AI时代Skill他人与防蒸馏自己指南

前些日子，就在人们为张雪峰的不幸离世惋惜的时候，某些人却在手机里打下了“帮我看看该不该学新闻”，几秒钟后，一个带着东北口音、语速极快、非常绝对的声音从手机中传出“我跟你说，千万别学新闻！这玩意儿就业率不行，薪资中位数在这儿摆着呢，你听我的，干点实际的”。这当然不是张雪峰本人在线答疑，是有人做出了一个张雪峰Skill的AI工具，它模仿了张雪峰的决策模型、表达DNA，甚至他“先查数据再说话”的职业习惯。它扮演张雪峰，而不是复述关于张雪峰的知识。

这个赛博永生的待遇并不是张雪峰独享，从去年开始，乔布斯、卡斯克、巴菲特等思维风格鲜明的公众人物的思想纷纷被封装成Skill。甚至有产品经理把团队里最懂用户的人做成Skill，用于需求评审前的模拟推演；创业者把潜在投资人做成Skill，练习如何应对刁钻提问；甚至有人开始尝试把自己的工作方法论封装成Skill，创造一个“专家版的我”随时待命。

万物Skill化已经超脱了AI工具本身，从猎奇变成了一种普遍的实践，那么当我们“蒸馏”一个人，让他变成Skill的时候到底发生了什么？是在做一个更聪明的知识库，还是在创造一种全新的、可复用的“思维代理”？

两种不同的Skill：知识封装型和思维代理型

要理解这场“造人”潮，首先要跳出对Skill的固有认知。传统AI助手本质是知识封装：把某个领域的规则、步骤、数据打包，AI需要时调用。比如Excel操作Skill，核心是告诉AI“如何用VLOOKUP函数”，目标是准确调取信息。“张雪峰”式的Skill提供了另一种理解范式：Skill = 决策模型 + 表达DNA。它的目标不是告诉AI“张雪峰说过什么”，而是让AI以张雪峰的方式思考并表达。这本质上是思维代理的封装。

这种封装有三个层次深度：最表层是信息层，包含人物的生平、观点、语录等事实；中间是结构层，即其处理问题的决策框架与工作流；最深层是表达层，即其独特的语言风格、节奏和情感色彩。大部分Skill停留在第一层，而真正的思维代理型Skill必须进入第二、三层——结构层让AI知道“怎么想”，表达层让AI知道“怎么说”，两者结合才构成一个可信的“代理”。

两者的根本区别在于，知识封装型Skill回答“是什么”和“怎么做”，而思维代理型Skill回答“他会怎么想”和“他会怎么说”。后者要求创作者必须深入人物的思维黑箱，不仅知其然，更要知其所以然。

六步蒸馏，还原一个人的Skill

把一个人做成高质量的Skill，不是简单的话术模仿，而是一次系统的思维解构与重建。基于对张雪峰、乔布斯等典型案例的深度解剖，可以提炼出一套“六步蒸馏法”。

第一步：收集原材料。需要一手资料：本人的著作、权威访谈、公开演讲、决策记录、争议事件。对于乔布斯、张雪峰，这意味着研读他们的5本著作、分析15+篇深度采访、梳理30+条标志性语录，以及记录11个关键的人生与职业决策节点。二手分析只能作为补充，核心必须来自主体自身。

第二步：识别“元问题”。这是最关键的一步：这个Skill究竟在帮用户解决什么问题？张雪峰的元问题是：“普通家庭的孩子，在教育选择的十字路口，怎么做才能让未来不太差？”所有后续的心智模型和表达都服务于这个核心。

第三步：归纳3-5个核心心智模型。这是人物的“思维操作系统”。从张雪峰的所有言行中，可以提炼出五个基石模型：社会筛子论（对社会流动性的根本看法）、选择大于努力（核心方法论）、就业倒推法（具体操作指南）、阶层现实主义（价值观基础）、争议即传播（对外策略）。检验标准是：这5个模型能否解释他80%的观点和判断？

第四步：还原表达DNA。思维决定表达。张雪峰的决策路径（接收问题→判断类型→追问家庭背景→查就业数据→用心智模型筛选→给绝对结论）直接外化为他的表达风格：嘎巴/整/干他的东北口语，没有之一/千万别/一定的绝对化措辞，我跟你说/你听我说的压迫感开头，以及几乎从不使用“可能”“也许”“这取决于”等模糊词汇。表达DNA需要写成可操作的规范，如词汇表、句式偏好、节奏模式。

第五步：写出决策工作流。将人物的思考过程固化为AI可执行的步骤。张雪峰Skill的工作流清晰规定：判断问题类型→灵魂追问（先问家庭背景）→调用工具查最新数据→套入心智模型分析→输出绝对化结论。这确保了AI不是在随机模仿，而是在按流程推理。

第六步：定义边界与局限。真实的人都有认知边界。张雪峰Skill明确写出：他的方法论对普通家庭、就业导向的人最有效；对追求学术理想或家境优渥者，其建议可能成为束缚。更关键的是写入内在矛盾，比如“我靠为穷人说话赚钱”的自省，这反而增强了角色的真实感。

