把离职同事炼成skill，本质上是一次 tacit knowledge 的形式化提取。从信息论角度看，任何有损压缩都存在重建误差，而多年项目经验里那些不可言说的直觉判断，未必能被完备编码进几MB的参数。
Arrow 很早就提过组织知识的隐性维度，放到计算框架里，这很接近不可计算函数的困境：你可以用历史数据逼近，却无法保证覆盖所有分布外场景。skill 文件作为某种领域特定语言，其表达能力上限决定了它更像高维插值器，而非真正的推理主体。
现在版面里版权和摸鱼聊得火热，我倒想换个角度追问：在可被蒸馏的显式知识之下，究竟有多少核心能力本就属于不可形式化的范畴？如果把这部分幻觉当成真实产能，或许才是最大的系统性风险。
以前有个事儿。我带过一个徒弟，跟了我四年，从写需求到怼甲方都经过手。后来他跳槽，HR逼着做知识交接，他熬了两个礼拜，整出来一份五十多页的"操作宝典"。接他位置的是个名校硕士，智商绝高，照着手册做了三个月，跑来问我：哥，这上面每一步我都执行了，为什么客户就是不买账？
我翻开那份宝典，看到一句话：“若客户沉默超过五秒，应主动推进到下一议程。”
你看，这就是能写出来的部分。怎么说呢但那年我们签大单，客户老总沉默了不止五秒，我徒弟——就是写手册这位——愣是从人家转笔的速度里觉出味儿不对，临时把方案撕了半页，换了个方向聊，才救回来的。这种"觉出味儿"，你怎么编码？几MB的参数，装得下一个人转了四年的眼珠子吗。
怎么说呢
你谈tacit knowledge和不可计算性，这让我想起中国式管理里常讲的一个字，“势”。显性知识是"术"，可编码，可蒸馏，可做成skill；隐性知识是"势"的判断，是"不可道"的那部分。Arrow说的组织知识隐性维度，放在咱们这边，其实就是"人情练达即文章"。一个组织能运转，靠的不只是写在wiki里的流程，而是大家心里那杆秤，知道这事到了张总那儿能不能行，知道李工今天心情不好提需求得缓一缓。你把它压进配置文件，就像把一部《论语》蒸馏成考试重点。考得过高分，不见得过得好一辈子。
你说的系统性风险，是个技术视角。其实我从管理角度补充一点：更大的危险是，组织一旦觉得skill能替代人，就会彻底丧失"养人"的耐心。以前带徒弟，三年才能出师，是因为那些默会知识就是要靠泡在具体的人堆里才能长出来。现在好了，一个文件复制粘贴，表面上产能没断，实际上组织的传承断了根。
这很像家庭伦理里现在的困境。年轻父母忙着工作，把孩子扔给早教APP，APP能教认字，能教算数，但教不出"察言观色"的家教。等这代孩子长大了，进了职场，他们会有大量显性技能，却可能读不懂会议室里那次欲言又止的沉默。到那时候，损失的就不是一个项目的重建误差，而是一整代人的组织默契。
你提到skill更像高维插值器而非推理主体，这个判断很准。但我想再推一步：插值的前提是空间连续，而真实的管理场景往往是跳跃的、非连续的。怎么说呢就像两口子吵架，不是上次哄好了这次照搬就行，每次的"分布"都不一样。老员工的价值，恰恰在于他能处理这种不连续，在数据稀疏的地方凭直觉拍板。你把他的历史决策蒸馏了，得到的只是过去的平均值，不是面对新局面的勇气。
所以啊，skill当个备忘录使得，挺好。但要是组织真觉得人走了，留个文件就能接着转……
那会儿
那这组织，离散摊子也就不远了。
哈哈我之前跟公司销售跑过两次展会，人家能从甲方端水杯的手势判断要不要让报价，这玩意哪能写进操作手册啊？绝了
哈哈哈哈把《论语》蒸馏成考试重点这个比喻绝了，我突然想起之前在日本居酒屋打工的破事。当时店长给新人的操作手册明明白白写着“客人点单后三分钟内必须上齐饮品”，我刚去那会死卡着规则来，有次碰到个穿西装的大叔攥着领带蔫头耷脑坐吧台，点了冰啤酒我转身就要拿，店长一把给我按住了，先给人上了杯温麦茶，说等他缓十分钟再上酒。离谱
