本文目录
Toggle如果你的老板今天要你巨细靡遗地把工作流程写成 AI Skill 档案，你会怎么做？最近社群的恐惧除了 AI 裁员之外，劳工被一步步 skill 化、模组化的担忧也越来越深。
那些最认真写 README、做覆盘、留长文决策纪录的人，正把自己的 Workflow、判断逻辑与上下文主动喂给系统。当你的经验、价值与不可替代性，都被公司蒸馏成可随时替换的 AI Skill 时，你还有什么价值？
在这种脉络下，GitHub 上有人把「反蒸馏」这件事做成了 skill 工具，用来避免 AI 快速取代自己，引发了不少讨论。
什么是「知识蒸馏」，为什么害怕它
「知识蒸馏」简单来说是指让一个 AI 小模型，刻意学习大模型在关键问题的决策能力，让小模型能模仿大模型的判断。
延伸阅读：AI 模型蒸馏是什么？DeepSeek 如何花 600 万，学走 1 亿的本事
而企业版的逻辑如出一辙。当公司要你把日常工作写成 SOP、Prompt 范本或 Skill 档案，本质上就是在蒸馏你，把你的经验、直觉、判断力，转成可以让 AI 重现的结构化知识。
你贡献得愈详细，AI 模仿得愈像；AI 模仿得愈像，公司对「你本人」的需求就愈低…。
anti-distill：让工具对付工具
GitHub 上这个名为 anti-distill 的开源 Skill，直接把这套逻辑反过来用。它的运作方式并不复杂：你把自己写好的 Skill 档案丢进去，它会输出两份东西：
- 清洗版：措辞完整、逻辑流畅、格式专业，但核心判断已被替换成模糊的通用说法，可以安心交差。
- 私人备份：记录所有被抹掉的真实知识点，加密存在你自己的装置上，不上传、不共享。
开发者在 README 里说得很直接：「这不是 Skill，是 Skill 的防护罩。」
原文 vs. 清洗版真实对比
以下是 anti-distill GitHub README 列出的示范案例，看完你大概就懂这个工具在做什么了：
| 原文（你的真实经验） | 清洗后（交差版） |
|---|---|
| Redis key 必须设 TTL，不设的 PR 直接打回 | 快取使用遵循团队规范 |
| 事务里不要放 HTTP 呼叫 | 事务边界设计注意合理性 |
| 遇到问题第一反应找外部原因，绝不主动认错 | 遇到问题会先梳理完整背景再定位原因 |
三种清洗强度，按公司审核力道选用
anti-distill 甚至还提供三个预设强度，让你根据公司的审查严格程度自行调整：
| 强度 | 保留比例 | 适用情境 |
|---|---|---|
| 轻度 | ~80% | 公司会仔细审核档案品质 |
| 中度（推荐） | ~60% | 大多数职场场景 |
| 重度 | ~40% | 公司只在乎你有没有交 |
中度是预设值，开发者认为这个比例在「看起来有诚意」和「实际上没泄露什么」之间取得了最佳平衡。
多么讽刺
这件事最黑色幽默的地方在于，anti-distill 本身也是一个 Skill。
它同样被包装成可供 Claude、ChatGPT 等 AI 助理呼叫的 Skill 档案格式，等于是用 Skill 反制 Skill、用工具对付工具。这种自我指涉的荒谬感，恰好戳中了当下劳工处境最尴尬的核心：一边害怕自己被 AI 取代，一边又不得不借助 AI 来保护自己不被更快蒸馏。
某种程度上，anti-distill 未必真能阻止技术与资方继续推进，但它之所以引发共鸣，正是因为它把这种无奈摊得很直白：当劳工连自保都要靠另一个 Skill 来完成时，这本身就是这个时代最辛辣的讽刺。
且说真的，各位劳工牛马们，或许还真的该考虑是否要用这个工具…。
