一个带人设的聊天机器人，或者说是一个智能化的工作日志。把它当作知识传承的辅助工具，这个定位是合理的。

但如果真的以为它能替代一个人，那只能说你被误导了。

02 这事其实违法了

同事 .Skill 在项目说明里写得很清楚，需要把同事的飞书消息、钉钉文档、邮件喂进去。

这句话背后藏着巨大的法律风险。

问题的核心在于离职后的数据使用权。

《个人信息保护法》第 13 条规定，处理个人信息需要满足几个条件之一：取得个人的同意、为订立履行合同所必需、为履行法定职责或法定义务所必需、为应对突发公共卫生事件、在合理范围内处理已公开的个人信息。

现在的情况是，员工离职了，劳动合同已经解除。公司继续使用他工作期间的数据来"炼化"成数字人格，这属于哪一条？

答案是哪一条都不属于。

没有取得离职员工的新授权，因为大多数情况下根本没人问过他。劳动合同已解除，不再是"履行合同所必需"，因为合同关系已经终止，继续使用数据没有合同基础。

将数据用于 AI 训练超出了条款中的合理范围，因为员工发送工作消息时的合理预期是用于工作沟通，而不是被拿去训练 AI。

违反《个人信息保护法》可能面临责令改正、警告、没收违法所得、罚款。

一般违法情节者，责令改正、警告、没收违法所得，拒不改正的处 100 万元以下罚款。

情节严重者，由省级以上监管部门处 5000 万元以下或者上一年度营业额 5% 以下罚款，同时可责令暂停相关业务、停业整顿、吊销相关证照等。

更麻烦的是敏感信息。

工作聊天记录里不只有工作内容，还可能包含个人健康状况，比如"今天身体不舒服，请假"；家庭情况，比如"孩子生病了，要早走"；财务信息，比如"这个月房贷压力大"；人际关系，比如对其他同事的评价。

这些都属于敏感个人信息。

《个人信息保护法》第 28 条规定，处理敏感个人信息需要取得个人的单独同意。

注意这里是"单独同意"，不是入职时签的那个笼统的数据使用协议可以覆盖的。

但这些 Skill 项目的操作流程里，完全没有这个环节。它们只是用爬虫一股脑地把所有聊天记录都转换成 Markdown 格式再喂给 AI，不管里面有什么内容。

这意味着每一个被"炼化"的同事 Skill，都可能违反了敏感信息保护规定。而且这个违规不是一次性的，是持续的。因为每次调用这个 Skill，就是在处理这些敏感信息。

你以为这就完了？

项目要求用户提供微信的聊天数据，并且还在项目上推荐了三款工具。

根据《腾讯微信软件许可及服务协议》，未经腾讯书面许可，对微信运行过程中的数据进行复制、读取、衍生开发，均属于违规行为。

《数据安全法》第 45 条规定，违反数据安全保护义务，造成数据泄露等严重后果，构成犯罪的，依法追究刑事责任。

这不是闹着玩的，企业数据泄露是有刑事责任的。

很多人可能觉得这只是"整活"，不会真的有人追究。

可"整活"从来不是免死金牌。如果真的有公司开始用这种方式"留住"离职员工，那就准备吃官司吧。

离职员工发现自己被"炼化"了，他完全可以向相关部门投诉，要求公司删除相关数据并赔偿损失。

公司因此泄露了商业秘密或其他员工的信息，还可能面临其他员工的集体诉讼。如果被监管部门立案调查，即便最后没有顶格处罚，光是调查和整改的成本就足够公司喝一壶的。

03 从玩梗到神化

这件事的起源其实很简单。X 平台用户发了一条推文："被毕业的同事其实并没有消失，他们只是被蒸馏成了 Token，换成另一种形式陪伴你！"以此调侃步入 agent 时代后，所有企业都在以 token 的消耗量判断模型的价值。

这条推文在小圈子里引发了共鸣。因为它戳中了一个普遍的痛点，人人都担心自己被 AI 替换掉。

于是就有了如今"炼化"同事的 Skill。

项目在 GitHub 上发布后，所有人都知道这是个玩具。

但事情很快变味了。当老板 .Skill、前任 .Skill 等衍生项目出现后，话题开始从技术实验变成情感寄托。

不了解技术的人看到这些梗，会以为真的可以把一个人"复活"成 AI。从玩梗到误解，只差一个传播链条。

当这事进入大众舆论场中，叙事开始偏离事实。

其中的技术被夸大了 100 倍，社会影响则放大了 1000 倍。

一个简单的文本拼接工具，被包装成了"数字永生"。一个 GitHub 上的玩具项目，被渲染成了"职场生存危机"。一段很普通的提示词，被解读成了" AI 替代人类的开端"。

还是我开头说的那句话，焦虑比真相更有传播力。

大众需要的不是准确的技术报道，而是能引发情绪共鸣的故事。

这场从技术社区玩梗到大众神化的过程，技术在传播中失真了。

一个项目从开发者社区传播到舆论，每经过一个环节，技术细节就被简化一次，叙事就被夸张一次。

到最后，原本的 python 爬虫，就变成了"数字永生"。

当大多数人不具备基本的 AI 知识，就很容易被这种叙事误导。他们不知道提示词工程和模型训练的区别，不知道上下文注入和真实记忆的区别，不知道角色扮演和人格复制的区别。

这种认知空白，给了夸大叙事生存的空间。

我认为真正值得担心的并不是同事 .Skill，或者老板 .Skill 这些项目本身，而是大众对技术的系统性误读。

为了流量而夸大技术能力，会误导公众对 AI 的认知。

当我们把注意力都放在"同事被炼化"这个噱头上时，真正重要的问题被忽略了。

如何在 AI 时代保护个人数据权利？

这个问题没答案，但它可比什么赛博永生重要得多。

配资网提示：文章来自网络，不代表本站观点。