21世紀(jì)經(jīng)濟(jì)報道記者 王俊

近來，技術(shù)社區(qū)GitHub上爆火的“同事.skill”引起了廣泛討論，這項skill的技能點是“提供同事的材料加上你的主觀描述，生成一個真正能替他工作的AI skill”，并宣稱“將冰冷的告別化為溫暖的skill，加入賽博永生”。

截至4月4日晚，這個項目在GitHub累積了將近7萬的星標(biāo)。作為參照，在國內(nèi)被稱為龍蝦的Openclaw，星標(biāo)數(shù)為25萬，并憑借這個數(shù)字登頂GitHub星標(biāo)第一。

社會平臺上的梗圖層出不窮：“你的同事被優(yōu)化了，但他的 skill 還在?！薄氨划厴I(yè)的同事并沒有消失，不過是被蒸餾成了token繼續(xù)陪著你”……一系列“地獄笑話”背后，AI是否真的能將個人的工作經(jīng)驗蒸餾成可調(diào)用的Skill？如果能，這些know-how歸誰所有？AI時代如何保護(hù)職場中的個體勞動價值？

清華大學(xué)公共管理學(xué)院長聘副教授，清華大學(xué)科技發(fā)展與治理研究中心主任助理陳天昊長期關(guān)注AI治理并有著豐富實操經(jīng)驗，他在一開始，便犀利發(fā)問：如果人的工作經(jīng)驗、協(xié)作方式甚至風(fēng)格特征都能被模塊化，那么凝聚其中的勞動價值、知識產(chǎn)權(quán)和人格尊嚴(yán)分別應(yīng)當(dāng)如何保護(hù)？

個體在職場中積累的判斷習(xí)慣、溝通節(jié)奏、問題拆解方式、在不確定情境下的取舍標(biāo)準(zhǔn)等，是打工人真正的“飯碗”。而AI可能把這些沉淀在聊天記錄、文檔修改痕跡、代碼提交和郵件往來中的經(jīng)驗，系統(tǒng)化提煉、封裝并調(diào)用。“這部分知識到底更偏向?qū)儆诠举Y產(chǎn)，還是更應(yīng)由勞動者自己掌握，現(xiàn)有知識產(chǎn)權(quán)法和個人信息法都只能覆蓋一部分，還不能完全解決?！标愄礻恢赋觥?/p>

他認(rèn)為，勞動者在工作中形成的默會知識，在原則上應(yīng)由勞動者自己掌握，未來需要修訂勞動法及相關(guān)法律法規(guī)，以及通過勞動合同提前約定，明確誰有權(quán)調(diào)用這些默會知識以及調(diào)用的邊界在哪里。

同時，對于普遍存在的AI對就業(yè)影響的焦慮，他指出，Skill 帶來的影響或許會比AI對特定職業(yè)的顯性替代影響更深，因為Skill能夠逐步把崗位內(nèi)部的一部分又一部分“微能力”抽出來、自動化、模塊化，從而逐漸改寫崗位定義、招聘標(biāo)準(zhǔn)和組織結(jié)構(gòu)。

以下為采訪全文：

人會被部分蒸餾，而不是完整復(fù)制

《21世紀(jì)》：“同事.skill”發(fā)生的背景是什么，為什么會有這么大的水花？

陳天昊：所謂skill，是把某類工作的經(jīng)驗、流程、工具調(diào)用方法和參考資料，整理成一個可復(fù)用的能力模塊。Anthropic 在推出 Agent Skills 時，把它類比成“給新員工寫 onboarding guide”，意思是把原來由一個人所掌握的做事方法、判斷路徑和操作規(guī)范進(jìn)行文件化、模塊化，讓 Agent 在需要時按需讀取和執(zhí)行。

從更大的背景看，這背后是 AI 正在從 Chatbot 走向 Agent的演進(jìn)——從“會回答”走向“能行動”。但 Agent 不是裝上工具就自然會工作，如何調(diào)用工具、管理記憶、把流程真正跑通，需要經(jīng)驗和方法，而這正是Skill 的意義：把這些方法沉淀下來，變成可復(fù)用的能力包。

