微软开源录屏转技能工具：操作一遍，AI学会

每次给新同事讲一遍操作流程，你都盼着能录下来直接用。微软把这个想法往前推了一步：你录一遍自己的屏幕操作，AI 把它重构成一份 AI Agent 能执行的技能文档。

这就是 Skill Recorder，微软官方出品，MIT 协议开源，项目地址：github.com/microsoft/skill-recorder（GitHub 搜索同名即可找到）。

它解决什么问题

重复性操作是办公场景里最常见的摩擦：每周填一次的报表、每个新项目都要走的建库流程、每个版本都要跑的发布检查单。这类事你已经做过几十遍，闭着眼都能点对位置，但它们还是每周吃掉你的时间。

市面上的自动化方案都要你「先学会工具」：RPA 要你拖流程图，脚本要你写代码。而 Skill Recorder 的思路反过来——你什么都不用学，就像平常一样把事情做一遍，它负责把你的操作翻译成机器能复用的东西。

工作原理：录一遍，AI 重构

流程分四步，官方 README 写得很直白。

第一步录制。按快捷键（macOS 上 Cmd+Shift+R）或者点录制按钮，然后正常干活。它在后台捕获你的屏幕、应用和窗口切换、你访问的网页，还可以（可选）同步录你的口述解说。解说转写用的是 Whisper，在本机完成，支持 99 种语言。

第二步控制。录制时有个置顶小条显示采集和麦克风状态，可以随时静音、换麦克风，录砸了能丢弃重来。

第三步分析。点 Analyze，GitHub Copilot 的 CLI 会把你这一通操作重构成「一个意图 + 一份有序步骤清单」。你可以review、可以改，改到读起来顺为止。

第四步生成。从确认过的分析里，一键生成可复用的 Skill 或者定时触发的 Automation。

这里有个关键的设计选择：生成的技能优先用 Agent 的原生工具（比如 gh 命令行、网页抓取），而不是回放你的鼠标点击。官方 README 里举的例子很说明问题——你录了一遍提交某个表单，Agent 学到的是「提交这类表单」的方法，下次遇到同类表单它都会填。从一个个例泛化到了一类问题。

生成物长什么样

生成的 Skill 本质上是一份 SKILL.md 程序性文档——Agent 按需调用、照着执行的那种。Automation 则是同一份流程加上时间或触发条件，到点自动跑。

两种生成物都能接入微软自家的三个 Agent 平台：Microsoft Scout、Copilot Cowork、Copilot Studio。如果你已经在用这套生态，录制的技能直接进你的 Agent 库。

必须知道的三件事

第一，它不是传统开源分发。官方叫「source release」：安装脚本下载固定版本的 Node.js 运行时，在你机器上从源码构建出应用，不装全局依赖。好处是你能审计实际运行的代码，代价是没有 App Store 式的一键安装，而且你得有带 Copilot 访问权限的 GitHub 账号（Copilot CLI 随应用附带）。

第二，隐私边界要清楚。录制、存储、画面抽帧、口述转写全部发生在你电脑上，录制阶段什么都不上传。但点 Analyze 那一刻，事件时间线（窗口标题、URL、剪贴板预览）、屏幕截图和解说文字会发送到 GitHub 云端让 Copilot 处理。官方 README 用了加粗警告：别在录制时输入、粘贴或念出密码、token、API key。每次录制前应用也会提醒你。

第三，平台支持。macOS 是主要目标平台，Windows 11（x64 和 ARM64）也支持。Linux 用户只有 Ubuntu 有官方路径。

我怎么看

这个项目最有意思的不是录屏本身，而是「从示范中泛化」这个思路。它赌的是：演示一次的成本，远低于写文档、写脚本、配 RPA 的成本，而 AI 恰好补上了「从演示到可执行规程」这段翻译工作。

局限也明显。它生成的技能质量取决于 Copilot 对你操作的理解——复杂多分支的操作流程、依赖大量上下文判断的场景，重构出来的步骤大概率要你手工修。另外它绑定 GitHub Copilot 生态，如果你不用微软系 Agent 平台，生成物的复用价值会打折。

适合最先拿来试的三类活：每周固定格式的报表填报、新项目初始化的固定流程、软件发布前的检查单。都是「步骤明确、分支少、你做过很多遍」的事——正是这个工具的主场。

项目 7 月底创建，9 月初还在持续提交，迭代很勤。安装方式去官方仓库看 README：github.com/microsoft/skill-recorder。

你的工作里有哪些「做过几十遍、闭眼都能做」的流程？有想法可以随时留言沟通。

喜欢就先收藏，万一找不到了呢！⭐