随着 AI 智能体（AI Agents）大行其道，网上流传一个有点惊悚的玩法，听着就像是电视剧《黑镜》里的情节。
有人在 GitHub 上发布了一个程序，叫“同事.skill”。它能为你已经离职的同事做一个数字分身：只要上传这位同事的飞书消息、钉钉文档、微信聊天记录、邮件、各种截图以及任何带有他痕迹的东西，再加上你对他的描述，程序就能利用这些素材生成一个 AI Skill——然后就可以据此构建一个智能体替他干活儿。
同事已经离职了，他的工位是空的。可是代表他的智能体却正在公司里兢兢业业地加班，甚至比以前还勤奋。
这岂不是可悲吗？人们难免会想下一个是不是自己。甚至下一次，公司会不会先提取我的 skill，再把我直接裁掉？
这一讲也许带给你一颗定心丸，我不认为你对公司的价值真的可以蒸馏成一个 skill 文档。就算 AI 能模仿你的语调、能复现你的流程，它依然无法彻底替代你——因为它拿不走你身上最核心的一块资产，它叫做「默会知识（Tacit Knowledge）」。
所谓默会知识，简单说就是那些“只可意会，不可言传”的知识，你知道这个事儿怎么做但是你说不明白，你不能把它写成手册教给别人。与之相对，可以言传的则叫「显性知识（Explicit Knowledge）」。
比如你学炒菜，得到一本菜谱，上面写着：“中火热油，葱姜爆香，收汁至挂勺。”
每个字你都认识，可你还是不知道怎么炒。到底啥叫“中火”？它不是煤气灶的旋钮，它跟锅、灶、油量、食材含水量都有关系。“爆香”是葱姜和油在第 12 秒发生的化学反应吗？那是一个必须根据声音、气味和颜色一起判断的时机。还有“挂勺”是啥意思？
必须有个师傅在现场教你。他也说不清具体的判断标准，但是他会指给你：“现在可以翻。”“再等一秒。”“闻到了吗？就是这个点。”你自己用心体会。
菜谱上写的是显性知识，菜谱写不出来的功夫是默会知识。用英国分析哲学家吉尔伯特·赖尔（Gilbert Ryle）的说法，前者是“知道是什么”（knowledge-that），后者是“知道怎么做”（knowledge-how）；前者是标准操作流程（SOP），讲究定义、步骤和配方，后者讲究的则是手感、火候、分寸和节奏。
显性知识有时候会被人保密起来，但默会知识无需保密。厨师就在你旁边颠勺，医生就在你面前下刀，老程序员就在你屏幕共享时改 bug。你全程都看见了，可你还是学不会。
如果你的所有知识都是来自于文本的显性知识，让你上手实操就是非常危险的。实操必须有默会知识。
默会知识这个概念最早是由匈牙利裔英国哲学家迈克尔·波兰尼（Michael Polanyi）在 1958 年提出的。
波兰尼有一句招牌式名言：「我们能知道的比我们能说出来的多。」（We can know more than we can tell.）他把知识比作浮在海面上的冰山：露在上面的那一小角是显性知识，而沉在水面下的巨大冰山主体，就是默会知识。
波兰尼成为哲学家之前原本是个做物理化学的科学家。早年在实验室里，他就意识到真正让科学家做出判断的，绝不只是论文里那些公开的方法，还有一整套说不尽的直觉、手感、经验和信念。
为什么默会知识难以言说呢？波兰尼说，因为那是一种「整合（Integration）」：我们并不是孤立地看待事物，而是从许多细小线索出发，朝向一个整体意义进行整合。
比如你看一位熟人的脸，并不是先测量眉毛长度、鼻梁角度、眼距比例然后算出“这是张三”；你是一下子就认出来了。钢琴家不是先盯住每根手指，再把它们拼成音乐；恰恰相反，他得把手指“忘掉”，音乐才能出来。
这就如同你拿锤子钉一颗钉子。你的注意力在钉头上，但你的手部肌肉、握锤的力量、手臂的角度，都在进行极其复杂的实时修正——这些微小的修正不但是难以言说的，而且也是不应该言说的。如果你试图把那些动作拆解成语言说出来，你反而不会钉钉子了。
虽然不能言说，但是那些后台细节——它们构成了默会知识——恰恰是你理解和发挥的基础。
而要掌握默会知识，就必须把那些细节给“内化”，用波兰尼的说法叫做“内居”（indwelling）：先是你住进工具、技能和细节里，随后它们长进你身上，你们合二为一，就如同盲人的手杖不再只是手里的木棍，而成了他身体和感知的一部分。你不是因为记住了动作要领而会骑自行车，是自行车已经部分住进了你的身体。
用现在的语言来说，掌握默会知识就是对大脑神经网络进行参数更新和微调——你说不清神经网络的哪些参数怎么变了，但它们的确变了。
