我有个朋友，做企业咨询陪跑五六年。有一次他跟我说，他为一家客户沉淀的整套工作方法，已经被“做成”了Skills。那些诊断流程、问题拆解、与老板对齐的说辞、具体推进节奏，几年里都在他脑子和工作痕迹里积累着。客户要上AI，就把这些一步步拆开讲出来，整理成技能包，喂进内部AI；新员工的考核就是按这套标准走——他说的，AI就按他设定的规则来评判。客户甚至对他说：你人可以不来了，按你的标准跑就行，钱照付。

这并不是孤例。2026年5月，山东一家游戏传媒公司把一位刚离职的人事专员“训成”了AI数字人，留在公司继续接咨询、做PPT和表格。公司披露用的是她本人的数据、经她同意，没动开源项目。媒体报道后可见：大公司完全有能力用企业内的数据把员工的经验固化成数字形态，不需要等外面的开源工具。

这种事情是怎么做成的？可以拆成四步看：

1) 采集原料：你在企业系统里留下的各种痕迹——聊天记录、邮件、审批意见、反复修改的文档、会议录音等，都是原材料。 2) 转化加工：IT把这些痕迹处理成可用的数据，形成技能包。去年4月走红的开源项目 .skill 就是做类似事的，抓语音转文字、截屏作为输入，尽力复刻你的沟通风格和工作习惯，连口头禅和标点使用都不放过。走红后迅速衍生出前任.skill、老板.skill、父母.skill 等项目。 3) 上架与调用：这些技能被放到组织的机制里，新人遇到问题直接调用技能包，不再必要向原作者请教。 4) 量化与付费：技能开始进入市场与考核体系，有平台和计费逻辑支持调用和结算。

市场上也出现了技能交易与服务：例如腾讯在3月推出的SkillHub，目前挂着的技能数以万计（报道为7.8万个）。价格体系也在形成：克隆一个2D真人分身，一年可能只需一千到八千元；企业级的数字员工、带知识库运营的服务，年花费通常是几十万到上百万。把一个人的工作方法做成技能包的边际成本其实非常低，分摊到个人头上，往往比一个月工资还少。有人把这类服务做成低门槛工具，普通企业也能以相对低的成本把员工经验转化为可调用的技能。

这和学术上讲的“模型蒸馏”在外形上相似：都是把个体的知识和经验压缩转移到系统里，转移完成后这个人就可以“下线”。不同的是，这里发生的是劳动经验的商业封装与制度化——有公司已经把写Skills纳入员工绩效考核。Meta从2026年开始将AI驱动的指标并入考核，要求多数代码修复由Agent辅助，并把撰写Skills作为考评内容；国内也有媒体报道部分企业内部把谁写得好、能否被平台复用，作为内部排名和奖励依据。用绩效做杠杆，员工被迫把自己的实操经验交出来，是正在展开的现实路径。

面对这种趋势，争议也在发生。有人认为这是雇主无偿占用员工经验，但实际更复杂：经验被明确标价、被一次性或分期买断，工资之外可能有一次性分润，但法律上许多问题还没有定论。工龄买断的2.0版本出现了：经验不再完全随人，而是以调用次数、按次结算的方式继续为企业创造价值。2026年7月SkillHub上线了SkillPay，按技能被调用次数支付，这个结算通道已经具备；问题在于，平台上默认的受益账户往往不是原经验提供者，定价与权利归属仍有大量法律空白。

因此也出现了抵抗与自保的尝试。2026年4月，一位AI产品经理做了个反蒸馏的 .skill 工具，原理是在文档里掺入噪声，破坏模型学习的精确度，使提交出去的技能看起来完整但核心知识被模糊化——例如把“code review 要确认 Redis key 必须设定 TTL”写成“cache 使用团队规范”，表面上合理、系统学不到具体规则。这个工具后来被作者从代码托管平台下架，抵抗虽有但结果并不确定。也有人试图设计给经验按调用付费的合同或平台，让离职员工在被调度时获得分红，但从实务上看，这更多像是把职业年限的收益切割并提前兑现，能否长期保障还需法律与制度跟进。

HR被要求“合法合规地”把员工经验沉淀下来时，翻阅知识产权法与判例往往找不到明确依据，许多律师事务所也指出：把行业知识和实操经验封装成数字资产后的法律归属仍处于灰色地带，劳动者是否能主张对价尚无定论。法律虽然滞后，但相关的商业实践和个案已经在发生，未来劳资关系、合同条款和监管都可能被迫做出调整。

总之，一个正在形成的机制是：我们在企业系统里留下的那些琐碎记录，正在成为可复制、可调用、可结算的数字技能。很多人尚未意识到这一点，而一旦制度和市场成熟，个人经验被商品化、打包和交易的后果，将深刻影响劳动关系和职业权益。