“同事.skill”就是在這個背景下出現(xiàn)的。核心做法是把某位同事在工作中留下的飛書記錄、文檔、郵件、截圖等材料提煉成兩部分：一部分是工作方法和技術(shù)規(guī)范，另一部分是性格特征和溝通風(fēng)格，再把它們封裝成可調(diào)用的 Skill。它之所以引發(fā)關(guān)注，是因為它把一個很尖銳的問題擺到了臺面上：如果人的工作經(jīng)驗、協(xié)作方式甚至風(fēng)格特征都能被模塊化，那么凝聚其中的勞動價值、知識產(chǎn)權(quán)和人格尊嚴(yán)分別應(yīng)當(dāng)如何保護(hù)？

《21世紀(jì)》：以你對技術(shù)的了解以及自身實踐，一個人常年積累的判斷力、排錯直覺等等工作經(jīng)驗，能被蒸餾嗎？

陳天昊：我的初步判斷是：可以被蒸餾，但只能是部分蒸餾，而不是完整復(fù)制。

為什么這么說？因為一個人對自己的理解，很多時候并不如他在長期行為中表現(xiàn)出來的東西那么穩(wěn)定、那么真實。人在工作里留下的判斷、修改、排錯、溝通和取舍，本身就是一種外化了的知識表達(dá)。

所以，我比較認(rèn)同這樣一種看法：一個人未必最了解自己，但他的行為常常比他的自我描述更能刻畫他。我們很多工作中的技巧、風(fēng)格和經(jīng)驗，自己未必能完整說清楚，但它們會穩(wěn)定地體現(xiàn)在工作痕跡里，比如怎樣拆解問題、怎樣判斷優(yōu)先級、怎樣發(fā)現(xiàn)異常、怎樣修改別人交來的東西、怎樣回復(fù)郵件和消息、怎樣在不確定信息下做取舍。這些材料一旦在聊天記錄、文檔版本、代碼修改、郵件往來、批注意見里沉淀下來，AI就有機(jī)會從這些外顯痕跡中總結(jié)出一個人的工作模式。

但這里一定要加一個邊界：能被蒸餾出來的，主要是那些在行為中反復(fù)出現(xiàn)、能夠留下記錄、具有一定穩(wěn)定性的部分；而不是一個人全部的判斷力，更不是完整的人格和主體性。 例如，排錯直覺里有一部分是可以外化的，但還有一部分非常依賴語境、責(zé)任感、現(xiàn)場壓力、組織關(guān)系，這些東西并不總能在材料里充分留下來。

我覺得，長期工作中相對穩(wěn)定、可觀察、可記錄的判斷模式和經(jīng)驗，確實可以被蒸餾出相當(dāng)一部分；但越靠近情境化、身體化、主體性的部分，就越難被完整提煉。

《21世紀(jì)》：同事.skill 式的個人級蒸餾，和此前的大模型訓(xùn)練，在“提取know-how”這件事上有本質(zhì)區(qū)別嗎？

陳天昊：我覺得還是有明顯區(qū)別的。此前的大模型訓(xùn)練，無論是預(yù)訓(xùn)練還是后訓(xùn)練，都是在海量數(shù)據(jù)上進(jìn)行的。它學(xué)到的東西最終以參數(shù)和權(quán)重的形式存儲在模型內(nèi)部，一旦訓(xùn)練完成，這些能力就變成了一種通用的、基礎(chǔ)性的能力底座。

而今天我們看到的 Skill，尤其是“同事.skill”這種個人級蒸餾，并不是通過調(diào)參、調(diào)權(quán)重來完成，而是通過組織一個更精確的任務(wù)上下文，把某個人的操作方式、技巧、方法和相關(guān)資料封裝起來。它本質(zhì)上更像是一個外置的、可調(diào)用的知識與流程層，而不是寫進(jìn)模型參數(shù)里的能力。

此外，Skill非常輕量級，并且有非常強(qiáng)的靈活性和適應(yīng)性。一個 Skill 可以隨時修改、增補(bǔ)、替換腳本，甚至根據(jù)具體個案不斷迭代，而不需要重新訓(xùn)練整個模型。

