最近技术圈被一个开源项目刷屏了。

一个叫同事.skill的GitHub仓库，几天之内Star数暴涨到数千。它干的事情很简单也很残酷：把一个同事留下的工作痕迹，飞书消息、钉钉记录、邮件、文档，当作原材料，用AI生成一个可调用的能力包。这个能力包可以模仿该同事的方式、风格，甚至直接完成他的部分工作。

项目README开头就甩了一句黑色幽默："你们搞大模型的就是码奸……最后害死自己害死全人类。"

程序员圈子炸了。紧接着衍生出了一堆变体：老板.skill、导师.skill、前任.skill，甚至还有暗恋对象.skill。看着像玩梗，但笑完之后没人觉得轻松。因为它指向了一个以前只活在思想实验里的问题：如果一个人的全部工作痕迹都以数字形态存在，那把他的能力封装成一个可调用的文件，不过是个工程问题罢了。

程序员的封装路径已经摆在明面上了：代码仓库、技术文档、设计方案、Review记录，本身就是结构化的、可机读的、可溯源的。喂进模型，就能生成一个替你回答"这个模块当初为什么这样设计"的数字替身。这在今天已经不是科幻，而是产品功能。

但说实话，真正让我坐不住的，不是程序员的处境。把这套逻辑平移到医疗领域之后，我发现了一条比行业里讨论的所有AI路径都更短、更直接、也更凶险的路。

或许AI在医疗领域真正能落地的第一个场景，不是辅助诊断，不是影像识别，不是病历生成，而是把医生的临床能力封装成可调用的数字资产。

01 病历这条路，走不通

提到"把医生数字化"，多数人脑子里蹦出来的念头是：直接学医生写过的病历。

看似顺理成章。电子病历系统里躺着海量数据，每个医生几十年的诊疗记录都在，喂给模型，不就能复现他的诊断模式了？

但我在之前的文章里花了大量篇幅拆过这件事。我们的病历数据，是在DRG/DIP支付规则、质控考核标准、医保合规要求等多重制度力量下被反复塑形的产物。 医生写在病历里的，往往不是他真正的临床判断，而是判断经过制度滤镜之后的合规输出。

举个例子。一个经验老到的心内科主任查房时，会跟住院医说一句"这个不太像常规胸痛，别只按模板走，相关的再补一下"。可他在病历系统里敲下的，是一段格式化的主诉、现病史、鉴别诊断。两者之间隔着一整套制度翻译层。前者是临床直觉，后者是合规产物。

模型要是学的是后者，学到的就不是医生怎么看病，而是医生如何在系统里写"正确答案"。

从病历出发去"炼化"医生，大概率只能炼出一个擅长写符合模板要求的病程记录的系统。这条路不是不能走，只是它到达的终点，跟我们真正想要的东西之间，隔着一道制度塑形的深沟。

02 一条更短的路

病历记录的是制度的声音，那什么记录的是医生真实的行为模式？

答案其实一直在那儿。只不过我们盯着结果看了太久，忽略了一个更关键的东西：医生是怎么做出这些结果的。

医生每天对着电脑工作六到十个小时。他的临床决策，最终都要通过屏幕上的操作来执行：什么时间点打开了哪个患者的病历，查检验结果时先扫了哪几项，开医嘱时犹豫了多久，在哪些情况下会回头修改已经开出的处方，习惯在什么时间段集中处理哪类工作。

如果对这些操作过程做连续记录，不管是通过系统日志、交互序列，还是更直观的屏幕捕捉，再让大模型去识别和分析。注意，分析的不是病历内容本身，而是操作行为的模式和序列。你能拿到一份比任何病历都更真实的临床能力画像。

这份画像记录的不是"医生写了什么"，而是"医生做了什么"。不是制度要求他呈现的结果，而是他在真实工作流中留下的行为轨迹。

把这些行为模式结构化之后，你可能得到一个文件，姑且叫它心内科张主任.skill。里面封装的不是病历模板，而是他的诊断习惯、信息获取优先级、面对特定情境时的决策路径，甚至包括他在哪些节点会选择跳出常规。

