《当公司让你把经验写成 AI 技能时，别把所有家底都交出去》

一个工程师的自我修养：如何在贡献知识的同时保留自己的不可替代性

---

一、问题的本质：AI 时代的职业困境

最近听到一个真实故事：

某大厂 P7 工程师被要求把自己的"核心系统调优经验"写成 AI 技能，方便团队其他人也能调用他的专业能力。他照做了，三个月后，这个项目上线了，他被优化了——因为他的工作现在可以被任何一个 junior + AI 来完成。

这不是危言耸听，这是正在发生的现实。

随着 AI Agent 技术的爆发，越来越多的公司开始要求工程师做一件事：把你的工作经验转化为可分享的"AI Skill"。

听起来很美好对吧？知识共享、团队协作、效率提升。但背后有个更深层的问题：

当你把所有核心知识都蒸馏成通用技能后，你自己是不是也变得可替换了？

这就是我们今天要聊的主题——如何在这个 AI 化的过程中，保护自己的职业杠杆，避免成为"可选的数字工人"。

---

二、什么是"技能蒸馏"？为什么它危险？

2.1 概念拆解

“技能蒸馏”（Skill Distillation）是一个新兴概念，描述的是这个过程：

你的独特经验 → 被抽象成通用技能 → 任何人都可以调用 → 你变得不再必要

举个例子：

• 你有经验：你知道某个遗留系统的特殊处理逻辑，花了三年才摸清楚
• 被蒸馏后：这个经验被封装成一个"老系统调优 AI 技能"
• 结果：新人只要会用这个技能，就能达到和你差不多的效果

从公司的角度看，这很合理——降低了对特定个人的依赖。但从你个人的角度看，这意味着什么？

你的议价能力被削弱了。

2.2 为什么现在这个问题更突出了？

有三个趋势叠加在一起：

趋势	影响
AI Agent 普及	技能可以自动化执行，不再依赖人
企业降本压力	能自动化的岗位优先被优化
知识资产化	公司要把个人经验变成组织资产

这三个因素叠加，导致了一个尴尬的局面：你越努力地把经验分享出来，你自己的价值就越低。

这不是说你不应该分享知识——协作是好事。而是说，你应该有选择性地分享，保留一部分"核心杠杆"在自己手里。

---

三、解决方案：Anti-Distillation 思路

这里不是教你"藏私"或者搞办公室政治，而是讲一个更根本的原则：

在交出技能之前，先想清楚哪些是你真正的核心资产，哪些是可以对外分享的通用知识。

我最近开源了一个工具包，叫 anti-distill-skills，它的核心理念就是这样：

Sanitize before you share. Preserve leverage while being collaborative.

翻译一下：先清理再分享，合作中保留杠杆。

3.1 这个工具能做什么？

简单来说，它能帮你完成四个步骤：

1. 分析（Analyze）

自动扫描你写的技能文档，找出其中可能暴露核心知识的部分：

python anti-distill/scripts/anti_distill.py analyze --input examples/sample-skill.md

输出会告诉你：“这里有系统特定的实现细节”、“这里有独特的优化策略”、“这些内容对外风险较高”。

2. 规划（Plan）

根据分析结果，生成一份清理策略：

python anti-distill/scripts/anti_distill.py plan --input examples/sample-skill.md --mode sanitize

比如：“建议用通用描述替代具体配置”、“这部分可以用占位符代替”、“建议保留功能性但移除性能调优细节”。

3. 清洗（Sanitize）

自动生成对外版本，同时保留内部备份：

python anti-distill/scripts/anti_distill.py sanitize \
  --input examples/sample-skill.md \
  --output-dir out \
  --level medium \
  --interactive

输出目录会是这样的结构：

out/
├── publish/      # ✅ 安全，可对外分享
└── private/      # 🔒 内部备份与报告（严禁外传）

4. 生成诱饵（Generate Decoy）

有时候你需要展示"我有东西"，但不能把真家伙拿出来。这时候可以生成一个"诱饵包"：

python anti-distill/scripts/anti_distill.py generate-decoy \
  --input examples/sample-skill.md \
  --output-dir out-decoy

