这波爆火的不是前任.skill，是AI开始记住人了

AI 热点观察

我本来把它当成一个整活项目在看，拆完之后反而更确定了一件事：这波项目真正让人发凉的，不是前任或同事这些题材，而是 AI 开始承接一个具体的人的记忆、判断和上下文。

前几天，顺手刷一些信息的时候，就看见两个名字特别吸睛的项目：一个叫同事.skill，一个叫前任.skill。

前者是把同事做成 Skill，后者是把前任做成 Skill。我当时第一反应其实很直接：这也太会起标题了吧，难怪会火。毕竟这种题材，天然就带情绪、带争议、带画面感，一个是前任，一个是同事，都是互联网内容里特别容易让人点开的关键词。

但我点进去继续看，先看 README，再看SKILL.md，再往下翻示例文件和 PRD，越看越觉得不对劲。不是那种“这项目有点意思”的不对劲，而是那种：这事好像比我一开始想的要大得多。

截至 2026 年 4 月 7 日，colleague-skill这个项目从 2026 年 3 月 30 日创建到现在，GitHub Star 已经到了 9277；ex-skill从 2026 年 3 月 31 日创建到现在，也有 767 Star。两个项目加起来，已经过了 1 万。

说实话，如果只是一个普通整活项目，很难在这么短时间里把大家都点燃成这样。所以我后面就一直在想：它们到底戳中了什么？我现在的答案是：它们真正火，不是因为前任，也不是因为同事，而是因为 AI 开始不只是回答问题了，它开始记住一个具体的人。

01

一开始大家围观的，是题材

这个很正常。ex-skill为什么容易传播？因为前任这个题材，本来就自带流量。谁不想知道，AI 能不能根据聊天记录，把那个你忘不掉的人重新捏出来。

colleague-skill为什么也一下子炸开？因为同事这个题材也很猛。尤其是离职同事、甩锅同事、最会写代码的同事、最难沟通的同事，这些角色一出来，大家脑子里立刻都有脸。

所以从传播角度看，它们的题材确实很会选。但如果只停在这里，你会低估这波项目。因为题材只能让人点开，真正让人停下来、转发、讨论，甚至有点后背发凉的，是它底下那层东西。

题材负责把人吸进来，真正让人停住的，是“一个人能不能被 AI 记住”这件事本身。

02

真正让人上头的，不是它在模仿谁

我觉得这点很关键。很多人看到这种项目，第一反应是：哦，AI 在模仿某个人说话。但你真的看进去之后会发现，事情没有这么浅

ex-skill做的，不只是模仿聊天语气。它在试图把一个人的关系模式也带进来。比如这个人什么时候会转移话题，什么时候会沉默，什么时候嘴硬心软，什么时候明明在意却不会直接说。这种东西，已经不是简单的像不像了，这更像是在提取一个人的情绪反应模式。

colleague-skill更明显。它不是让 AI 学会几句口头禅就完事了。它会把一个同事拆成两部分，一部分是Work Skill，也就是这个人怎么干活；另一部分是Persona，也就是这个人怎么表达、怎么判断、怎么推进、怎么跟别人打交道。

你别说，你还真别说，这已经不是普通意义上的角色扮演了。这更像是在做一件事：把一个具体的人，连同他的经验、脾气、节奏和判断，一起抽出来。而人一旦被抽到这个程度，事情就变了。因为以前的 AI 更多是在回答问题，现在的 AI 开始带着某个人的上下文来回答问题了。这两个层级，完全不是一回事。

换句话说：以前大家在研究AI 会不会，现在这些项目开始把问题推到AI能不能像这个人一样去判断和反应

03

为什么这件事会让人一下子觉得不一样

因为我们平时其实早就知道，一个人最值钱的地方，不只是他会什么，而是他怎么用这些东西。只是以前这种感觉没有被这么直接地摆到台面上。

比如你公司里那个最懂流程的人。你以为他厉害，是因为他会做。但你真正在他离开之后才会发现，他最值钱的地方，不只是会做，而是他知道：

• 这件事先问谁
• 这一步别急着做
• 这个坑以前踩过
• 这个领导嘴上说都行，其实真正在意的是另一个点
• 这个需求表面简单，后面大概率要返工

这些东西，往往不会写在文档里，但它们偏偏最影响结果。同样的道理也适用于关系。一个人真正让你觉得“像他”，也不是因为他说了某句固定的话，而是你知道，他在这个场景下会沉默，在另一个场景下会嘴硬，在某个时刻会突然认真起来。