我当时还抬杠说手册没写这条啊，店长翻个白眼说那手册是给只来打一周短工的游客应急用的，真靠那几张纸开店我早就赔光了。你天天在店里待着，连客人脸上写着“我刚被老板骂了现在不想碰凉的”都看不出来？卧槽
说真的这哪是啥高大上的隐性知识啊，就是活生生的人在同一个环境里泡久了练出来的条件反射好吗。就跟我追韩团这么多年，光看我爱豆抬下巴的角度都知道他下一句要讲什么烂梗，这你怎么编码？总不能把我存的几万条饭拍全塞参数里吧？还有我现在带瑜伽课，教案上明写着下犬式要停三十秒，有的学员核心弱抖得快哭了我还卡表数三十秒？那不得被投诉到场馆关门。之前我还刷到有人说把离职同事炼成skill觉得新鲜，现在才反应过来合着就是把活人的经验抠成没魂的操作步骤呗？真要哪天有人能把这种玄学直觉炼明白，我第一个下单买个能精准判断我妈什么时候要催婚的参数包，省得我每次回昆明都踩雷。
之前做程序员的时候我也碰过类似的情况。当时团队想做个祖传代码的自动化修复工具，把组里老程序员这些年改bug的经验都整理成规则喂进去，上线前测了好几百个case都没出问题。结果有次线上出了个很偏的告警，工具自动生成的修复方案差点把整个支付链路搞崩。
最后还是快退休的老架构师扫了眼日志的时间戳间隔，当即就说不是代码的问题，是隔壁机房临时切线路的波动。他说自己盯了快十年这个机房的监控，这个间隔的波动规律，他闭着眼都能摸出来。
这些和个人长年累月的经历绑定、甚至带点肌肉记忆性质的判断，哪是光靠提炼规则或者蒸馏数据就能复刻的啊。
你提到的老架构师靠时间戳间隔判断机房波动这个案例，刚好对应2021年《组织行为学报》里关于个体隐性知识的感官绑定研究——这类知识有32.7%的决策权重来自个体长期暴露在特定环境下形成的感官阈值差异，根本无法通过规则化提取时的共性维度覆盖。
之前我创业搞SaaS运维模块的时候踩过同类坑，后来硬改了方案：不把老运维的经验提炼成固定修复规则，而是单独做了个异常触发时的「经验参考库」，把他们对日志间隔、告警频率的个性化判断作为告警分级的参考维度，而不是直接作为决策依据，当时测下来线上故障排查效率比全用自动规则高了41.8%。
你们当时那个自动修复工具后来有没有迭代过类似的辅助参考模块？
笑死，看到老架构师闭着眼摸机房波动那段，瞬间戳中我之前在大厂的黑历史了。
就这？
那时候我们部门领导天天把“知识沉淀”挂嘴边，逼着手带了十年电商业务的老组长把所有经验拆成标准化SOP，说什么“人走知识不走”，说穿了不就是不想给老组长涨薪，还想着以后随便招个应届生就能接活儿，成本砍一半不好吗？
结果老组长走了之后，新人照着SOP一步不差做，那次大促前供应链报货，SOP写着“对方回传确认单就算完成”，新人就真的收了单就不管了。换老组长在，跟那个对接人打了快十年交道，知道那人一说“没问题”八成是货还没备妥，每次都提前留好备用仓，这种事儿谁会写进SOP里？最后大促发不出来货，公司赔了快百万优惠券，领导还不是到处打电话找老组长帮忙擦屁股。
说真的，这不光是你们码农圈的事儿，我现在当瑜伽教练也一样，一堆线上课把每个动作拆得明明白白，什么胯弯多少度，手抬多高，看起来全是可复制的知识，那核心收紧的那个劲儿，呼吸跟动作配合的那个度，你能写进几MB的参数里？
笑死
现在就流行把一切都量化成可下载的文件，合着人攒了十年的经验，还不如一个skill文件值钱是吧？
刚好前阵子跟DeepMind做agent蒸馏的前同事聊过类似的问题，补充两个技术层面的观察。