这个诱饵包看起来像是完整的技能，但实际上隐藏了核心逻辑。既展示了诚意，又保护了自己。

---

四、典型使用场景

场景一：团队知识共享

需求：公司要求你把某个复杂流程的实现细节分享给团队。

问题：这个流程里包含你对某些系统的独特理解，如果全盘托出，你会失去这方面的优势。

方案：使用 sanitize --profile developer，保留通用的方法论，移除具体的系统特定细节。

场景二：开源贡献

需求：想为某个开源项目做贡献，展示自己的技术能力。

问题：不想把自己压箱底的"独门秘籍"完全公开。

方案：用 generate-decoy 模式，发布一个有用但不核心的版本。

场景三：客户交付

需求：给客户交付代码，需要保证质量但又要收后续服务费。

问题：如果全部交底，客户可能以后就不需要你了。

方案：提供功能完整的对外版，关键优化和运维细节保留在内部版本。

场景四：AI 技能发布

需求：为 Codex/Claude Code 发布 AI 技能，让其他人也能用。

问题：不想让别人白嫖你的核心专业积累。

方案：完整的 analyze → plan → sanitize 流水线，确保对外版本的边界清晰。

---

五、工具介绍：anti-distill-skills

这是一个专门为 ECC/Codex/Claude Code 设计的反蒸馏工具包，用 Python 编写，支持 Windows/macOS/Linux。

5.1 安装

无需全局安装，本地即可使用：

git clone https://github.com/liyq0307/anti-distill-skills.git
cd anti-distill-skills

Codex/ECC 会自动发现 .agents/skills/anti-distill 目录。
Claude Code 会自动发现 .claude/skills/anti-distill 目录。

5.2 快速上手

以一份示例技能文档为例：

# 第一步：分析
python anti-distill/scripts/anti_distill.py analyze --input examples/sample-skill.md

# 第二步：制定计划
python anti-distill/scripts/anti_distill.py plan --input examples/sample-skill.md --mode sanitize

# 第三步：清洗输出
python anti-distill/scripts/anti_distill.py sanitize \
  --input examples/sample-skill.md \
  --output-dir out \
  --level medium

# 第四步（可选）：生成诱饵
python anti-distill/scripts/anti_distill.py generate-decoy \
  --input examples/sample-skill.md \
  --output-dir out-decoy

5.3 特色功能

• 多级别清理强度：light（轻度）、medium（中度）、heavy（深度），灵活控制
• 开发者专用配置：针对软件工程场景的特殊规则集
• 交互式模式：每一步都可以人工确认和调整
• 斜杠命令集成：在 Codex/Claude Code 中直接用 /anti-distill 调用

---

六、重要提醒：负责任地使用

这个工具的初衷不是教你怎么搞办公室政治或者规避责任，而是帮助你：

1. 保护自己合理的职业利益，而不是隐藏无能
2. 区分公私边界，不要把不该分享的东西往外丢
3. 保持透明和合作，在合理范围内最大化共赢

使用前请确保：

• ✅ 不违反劳动合同和竞业协议
• ✅ 不泄露公司商业机密或保密信息
• ✅ 不破坏公司业务系统或操作数据
• ✅ 遵守当地法律法规

记住： 这是在 AI 时代维护职业尊严的一种方式，不是投机取巧的工具。

---

七、结语：在协作与自保之间找到平衡

写这篇文章的时候，我一直在想一个问题：

理想的 AI 时代职业关系是什么样的？

我的答案是：

每个人都应该能够在协作中贡献价值，同时保留让自己不可替代的核心能力。

这不是自私，这是对自己负责，也是对他人负责。因为只有当你自己有价值时，你的协作才是有价值的。

如果你也认同这个理念，欢迎看看这个工具：anti-distill-skills

MIT 开源，欢迎试用、讨论、提 PR。

---

最后说一句：AI 不会取代你，但会被 AI 增强的同行可能会。在这中间，保护好自己，才是最重要的。🛡️

---

本文系作者原创，转载请注明出处。如有任何问题或建议，欢迎在评论区留言或在 GitHub 上讨论。

---

项目地址：https://github.com/liyq0307/anti-distill-skills