默会知识跟显性知识有四个根本区别，使得它难以被写进 SKILL.md。
请问你怎么蒸馏这些知识？人必须在现场才行。SKILL.md 只能迁移一个员工的显性知识，却无法还原他的灵魂。
那我们怎么学习默会知识呢？这不用担心，只要是知识，它就能被传授；问题是不能只靠手册传授——你必须到现场内居。
今天，哪怕互联网如此发达，像外科医生、飞行员、甚至木匠这些职业，依然保留着最古老的知识传承制度：学徒制。你最好有个师傅在旁边指导。
首先是在场看。你不能指望通过看视频就学会做手术。你得在现场，站在师傅旁边，看他如何拿刀，感受他处理突发大出血时的冷静氛围，看他如何跟护士配合。
然后是你跟着他一起做。师傅示范你模仿，他随时给反馈纠错，一遍没看明白师傅就把后台的细节拉到前台让你仔细再看一遍，一点一点地刻意练习，直到这些细节慢慢注进你的身体，长成身体图式。
如果你没有正式的导师，可以观察身边那些处理复杂人事、复杂危机的高手。看他们在正式会议之外是怎么说话的，看他们的微表情和节奏感。然后自己在实践中揣摩。
好，现在最重要的问题来了：AI，有没有可能吃掉人的默会知识呢？
波兰尼 1976 年就去世了，他没有看见我们看见的 AI。他当年最爱举的例子——人脸识别，现在已经被 AI 轻松攻克了。机器人可以学会骑自行车，甚至自行车自己都能稳定前进。机器并不需要你写出显性的识别规则，它自己通过足够多的数据和训练，默默吸收无数个细节，就能抓住那些规则无法言说的东西。
说到底，AI 是神经网络，人脑不也是个神经网络吗？
如果文本记录不能代表一个同事的一切，那我结合影像记录，把其所有的动作、说过的每一句话、每一个微表情都记录下来，够不够呢？现在手术室就已经被搞成了数据原生环境，多模态信息流支持实时决策、预测建模和个性化流程，我们怎么就不能训练一个机器人医生呢？
现实是 AI 已经在吃掉默会知识的外圈。AI 的诊断准确率已经超过人类医生。医生正越来越接纳，甚至依赖 AI 诊断。我们正在见证 AI 员工的水平超过人类员工。
不可言传，不等于不可训练 AI。不能写进 SKILL.md，不等于不能融入大模型的参数……
但是前人对默会知识的思考，还是会给我们一点底气。也许 AI 终究不能穷尽所有的默会知识，我们至少有三个理由——
平心而论，我认为这些理由并不是绝对的。但这些是非常有用的思考点。至少暂时来说，如果我们人类还有一点优势，这些默会知识就是我们的优势。
那么身处 AI 时代，我们应该如何靠默会知识建立自己的竞争力呢？直观的想法可能是让我的手艺尽量不要数据化，不让人看见我这个活儿是怎么干的，我只呈现结果不解释步骤，这样才能避免被人写成 skill……但这是没有前途的。
你放心，只要“把人变成智能体”这件事有利可图，就一定会有一个比你手艺更好的同行，先把这套手艺卖给智能体公司。你与其藏着掖着，还不如把能写出来的流程都写出来，变成你的杠杆，提高工作效率。
如果昨天的默会注定要被自动化，那我们就要把精力投放到明天的新默会上。这首先意味着抢占高情境、高例外、高责任的位置。这里异常多、反馈快，边界和责任归属难以界定，容易发生价值冲突。你在这里的操作是难以标准化的。诊断、谈判、架构、选题、审稿、用人、危机应对、品牌判断……每一个微决策都会沉淀成你的新手感。
如果暂时抢不到那样的位置，也一定要进现场内居，而绝不能纸上谈兵或者什么都让 AI 替你做。你甚至不是为了把事儿做对，你是为了积累复利，你得把技能长在自己身上。AI 会的都是公共基础设施，默会知识才是你的私有资本，否则将来凭什么给你更重要的位置？
长期看，任何人都最值得积累的默会知识，是自己的独特审美、人设和信任关系。
你的语言节奏、你的判断风格和幽默感、你的价值函数、你和众人之间的默契，AI 就算能 100% 模仿也没用，因为人们想看到的是动态的你，想知道你下一步会给人什么惊喜。有人可以很成功地让 AI 用鲁迅的笔法写今天的时评，但那并不是我们想要的。
我们想要的是：如果鲁迅活在今天，有切身的经历，见证了这么多年新的历史，他会如何评价今天的事情？我们想调用真鲁迅，而不是鲁迅的数字分身。
归根结底，到了物质极大丰富的那一天，人与人之间互相关心的肯定不是对方的技能包，而是对方本人。
说到默会知识，我们不能不提《庄子》里的一个小故事，叫“轮扁斫轮”。齐桓公在堂上读书，有个叫轮扁的木匠在堂下制作轮子。
