微软又开源了一款Skill神器

想让 Claude Code 或 Codex 替我们干重复性的活，眼下比较好的做法是写一个 Skill。

把任务目标、执行步骤、注意事项等等所有细节写清楚，相当于给 AI 写一份操作手册。

但写 Skill 这事情，本身挺折磨人的，需要先总结自己工作流程，后续还得不断打磨优化。

为了降低这个门槛，两个月前，Codex 便上线了一个「Record & Replay」插件。

通过录屏的方式，我们只要任务做一遍，完成后之后自动生成一份可复用的 Skill。

后来 Anthropic 也跟上，在 Claude Cowork 里加入了类似的功能「Record a skill」。

可以说，用录屏方式教 AI 学会技能已成了共识，不过这两家的功能都在自家的工具里。

直到最近，微软把这思路封装成一个桌面工具 Skill Recorder，并直接开源了。

同样也是通过录屏方式制作 Skill，点击录制按钮便开始，在电脑上完成我们重复性的任务。

在录制过程中，还可以开启麦克风，一边录制一边口述自己为什么这么操作。

当录完之后，再点击「分析」按钮，就会交给 AI 分析，整理成「一个意图」和「一组有顺序的步骤」。

这里我们进行检查，若有哪一步的流程描述不对可以动手修改，改到满意为止。

在确认没问题后，一键生成可复用的 Skill，或者按时间和触发器定时执行的 Automation。

下次再干同类活，可以把生成的 Skill 直接丢给 Agent 执行。

而 Automation 则多了定时或事件触发，适合把日报整理、表单提交这类活挂起来自动跑。

看到这里，其实大家有没有感觉，这个流程有点像传统 RPA 那套自动化流程。

但实际它们区别挺大的。RPA 记的是鼠标点哪里、按钮在哪个位置，界面一改工作流就废。

而 Skill Recorder 是先理解我们想完成什么，再把操作换成 gh CLI、web_fetch 这类 Agent 原生工具。

比如录一次提交表单，便教会 Agent 提交所有同类的表单，从单个操作泛化成一类能力。

我觉得这种泛化才是它真正有意思的地方。

对于录屏工具，最容易让人担心的还是隐私问题，微软在 README 上写得很明白。

所有的操作全在本地完成，包括录制、存储、画面提取、还有语音转写。

只有点击「分析」按钮，事件时间线、屏幕截图和旁白文本才会发给云端 AI 进行处理。

其中语音转写，用的是 Whisper 模型在本地语音转文字，支持 99 种语言。

但还是得提醒一下，在录制的时候，避免出现密码和 API Key 这些敏感的信息。

安装方式，只需要一条命令即可，可以从项目的 Release 发布页面获取。

目前主要支持 macOS 系统，Windows 11 和 Linux 系统也有对应安装方式。

首次使用需要授予录屏权限，分析功能则需要带 Copilot 权限的 GitHub 账号。

目前项目刚开源不久，还存在不少问题，但也留意到微软技术团队正快速迭代更新。

如果大家在使用过程遇到什么问题，也可以在项目 issue 上进行反馈。

写在最后

这两个月，几大 AI 科技巨头都在纷纷跟进同一功能，就是如何教会 Agent 干活。

说明了一点，现在的模型已然足够强大，但要让它成为我们日常工作生活的干活利器，还得靠 Skill 沉淀。

但写 SKILL.md 文件，需要较强的表达能力，而通过录制演示的方式，门槛则降低许多。

就像一位新入职的同事，跟他说再多，都不如直接上手给他演示一遍工作流程来得高效。

如今微软选择用 MIT 协议把 Skill Recorder 开源，也算是更进一步推动这个方向的发展。

相信不久，将会有越来越多的 Agent 工具会跟进这一功能，让大家更容易用 AI 干活。

GitHub 项目地址：https://github.com/microsoft/skill-recorder

今天的分享到此结束，感谢大家抽空阅读，我们下期再见，Respect！