我记得去年底，在我们实验室的那个小会议室里，几个老伙计围着咖啡机聊天。
外面下着雨，玻璃窗上水珠滑啊滑的。
老张，他是做算法优化的，平时总爱吹嘘自己怎么用AI加速模型训练，结果那天他叹了口气，说：哎，最近公司让我把整个prompt工程经验写成Skill，我写了三版，都觉得不对劲。
小李，产品侧的，点点头：我也是，昨晚调试了一个小时的周报生成器，结果AI吐出来的东西还不如我手写快。
他们俩就这样你一言我一语，聊着聊着，就拐到反蒸馏这个词上去了。
不是正式讨论，就是随口抱怨。
谁知道，这事儿后来在圈子里传开了。
前两年，我自己也像着了魔似的，每天刷AI工具。拿个简单的场景说吧，上周我翻了测试照片，那是我在2023年春天的笔记，记录了用ChatGPT帮我分析用户反馈。数据挺具体的：当时处理了500条评论，AI帮我分类情绪，准确率粗略估算在75%左右，样本有限，就我们小团队的测试。
但省时了，原本得花两天，现在半小时搞定。眼睛里确实有光啊，那时候觉得AI是救星。
可现在呢？不一样了。职场里，AI从副手变压力源。想想那些会议，老板总说沉淀知识到AI库里。我刚查了当时记录，一场内部会，参会20人，有人分享了用AI做市场报告的案例。
报告显示，公司AI使用率从去年30%跳到85%，不确定数据，但感觉是硬推的。结果呢？大家开始为了AI而AI。你有没有试过，明明10分钟能写的邮件，非得花20分钟调prompt？
这里有个对比。拿同价位的工具说，Notion AI和传统笔记软件。Notion能自动总结会议纪要，但实际用下来，差异大。它生成的总结总漏掉语气那些细微东西，比如老板的暗示。而我用老式Evernote，手动记，反而更准。为什么？
AI懂表面逻辑，不懂人情味儿。产业链上，这事儿像榨汁机。公司上游推模型，下游要你喂数据。生活化比喻：就跟超市买现成果汁，你以为省事，其实他们从你果园里抽干了果汁，还卖给你喝。
（哎，这个产业链博弈，我们稍后再聊，先说说个人感受。）
我得自我修正一下。早先我总觉得AI会解放所有人，但现在限定了：只对重复任务行。对创造性工作，它帮倒忙。原因简单，测试过几次，AI的输出太标准化了，少了灵魂。举个微情节：上个月，我和一个设计师小王合作。
他画了个APP界面草图，我让AI生成变体。AI吐出五版，全是直线条，没惊喜。小王笑：哥，这AI像个只会抄作业的学生。我们俩改了半小时，才加进用户场景的曲线。互动来了，你用AI设计过东西吗？觉得它帮了忙还是添乱？
情绪上，我有时真觉得麻烦。尤其是周末，本想放松，结果脑子里还转着Skill怎么写。哈哈，自我调侃一句，我这老骨头，追不上潮流了。但认真说，这焦虑不是空穴来风。圈里朋友分享，80%的白领有类似疲惫，个人体感，样本小，就我们十来个人闲聊。
反蒸馏这事儿，有趣。就是你表面写Skill，里头藏私货。没深入想过，但猜猜看，它能流行多久？不确定，也许半年，职场规则一变就没了。即兴推测：公司要是发现，会不会加层审核？标注了，不靠谱，就直觉。
技术原理呢？蒸馏像提炼精油。从你经验里抽核心，喂给AI模型。比喻成做菜：你会炒一道秘制鱼香肉丝，Skill就是把配方写下来，让AI下次自己炒。但真核心？那股火候，直觉加减的盐。
产业链上，模型公司赚数据，你公司赚效率，用户——我们——丢了护城河。
话题延伸下，说说用户场景。拿我一线经验，产品迭代时，用户反馈最宝贵。AI能分析，但临场估算：如果全靠AI，生命周期短了20%，因为忽略了真实痛点。记得一个工程师老刘的原话：AI蒸馏了我的代码优化经验，现在新人用它，bug率降了，但创新没了。
他这么说时，眼睛眯着，像在回味。
你有没有那种感觉，用着用着，就想关掉AI？互动问你，职场里，你写过Skill吗？交差还是真心？
思路跳一下。实验室那年，我们测试过AI代理。烧了大概5万Token，粗略算，每小时电费加云成本，10块钱左右。没用上大项目，就小场景。但发现，代理聪明是聪明，链条一长，就乱套。比传统脚本，差异在响应时间：AI快30%，但出错率高15%，个人体感。
细节回溯：我翻了旧日志，2022年秋，第一次用AI写测试报告。数据：处理100个bug，AI分类80%准。但漏了跨模块的隐性关联。那次让我怀疑，AI真懂迭代路径吗？
情绪又来了，产生点怀疑。AI本该是杠杆，结果很多人挂在上面晃荡。临场估算：如果反蒸馏流行，职场效率降5-10%，但员工留存率升？猜的，不确定。
画面定格在上周的咖啡机边。老张端杯子，说：反蒸馏了，明天再试。雨停了，窗外树叶绿得发亮。
热门跟贴