轮扁问齐桓公：“您读的是什么书啊？”桓公说：“圣人之言。”轮扁冷笑一声说：“那是古人的糟粕啊！”
齐桓公怒了，说你不说出个道理来我就宰了你。轮扁说了一番话，两千年后的波兰尼也不能超越——
就拿我制作轮子这个事儿来说，手慢了不行，手快了不行，这个劲儿到底怎么用，我无法用语言表达，我都没法传授给我的儿子。所以我今年七十了还在这儿当木匠。那你说，古人的手艺又怎么能都写在书上呢？你读的这些显性知识，岂不就是糟粕吗？
如果你听说前公司把你写成了 SKILL.md，你完全可以对他们说一句：你们蒸馏的，是我的糟粕。
万老师这篇说默会知识 AI 拿不走，我想往前推一步：能被 AI 拿走的，恰恰是默会知识里偏低层的那部分——“这个命令怎么打、这段代码在哪里改”。这种东西今天叫手感，明天就叫 SKILL.md。真正拿不走的，是更上一层的判断：我知道客户表面上买的是格式转换，实际上买的是风险转移；我知道这个系统现在能改，但三个月后会撞上另一个流程；我知道什么时候说“可以”，什么时候必须说“不行”。这不是单一手艺，而是对人、对结构、对边界的同时握持。但默会知识不是护身符。它如果长期不被表达、不被组织化，就会困死在一个人身上，变成手艺人的宿命——轮扁七十岁了还在堂下做轮子，不也正说明这一点吗？所以，与其守住“别人学不会我”，不如反过来：把低层的默会交出去，让 AI 和团队接手，自己腾出手进入下一层现场。真正的安全感，不是守住一段别人学不会的手艺，而是让自己持续进入那些还没有被写成流程的现场。
AI 训练不管监督学习还是强化学习，本质上都是做题，拟合答案，它不可避免的和现实工程环境存在巨大差异。1）做题环境的输入是清晰、完整、无歧义的；目标是明确的；边界是封闭的。而工程环境拥有无数历史包袱和隐形约束；2）做题环境本质一个收敛性问题。无论中间过程多复杂，它最终有一个“标准答案”（能跑通测试用例）。真实的工程环境是一个发散性的多方博弈。3）在做题环境中，AI 面对的是完美的题目。但在真实的工程中，最大的困难往往不是“怎么实现需求”，而是“弄清楚客户到底想要什么”。再好的编码器也无法取代工程师，因为工程师是为了解决现实的复杂性而存在的……而解决复杂就必然会存在万老师说的那种默会知识。写这段的时候，我女儿晚上受凉了，我在伺候她吃药，并和她说了万老师文章和我的观点……她忍着喉咙的咳嗽反驳了我一句：“不要用人类一直解决问题的方式，去限制 AI 解决问题的想象力。”她喝口药继续补刀，说就像三体中人类倾尽所有构建的复杂的武器系统、作战序列与指挥网络，在水滴面前毫无意义。水滴没有战术没有火力，仅凭绝对密度和绝对光滑，用最原始的物理冲撞就搞定了。在更高的维度下，你所坚持的复杂也许不堪一击。我顿时呆在原地……好嘛，你好好书不读英语单词不背，你看三体？你是不是又背着我看小视频了？是不是小美小帅十分钟读完三体？说，是不是！！！
一句话概括：默会知识是“只可意会、不可言传”的真功夫；AI 虽然正在吞噬它的外圈，但依赖现场、身体、集体默契与动态演化的部分难以被蒸馏，普通人真正的护城河，是把精力投向“明天的新默会知识”，积累属于自己的审美、人设与信任。
如果把默会知识理解为「噪声」，那 AI 的死穴就清楚了。假设把人做事的流程建模成：输出 = f(输入; 参数) + ε，那显性知识就是 f 的函数体，你写得出伪代码。默会知识就是那个 ε——它看起来像噪声，但根本不是高斯白噪声。它是你几十年肉身和所有的经历碰撞留下的系统偏差。所以这个东西不可能写在我的工作报表和图纸里，甚至我们没有意识到它的存在。它只在你做决策的那几十毫秒里悄悄运作，然后你以为你是「直觉」。就像有些老专家在现场听压缩机的声音就知道哪里有故障，这完全替代不了。即便是模型再大，数据再多，我上传的资料和留存的记录它最多能记住我的风格，只能说最大可能的学会了过去的我，它学不会未来的我，因为我的默会知识是在线更新的。比如我今天就看到了沙漠赛车，这是我第一次看见，还有点震撼，以前只是见过视频没见过真实场景，感受完全是不一样的，这叫不可观测的协变量。我们所有人的默会知识不是一个 bug，它是一个 feature。它是我作为一个物理实体、在社会网络里、在时间轴上不断试错留下的私有参数。这个参数没法上传，因为上传的那一刻，它就冻结了。没人完全替代得了我，哪怕是克隆，我就是我，永远在变化，我希望虽然我在变老变秃变丑，但脑子是在变进步。