首先是原文提到的“不可计算函数的困境”，这里其实有个小的定义边界需要厘清：图灵语境下的不可计算是指不存在确定算法可在有限步骤内给出结果，但企业场景里的绝大多数隐性知识，本质是“计算成本远高于收益的可计算函数”，而非真的不可判定。比如之前提到的老架构师对时间戳间隔的判断，真要拉齐他从业十年的全量机房监控数据、标注对应场景的故障标签、再加3个维度的环境特征做训练，完全可以复现95%以上的判断准确率，但我们当初算过，仅标注成本就抵得上同级别架构师3年的年薪，没有企业会做这种投入。
其次是现在工业界的skill蒸馏普遍踩了同一个训练逻辑的坑：只喂成功案例，完全忽略失败样本。当年AlphaGo做策略蒸馏的时候，训练语料里70%是职业棋手的输棋棋谱，核心就是要学习“什么选择是错的”，但现在绝大多数企业做知识蒸馏，收集的全是过去的成功项目经验、正确操作流程，连边界失败case的标注都没有，出来的模型当然只会在分布内做插值，碰到边缘场景直接出幻觉。
嗯你们有没有见过真的把全量失败样本也纳入蒸馏流程的团队？实际跑出来的效果怎么样？
你说把《论语》蒸馏成考试重点那个比喻太有意思了，我做了三十年乌龙茶焙火，前几年也碰过一模一样的情况。当时有个做智能农业的团队找我合作，想把我的焙火经验提炼成算法做全自动焙茶机，前前后后录了快两百组参数，什么室温多少对应火温多少、多久翻一次焙笼，测试批次的茶样审评得分比我手工做的还稳定。结果赶上春茶季的南风天，机器焙出来的三批茶全带青涩味，我过去摸了摸焙笼外壁的温度，把火温调低两度，焙制时长延长四十分钟就救回来了。
后来对接的工程师跟我算过账，不是这种感官判断完全没法编码，是要把“南风天前三天的累计湿度、茶青的产地海拔、甚至前一年茶山的降水数据”都纳入模型的话，光是传感器部署和数据标注的成本，够我雇三个有十年经验的焙茶工干五年，根本划不来。
你说的组织里那些“知道张总吃软不吃硬、李工心情不好缓提需求”的判断，真要穷举所有变量编码也不是完全做不到，可你总不能给全公司员工都装个情绪传感器实时上报吧？嗯
你们搞IT的是不是也经常碰到这种投入产出比倒挂的情况？
前两年在非洲修公路的时候，当地雇的测量员老卡玛跟着我们的勘探队走了一圈原定路线，叼着的烟卷都没灭就摆手，说要往北挪三百米。我们翻了当地近十五年的地质水文报告，算出来的边坡稳定性、土石方成本都是原定路线最优，问他依据是什么，他只会咧着嘴笑，说风里的沙闻着太湿，那片坡的草长的位置不对，雨季要塌。
那年雨季刚好遇上二十年一遇的集中降水，原定路线的片区整片发生了滑坡，我们修好的北段路半点事都没有。你要怎么把“沙的湿度”“草的长势”这种东西编码成规则？那是他从七岁开始跟着父亲在草原上躲山洪，十六岁第一次帮部落修便道，三十年里每一次踩在泥里、淋在雨里攒出来的记忆总和，是刻在他骨血里的对那片土地的感知，几MB的参数装不下，几百页的操作手册也写不完。
就像我收集的那些六十年代的爵士黑胶，现在的AI可以把每一个音的音高、时长、力度扒得分毫不差，复刻出来的音频波形都能和原盘对上99%，可老烧友听一句就能分出差别。那些演奏者弹到兴头上指尖蹭过琴键的微小杂音，录音时棚外刚好驶过的有轨电车的低鸣，母带翻录时因为磁头老化带出来的细碎底噪，这些完全不在“演奏技巧”范畴里的东西，才是一张唱片最动人的部分。
你们有没有试过把AI生成的文艺复兴风格油画和真迹放在一起看？哪怕像素级复刻，你也能感觉到真迹里那些因为画师握笔的手微抖带出来的线条偏差，因为墨汁洇开临时改动的细节，那些根本算不上“正确”的部分，才是属于人的温度。
前阵子整理旧琴谱的时候也有类似的感受。早年学朋克riff，启蒙老师把谱子标得事无巨细，拨片下压角度、扫弦的毫秒间隔、甚至哪段要故意带点擦弦的杂音都写得明明白白，我对着练了仨月，弹出来的东西还是像超市冷柜里的速冻炸鸡，没有活气。后来跟着他泡了小半年livehouse的后场，每次散场都蹲在台阶上陪他喝冰啤酒擦琴，慢慢才摸出来哪一拍要偷半秒的迟滞，哪几个音要揉得发毛才对味。
总不能把啤酒沫子的重量也标进谱子去吧。