AI替代的铁拳终于挥向了教师编制
前段时间，colleague-skill 火了。
如果你还不知道这是什么——简单说，它能把你同事的飞书消息、钉钉文档、代码注释、邮件往来喂给AI，蒸馏出一个能模拟你同事工作能力的技能文件。同事离职了？没关系，他的"数字分身"还在。
评论区直接炸了：
同事被优化了，但他的skill还在加班
谁先蒸馏谁就赢了，职场版鱿鱼游戏
以前是人走茶凉，现在是人走AI留
紧接着，ex-skill 来了——把前任蒸馏成AI，"用ta的方式跟你说话"。nuwa-skill 来了——蒸馏芒格、费曼、马斯克的思维方式。甚至还有人做了 anti-distill.skill——专门对抗企业用AI蒸馏员工。
我以为这波热度差不多了。
然后我看到了一个13岁初中生写的衍生项目。这次，蒸馏的对象换了。
老师。
你能想象评论区会怎么说——"AI替代的铁拳终于挥向了教师编制""老师辛苦了，您的毕生教学精华我已打包下载""这届学生真不讲武德"。
但如果你真的打开这个项目看看它做了什么，你会发现事情完全不是这么回事。
你最好的老师，好在哪？
让我先问你一个问题。
你学生时代最好的老师是谁？不是"哪个老师教的科目你分最高"，而是——哪个老师让你突然开窍了。
想到了吗？
现在再想想：那个老师让你开窍的原因，是因为他掌握了比别的老师更多的知识吗？
大概率不是。教材一样，大纲一样，知识点一样。
那是什么？
可能是她讲题时会故意停顿30秒，逼你自己先想。可能是他的粉笔字写得像印刷体，关键公式用红色框起来，你闭上眼就能回忆起整块黑板。可能是她从不直接给答案，你每次说"不会"，她都反问一句——"你试了什么？"
这些东西，没有任何一个AI教育产品在做。
因为所有人都在解决"知识传递"的问题。但教育真正稀缺的，从来不是知识。知识早就被标准化、数字化、免费化了。
真正稀缺的，是一个特定的人把知识交给你的方式。
"教学指纹"
每个好老师都有一套独特的"教学指纹"。
这个指纹不在教材里，不在教案里，甚至老师本人可能都说不清楚。它藏在课堂上的微习惯里。
拿一位教了20年数学的姚老师举例。她的指纹长这样：
- 每堂课开头5分钟，雷打不动地复习加随机提问
- 讲例题永远讲两种解法——先给基础解，再给优化解
- 板书严格分区：左边理论，右边演算
- 评分规则：过程占60%，答案只占40%
- 对不同水平的学生有完全不同的策略：尖子生给竞赛题，中等生反复巩固基础，后进生——"慢慢来，但不能停"
更微妙的是她的人格层面。她的核心原则是：学生说"不会"时，反问其尝试过程而非直接给答案。她批评行为，从不攻击人格。她的决策优先级排序是：课堂纪律 > 学习态度 > 教学进度 > 成绩 > 情绪。
这些细节加在一起，构成了一个学生能不能"听懂"的全部秘密。
换一个老师，知识没变，但解码器变了。所以你"听不懂了"。
这就是每个中国家长最怕的那件事——换老师。不是怕新老师不好，是怕孩子丢失了那个独特的解码器。
这个项目到底做了什么
回到那个"蒸馏老师"的项目。
它不是又一个AI tutoring product。它做的事情很简单，也很不简单：把一个真实老师的教学方式、人格特征和学科知识，提取成一个可复用的AI技能文件。
和 colleague-skill 的两层结构不同，它设计了一个三层提取框架：
第一层，教学能力。 不是"这个老师教数学"这种粗粒度标签，而是精确到"她讲题时会留30秒沉默期让学生思考""她出题偏好两步转化题""几何题必含辅助线"。
第二层，人格特征。 一个五层模型，从核心价值观到口头禅到决策优先级。"这道题你们再想想""过程呢？过程写出来"——这些才是一个老师之所以是"这个老师"的东西。
第三层，学科知识图谱。 不是知识点本身，而是这个老师独特的讲解路径和记忆技巧。比如姚老师教几何证明，不是让学生硬背定理，而是整理出"三类辅助线"（做高、延长、连接中点），每类配经典案例。
它支持从微信、QQ、钉钉、飞书的聊天记录中提取素材。有增量更新机制——你可以不断补充新的互动素材，让AI对老师的理解越来越精确。甚至有版本管理和回滚。
9个prompt模板，10个Python工具，完整的测试套件和文档。
开源不到48小时，GitHub上的star数已经破百。
坦白说，这个工程成熟度已经超过了我见过的不少成年开发者的开源项目。
但真正让我停下来的，不是技术实现。
是这个项目的作者。她13岁。初中生。
对。不是什么大厂工程师、不是教育学博士、不是AI创业者。一个初中生。
姚老师如果看到估计也会哭笑不得——"我教你解方程，你拿我炼AI？"
但她不是在"学编程"，也不是在追热点。她是在解决一个她每天都面对的真实问题——如果有一天姚老师不教我了，我还能不能找到那种"听懂了"的感觉？
替代？不，是相反的事
colleague-skill 的底层叙事是"替代"——同事走了，AI顶上。评论区的焦虑也来自于此。
但这个项目做的，恰恰是替代的反面。
它不是要让AI取代姚老师。它是要让姚老师的教学方式，在姚老师不在的时候，依然能陪着学生。
这个区别很微妙，但很关键。
colleague-skill 问的是："这个人走了，谁来干活？"
teacher-skill 问的是："这个人走了，谁来像她那样教我？"
前者是效率问题。后者是情感问题，也是教育的本质问题。
谁在问正确的问题
AI教育赛道挤满了顶尖工程师、教育学博士和顶级VC。他们在解决"如何用AI传递知识"。
一个13岁的学生在解决"如何用AI留住一段师生关系"。
这两个问题的层次，不一样。
当我们这些成年人还在争论"AI能不能取代老师"时，一个真正坐在教室里的人已经给出了更好的答案：不需要取代。需要复制的，不是老师的知识，是老师这个人。
最深刻的产品洞察，往往不来自最聪明的工程师，而来自最真实的用户。因为好的产品从来不是"我能造什么"驱动的，是"我缺什么"驱动的。
一个13岁的学生缺的不是题库、不是AI陪练、不是个性化学习路径。
她缺的是姚老师讲题时那个停顿的30秒。
所以她把它造了出来。