不是学他写了什么，而是看他做了什么。这才是真正意义上的医生.skill。

03 这条路凭什么可能是对的

说两点。

它绕开了制度塑形，直接碰到了隐性知识。 病历是制度的产物，操作行为不是。医生在系统里的点击序列、查看顺序、停留时长，这些数据不经过医保编码，不受质控模板约束，不需要通过合规校验。而恰恰是这些"过程"，承载着医学教育中最难传授的部分：高年资医生看到检验报告时的扫视顺序，开医嘱前反复查看某几项指标的习惯，遇到某类患者时总会多做一步的固定动作。这些东西从来没被任何系统记录过，因为它们不是"产出"，是"过程"。行为采集第一次让这些过程有了被捕获的可能。

它几乎不需要医生额外付出任何东西。 谁都知道，医生太忙了。任何需要医生主动配合的数据采集方式，要么被抵制，要么被敷衍。行为记录是被动采集，不需要改变工作习惯，不用填表，不用回答问题。这也意味着它绕开了传统医疗AI最烧钱的环节：高质量标注、病历清洗、结构化处理。数据在产生的瞬间，就已经自带时间序列、上下文和决策痕迹。

传统路径是在"制造数据"，这条路径是在"捕获行为"。一条路径同时更真实、更完整、对人的干扰更小、成本更低的时候，它通常不会只停留在PPT里。

04 为什么这条路极其危险

现在说危险。实际上我认为这部分比前面所有内容都重要。

伦理边界在哪儿？ 对医生的工作屏幕做持续记录，说白了就是一种监控。哪怕目的是"能力提取"而非"绩效考核"，伦理上的挑战依然巨大。屏幕上会出现患者隐私、医生的个人操作习惯，甚至他犹豫纠结时的行为痕迹。采集、存储、使用、销毁，每个环节都踩在隐私和知情同意的钢丝上。没有极其严格的治理框架，这条路从起点就是非法的。

能力归谁？ 如果一位医生的用药逻辑被封装成了可调用的能力单元，这个单元算谁的？医院会说，你坐在我的电脑前、用我的系统看病，行为数据是职务行为的产物，当然归我。医生会说，这是我几十年临床经验的外化，是我最核心的专业资产。如果有一天医院可以在医生不知情的情况下把他的能力封装成数字资产并在其他场景调用，这不叫技术进步，这叫数字时代的能力剥夺。

信任一旦崩了怎么办？ 医疗系统能运转，底层靠的是医生对工作环境的基本信任。一旦医生知道自己每次点击都在被记录、被分析、被封装，行为一定会变形。当医生开始"演"给系统看，不按临床最优解做决策，而是按"知道有人在看"的方式操作，那采集到的数据就变成了另一种污染。我们费尽力气绕开了病历的制度塑形，转头又造出了一种新的行为塑形。

05 挡不住的是成本逻辑

危险我说得够充分了。但也得诚实讲一句：上面这些伦理和权力问题，在历史上从来没真正拦住过一项技术落地。它们只决定技术以什么姿态、在什么框架下落地。

而推着它往前走的力量，不是技术本身，是成本。

培养一个能独立看诊的心内科主治医师要多久？本科、规培、可能还有研究生，再加数年临床积累，通常十年打底。一个科室的核心专家退休或离职，他带走的不只是一个人，而是一整套无法被病历记录、无法被教科书完整描述的隐性决策能力。对医院来说，这种能力断层很难被短期填上。

而如果这种能力可以被提取、被封装、在合规框架下保存和调用，哪怕只是部分地、有损地保存，经济价值也足够让人动心。

不需要谁去推，只要成本计算的天平开始倾斜，这件事就会发生。至于是在严格治理下合规地出现，还是在灰色地带野蛮生长，取决于行业愿不愿意在它发生之前就把规则谈清楚。

06 能力属于谁

最后把话说明白：我写的不是产品方案，不是技术建议，更不是在鼓励任何人搞监控。 屏幕捕捉只是把问题说得足够直观的一种方式，不是唯一方式。需要被认真讨论的，从来不是技术手段，而是当"过程可以被记录"之后，能力的边界该怎么划。

同事.skill已经在GitHub上被几千人Star了。下一个被封装的，也许就是某个科室主任。区别在于：程序员留下的是文档，而医生留下的，可能是他自己都不知道被记录了的操作轨迹。

在这件事变得不可逆之前，或许我们该先想清楚一个问题：当一个人的能力可以被提取和封装时，"能力"到底属于谁？

程序员没来得及回答。医生，也许还有机会。