所以，我認(rèn)為大模型訓(xùn)練提取的是一般性、可泛化的共性能力；同事.skill 這類個人級蒸餾提取的，則是高度情境化、與具體工作流綁定的局部 know-how。

在工作流程中積淀的默會知識 應(yīng)更多地由勞動者自己掌握

《21世紀(jì)》：同事.skill 所涉及的在職期間產(chǎn)生的飛書記錄、郵件、代碼，所有權(quán)屬于誰？以及誰有權(quán)調(diào)用？個人的和公司的邊界在哪里？

陳天昊：我會把這個問題分成三層來看。第一層是知識產(chǎn)權(quán)問題，第二層是個人信息和隱私問題，第三層是兩者之間目前最有爭議的中間地帶。

先說第一層，知識產(chǎn)權(quán)。如果員工在職期間留下來的飛書文檔、郵件內(nèi)容、代碼、技術(shù)方案中，有一部分具有獨創(chuàng)性，能夠構(gòu)成著作權(quán)法意義上的作品，或者符合專利法上的技術(shù)方案標(biāo)準(zhǔn)，那么這部分內(nèi)容就要先放到知識產(chǎn)權(quán)框架里判斷。著作權(quán)法有職務(wù)作品規(guī)則，專利法有職務(wù)發(fā)明規(guī)則——這部分權(quán)利歸屬的框架是相對清晰的，現(xiàn)行法已有成熟規(guī)則。并且，作者的人身性權(quán)利，如署名權(quán)，在法定條件下會獲得保留。

第二層是個人信息和隱私。員工在郵箱、飛書、企業(yè)協(xié)同系統(tǒng)里留下的內(nèi)容，并不因為發(fā)生在公司系統(tǒng)里，就自動失去人格權(quán)保護(hù)。民法典明確規(guī)定，自然人享有隱私權(quán)，個人信息受法律保護(hù)。在人力資源管理場景下，個人信息保護(hù)法雖然允許按照依法制定的勞動規(guī)章制度和依法簽訂的集體合同，在“實施人力資源管理所必需”的范圍內(nèi)處理個人信息，但這并不意味著企業(yè)可以無限制地把員工留下的所有痕跡都拿去做“同事.skill”式蒸餾。只要涉及個人畫像、行為分析、風(fēng)格提煉，乃至向外部模型或外部服務(wù)商提供數(shù)據(jù)，都會觸發(fā)更嚴(yán)格的合法性與必要性審查。

真正難的，是第三層，也就是知識產(chǎn)權(quán)和個人信息/隱私之間的中間地帶。比如一個人的排錯順序、判斷習(xí)慣、溝通節(jié)奏、問題拆解方式、在不確定情境下的取舍標(biāo)準(zhǔn)，這些都可能沉淀在聊天記錄、文檔修改痕跡、代碼提交和郵件往來中。過去這部分經(jīng)驗更多依附在勞動者本人身上；但現(xiàn)在隨著技術(shù)發(fā)展，使它第一次有可能被系統(tǒng)化提煉、封裝并調(diào)用。這部分知識到底更偏向公司資產(chǎn)，還是更應(yīng)由勞動者自己掌握，現(xiàn)有知識產(chǎn)權(quán)法和個人信息法都只能覆蓋一部分，還不能完全解決。

在這個問題上，我個人更傾向于認(rèn)為：這部分積累于經(jīng)驗中的默會知識，原則上應(yīng)更多地由勞動者自己掌握。因為它雖然形成于工作過程，但很大一部分其實是勞動者自己通過長期訓(xùn)練而鍛造的能力結(jié)構(gòu)、判斷方式、溝通技巧等默會知識，企業(yè)通過工資僅獲取的是這些默會知識在工作期間的使用權(quán)，而非所有權(quán)，因此也就不能等同于企業(yè)可以無條件占有和調(diào)用的資產(chǎn)。企業(yè)當(dāng)然可以對真正屬于職務(wù)成果、商業(yè)秘密或依法可管理的人力資源數(shù)據(jù)主張權(quán)利，但如果進(jìn)一步要求自動提煉員工個人風(fēng)格、強(qiáng)制員工提交自己的 Skill 封裝，或者把這類封裝作為離職交接的默認(rèn)義務(wù)，我認(rèn)為應(yīng)當(dāng)有更明確的法律依據(jù)或合同依據(jù)。

