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
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。