所以这波项目真正把人点燃的，不是模型更会说了，而是很多人第一次非常直观地感受到：原来一个人最值钱的东西，真的不只是知识，还包括这个人的上下文。

很多团队真正丢失的，不是一个岗位说明书，而是那个岗位背后没人写出来的判断路径。

04

我为什么会对这个点特别敏感

因为我自己这几年不管是在做 AI 工具落地，还是在搭工作流的时候，反复都会碰到一个特别现实的问题：最难的，经常不是模型不够强，也不是代码不会写，而是你怎么把那个老师傅脑子里的规则、那个熟手同事的判断、那个业务前辈的经验，掰开揉碎，讲明白，喂给机器。

这个过程真的很痛苦。因为它不像复制一份文档那么简单。文档能保存结果，但保存不了判断。而真正值钱的，很多时候恰恰就是判断。

所以我看到这两个项目的时候，那个感觉会特别强。它们表面上一个偏情绪，一个偏职场，但底下其实在做同一件事：把人蒸馏成可复用的上下文资产。

如果用更产品一点的话说，它们其实都在往第三层走。第一层是知识，这个人知道什么；第二层是能力，这个人怎么做；第三层才是最难也最稀缺的：这个人怎么判断、怎么反应、怎么推进、怎么表达。以前很多 AI 应用停在前两层，所以它很强，但你不会觉得它真的“像一个人”。而这两个项目让人上头，就是因为它们碰到了第三层。

我自己的三层理解

第一层：知识，这个人知道什么。

第二层：能力，这个人怎么做。

第三层：判断，这个人怎么反应、怎么推进、怎么表达。这一层最难复制，也最值钱。

05

这波项目，真正给普通人的提醒是什么

我觉得不只是AI 又进步了这么简单。它其实在提醒我们一件更底层的事。以前很多人会觉得，AI 时代最重要的是学 Prompt；后面又开始觉得，最重要的是学工作流；再后面，大家开始追 Agent。这些都没错。

但我越来越觉得，真正会慢慢拉开差距的，可能不是谁更会写提示词，也不是谁更会装工具，而是：

谁更早意识到，自己身边最值钱的不是某一份文件，而是文件背后那套判断。

一旦这个认知起来了，你看 AI 的角度就会彻底变。你不会只盯着它能不能写一篇稿子。你会开始想：

• 我能不能把自己最核心的判断沉淀下来
• 我能不能把团队里最关键的经验接住
• 我能不能把那些最容易丢失的上下文结构化

因为说到底，模型能力以后会越来越普及。但上下文，不会自动普及。上下文只能靠你自己去积累、去整理、去沉淀、去校准。

所以如果你问我，这两个项目真正值钱的地方是什么。我会说，不是它们题材多会整活，而是它们第一次把一个很扎心但也很真实的事实，摊到了大家面前：AI 开始记住人了。

06

最后说一句我自己的判断

我本来把它当成一个整活项目看。拆完之后，我反而觉得，它有点像一个很早的信号。它在提醒我们，AI 的下一阶段，可能不是继续卷“会不会回答”，而是开始卷到底能不能像一个具体的人那样工作、表达、判断和协作。

这件事一旦往前走，很多东西都会跟着变。你会重新理解什么叫知识库，你会重新理解什么叫经验，你也会重新理解，为什么有些人一走，整个团队的效率就直接掉一截。因为人最值钱的，从来都不只是他会什么，而是他怎么用这些东西。

所以这两个项目真正让人上头的，也从来不是一个更会说话的模型。而是你突然发现，模型背后开始长出某个人的脾气、习惯、记忆和判断了。

附上两个Github项目链接：

https://github.com/titanwings/colleague-skill/blob/main/README_ZH.md

https://github.com/titanwings/ex-skill/blob/master/README_ZH.md

P.S.以前我们觉得 AI 最厉害的是会答题。

现在我越来越觉得，更值得警惕、也更值得研究的是：它开始像人了。