所以我進(jìn)一步主張，誰有權(quán)調(diào)用、邊界在哪里，未來一方面需要通過勞動合同提前約定，另一方面更需要通過修訂勞動法、制定專門的法規(guī)規(guī)章來明確。

無論是立法規(guī)定還是合同約定，至少有幾個問題應(yīng)當(dāng)事先說清楚：公司是否有權(quán)進(jìn)行此類自動提煉；提煉的范圍是否限于完成工作任務(wù)所必需；是否可以要求員工配合提交或維護(hù)相關(guān) Skill；員工是否享有知情權(quán)、異議權(quán)、糾正權(quán)，以及遷移權(quán)。這些問題，本質(zhì)上已經(jīng)不只是知識產(chǎn)權(quán)問題，也不只是個人信息問題，而是一個典型的勞動法與數(shù)字治理交叉問題。

《21世紀(jì)》：據(jù)你研究與觀察，AI對勞動的影響有哪些？它是如何一步步滲透影響就業(yè)市場的？

陳天昊：我覺得，AI 對勞動的影響是全方位的。最顯性的替代，是原來需要人們投入較多腦力完成的工作，越來越多可以直接由模型完成其中的大部分。翻譯、摘要、基礎(chǔ)寫作是最早的例子；隨著多模態(tài)能力增強(qiáng)，媒體和互聯(lián)網(wǎng)相關(guān)職業(yè)的自動化程度也在上升。

再往下走，代碼、辦公和分析類工作也出現(xiàn)了很強(qiáng)的替代壓力，尤其是在那些規(guī)則明確、重復(fù)性高、容易標(biāo)準(zhǔn)化的任務(wù)環(huán)節(jié)上。Anthropic 關(guān)于勞動力市場影響的研究指出，從理論覆蓋潛力來看，大語言模型對計算機(jī)與數(shù)學(xué)類、辦公室與行政類工作的任務(wù)滲透空間都很高；但同一份研究也強(qiáng)調(diào)，現(xiàn)實中的 AI 使用離理論能力上限還很遠(yuǎn)。所以更準(zhǔn)確的說法不是“AI 已經(jīng)完全替代了這些崗位”，而是這些崗位內(nèi)部越來越多的具體任務(wù)，正在被 AI 接手、重寫或者重組。

但更重要的是，AI 對就業(yè)的影響不只是替代幾個具體工種，而是在重構(gòu)工作的組織方式。因為模型進(jìn)入真實場景以后，會立刻面對復(fù)雜的物理世界和數(shù)字環(huán)境。很多今天的系統(tǒng)、平臺、流程，是為人設(shè)計的，而非為 AI 設(shè)計。模型即便有很強(qiáng)的通用能力，要真正完成工作，還必須解決“怎么進(jìn)入場景、怎么調(diào)用工具、怎么串聯(lián)流程、怎么和現(xiàn)有制度接口”的問題。

這時就出現(xiàn)了 Skill。我很認(rèn)同把它理解成一種“最后一公里”機(jī)制：通用模型提供底座能力，而 Skill 把這些能力接到具體場景中，讓 AI 真正能在某個垂直崗位、某個組織流程里跑通。

也正因為如此，我反而會說，Skill 這一層帶來的影響，可能比最初那種顯性的“AI 直接出一個成品”更深。因為直接交付產(chǎn)品的替代，大家看得見，也容易討論；但 Skill 驅(qū)動的滲透更隱性，它不是一下子把一個崗位拿走，而是逐步把崗位內(nèi)部的一部分又一部分“微能力”抽出來、自動化、模塊化、平臺化。等這些“微能力”積累到一定程度，最后改變的就不只是某個任務(wù)，而是整個崗位的定義、招聘標(biāo)準(zhǔn)和組織結(jié)構(gòu)。

（受訪者供圖）