不过这六步方法面对不同思维类型的人物时需要灵活调整。以张雪峰和乔布斯这两个极端为例：

张雪峰是数据驱动型思维。他的决策路径是“从外到内”：必须依赖外部最新数据（就业率、薪资），输入心智模型，才能产出结论。因此，其Skill必须绑定工具调用协议，硬性规定“就业数据必须先查，不许凭训练语料编造”。他的表达DNA是词汇表式的，可明确列出高频词和禁忌词。乔布斯则是审美直觉型思维。他的决策是“从内到外”：基于内在的品味和哲学直接给出判断，如“你自己想用吗？”。其Skill不需要绑定外部数据工具，但需要内省协议，在回答前先进行自我审问。他的表达DNA是美学描述式的，难以用词汇表穷尽，需要描述“说话像写俳句，每个字都有重量”的质地。

关于蒸馏Skill的Skill

本质上，做Skill的前提是把知识分成两类：可以编码的知识（显性）——规则、步骤、数据、模板。这类东西你可以写下来、放文档里，下次照着做就行；无法编码的知识（隐性）——那些"老手这么做但说不清楚为什么"的东西。比如一个销售高手见到客户第一面就知道该说什么，但你问他逻辑，他答不上来。这种只能通过大量案例让 AI 自己悟。Skill 的本质，是把第一类知识封装好，让 AI 不需要每次重新发现。第二类知识靠 Skill 本身传不了，要靠"examples"（示例）让 AI 在情境中自己形成判断。

同时还要找"不变的骨架"——拿到一个领域或一项技能，要做的第一件事不是列框架，而是找这个技能里最核心的那个"不变的东西"。不管外部条件怎么变，这个技能处理问题的逻辑始终不变的是什么？然后在股价基础上，去寻找“皮囊”。骨架是“结构”，是“为什么”，是需要被固化的东西，而皮囊则是表面、是“是什么”，是要被替换、抽象掉的部分。蒸馏Skill 的过程，就是把"皮囊层"剥离，把"骨架层"显性化的过程。

这个去皮留骨的过程，就是知识蒸馏中的第一步——降噪。在降噪之后，还有一个关键的动作就是定边界，判断自由度。不是所有思维环节都该让AI自由发挥。这里需要运用“自由度边界三问”：①如果AI在这里做错了，后果严重吗？（如医疗诊断，严重，需低自由度）②这个问题有标准答案吗？（如税务计算，有，需写死逻辑）③外部环境变化快不快？（如营销策略，快，需给原则而非方案）通过这三个问题，决定Skill中每一部分的AI自主权大小。

这个蒸馏过程本身，就是一次深刻的元认知提升。它强迫厘清“哪些是现象，哪些是本质”、“哪些是皮囊，哪些是骨架”。这本质上是一种比“费曼学习法”（通过教学来理解）更彻底的思维训练：你不是要解释清楚一个概念，而是要复制一套复杂的、个性化的思维系统。做Skill的人，往往比使用Skill的人，对这个人物的理解要深入得多。

同时蒸馏知识这一套方法，也适用于任何人在真实世界的学习，我们每天都看到大量的鲜活的事实，但它们不完全都是知识，只有通过蒸馏这个方法，才能最大化的压缩知识量，提升信息密度，让我们的大脑以最小化的代价学习到对生存、生活更有价值的信息。

人人Skill化的背后收益

当“把别人做成Skill”从技术好奇变成可复制的实践，其意义便超越了单个AI应用，开始重塑个人、团队乃至行业层面的知识工作范式。

对于个人来说，Skill是将思维外置成为硬盘，将个人最佳决策模式固化，防止经验流失的方法。创造一个“专家版的自我”，能力随时调用，在状态不佳或时间紧迫的时候提供支持。另外通过封装过程，倒逼自己梳理和优化工作流，形成个人的方法论和标准流程。最后还可以在拆解自己或他人思维的时候，获得前所未有的元认知视角。

对于组织来说，可以把专家经验无所保留，避免核心员工离职导致的关键决策能力流失。团队只是也可以成为复用资产，只需将隐性知识显性化、结构化，即可获得组织的数字资产。一个更大的好处在于，可以通过专家Skill快速培养新人，增加团队的整体作战能力。并且还可以协调团队的工作思路，让不同时区、地点、部门的成员可以保持决策一致性。

在行业层面，想象一个由各领域顶尖专家的思维代理构成的技能库。一个初级分析师可以调用资深投资人的Skill进行初步判断，一个产品新人可以请“首席产品官Skill”评审方案。这不再是简单的知识库查询，而是思维模式的租用与组合。行业的最佳实践得以沉淀、迭代、进化，而不是散落在个人的头脑中随着退休而消失。

他人既不是地狱也不是Skill

在人可以被“蒸馏”的时代里，除了技能爆炸给社会带来的收益之外，还有一个更深层次的问题，即AI泛化之后的道德观该走向何处。借用萨特曾说过的“他人即地狱”，在他人即Skill的思维背后，折射出的是把人当作工具的危险取向。Skill究竟是为人服务的工具，抑或是人的存在是为了蒸馏出Skill服务他人，这是一个非常严峻的问题。

康德曾坚持说人是目的，而不是手段，一旦把他人当作手段的想法传播开，都最终会平等的降落在每一个人身上，每个人把他人当作手段，他人也把自己当作手段，最终自己也会成为自己的手段，一切将不会有意义，人们陷入互相视为工具、互相蒸馏、互相利用的深渊当中。

数字并不能带来永生，生存真正的意义也不仅仅在一些能被社会调用的Skill当中，而是在面对面的每一次交谈和互动里，在春日阳光下的青草中，在细雨淋湿的土壤里。技术发展是好的，但永远也不能代替自然、情感与道德。