夜雨聆风你有没有过这种时刻，想教会 AI 一个你天天在做的操作，结果光是把步骤讲清楚就花了一个小时。我跟你说，我上周就干过这事。想让智能体帮我整理周报，我先写「打开后台，点开报表，筛选上周数据，导出 CSV，再套模板」，写到这里我已经开始怀疑人生了。最气人的是，写完它照做，第三步就崩了，因为界面上那个按钮叫「导出表格」不叫「导出 CSV」。真的就是一声叹息。
所以当我看到微软开源的 Skill Recorder 时，第一反应是，这玩意怎么不早点出来。它的思路特别朴素，你负责做，它负责看。你打开电脑正常干一遍活，录屏软件把你的点击、窗口切换、访问的页面全部记下来，如果你愿意还可以顺便录一段语音讲解。然后 AI 根据这段真实操作，自动反推你的意图和步骤，生成一份智能体能直接用的技能文件。整个过程不用写一行代码，不用解释任何细节，你只要「做一遍」就行。
这个项目叫 Skill Recorder，是微软官方 7 月底放出来的，GitHub 地址在 github.com/microsoft/skill-recorder，发布当天就上了 trending，现在 510 个星。名字起得很直白，技能录像机。它要做的事情，就是把「教 AI 干活」这个过去极度反人性的事情，压缩成「录一遍」。
WECHATIMGPH_0
先说说它到底怎么用。整个流程分 4 个阶段，录、析、规、建，官方叫 Record、Analyze、Plan、Create。
第一步录制。打开应用点一下录制键，或者从任何界面按快捷键，macOS 是 Command+Shift+R，Windows 是 Ctrl+Shift+R。然后你就正常干活，录屏软件在后台安静记录你的屏幕、鼠标、窗口切换和页面跳转。语音讲解是可选的开着的，默认关，你愿意边做边讲就打开麦克风，语言和麦克风都能在录制中随时切换。
第二步分析。活干完了，点 Analyze，GitHub Copilot 就开始干活，它把刚才那段时间线里的窗口标题、URL、截图、语音转的文字拼在一起，还原出你「整体想干什么」加「按顺序干了什么」。这一步是核心，它理解的是意图，不是死记硬背坐标。你录一次「给新客户建账号」，它学到的是「建账号这个流程」，而不是「在屏幕 1300 像素处点一下」。
第三步规划。AI 给出意图和步骤列表后，你可以随便改，增删、排序、调整都行，它还顺手把里面的固定值，比如某个网址、某个仓库名，抽出来变成可以编辑的变量，而不是写死在每一步里。你审完，它才开始生成。
第四步创建。生成出来的是标准格式的技能文件，1 份 SKILL.md 放在本地的技能目录，或者1 份 automation.json 用于定时自动执行。有意思的是，它生成的步骤不是让你回放录屏时的鼠标轨迹，而是优先用智能体自己的原生工具，比如 gh 命令行、网页抓取这种，所以它学的是「任务逻辑」，不是「屏幕像素」。你录一遍提交一个表单，它能推广到提交所有类似的表单。
这里我得插一句实话，它跟传统的宏录制完全是两码事。按键精灵那种录的是坐标和延时，窗口一挪就废。Skill Recorder 录的是语义，Copilot 会把「操作背后的逻辑」提炼出来，生成的是人类能读、AI 能懂、还能改的文档。你看它生成的技能文件，其实吧，就是一份 Markdown 写的小手册，标题、触发条件、输入参数、执行步骤、验收标准，清清楚楚。
安装也不复杂，但得有点心理准备。它现在发布的是源码版，没有现成的安装包，你要去 GitHub Releases 页复制一条安装命令，它会自动下载固定的 Node.js 运行时，拉取对应版本的源码，在你机器上现场编译，然后生成一个叫 Skill Recorder 的应用图标。macOS 是主力支持，Windows 11 也能用，需要你有 GitHub 账号并且开通了 Copilot，因为分析和生成都得靠 Copilot CLI 来完成。
说到限制，我得坦诚讲，这还远远不是个成熟产品。我自己读它源码和文档的时候，发现几个坑。第一，它目前只会生成单文件技能，references、scripts 这些配套目录还不支持，复杂技能还是得手动补。第二，录制期间数据都在本地，但点 Analyze 那一刻，窗口标题、URL、剪贴板预览、截取的画面、语音内容会发到 GitHub 的云端处理，所以录之前它都会提醒你，别录密码、令牌、密钥这些敏感信息。第三，自动脱敏功能还没做好，GitHub 上有个相关 pull request 还挂着 DO NOT MERGE 的标记。第四，依赖里有一些 npm 安全告警，官方自己也说，不建议在正式工作电脑上随便装。所以现在正确的姿势是，拿个隔离环境，用假数据先玩。
这玩意最让我感慨的，是它出现的时间点。你发现没有，过去这两周，录屏教 AI 这个方向突然就挤进来 3 家巨头。7 月 21 号 OpenAI 的 Codex 上线了 Record & Replay，搜狐那篇报道的标题起得特别传神，说「这哪是 AI，是数字学徒啊」。7 月 24 号 Anthropic 给 Claude 桌面端 Cowork 也推了 Record a Skill 录屏教学，面向付费用户全量开放。然后 7 月 29 号，微软把 Skill Recorder 开源了。三家巨头，两周之内，不约而同盯上了同一件事。
你想想看，这背后其实是一个共识，教 AI 干活的门槛，已经从「会不会写代码」降到了「会不会做事」。以前你想让 AI 帮你自动处理一个业务流程，要么会写代码，要么会写复杂的提示词，要么得啃一堆文档。现在三家给出的答案一模一样，你做一遍，它就会了。这个转变，比任何模型参数都重要。就像当年照相机从「要懂光圈快门」变成「按一下就行」，自动化这事，也到了「按一下就行」的门口。
当然，跟 Codex 和 Claude 那两个闭门产品比，微软这步棋有它的特殊性，它把整个项目开源了。你可以看到它完整的源码、测试、评估框架，甚至能自己改。而且它生成的技能是标准格式，SKILL.md 和 automation.json，那结果就是，这些技能文件可以跨工具流通，你在微软这套体系里录的技能，理论上别家智能体也能读。这种开放姿态，倒是挺符合微软最近在智能体生态上的打法，把底座做出来，让生态自己长。
顺着这个再聊聊适用人群。我觉得最受益的，反而不是程序员。程序员本来就会写脚本，录屏对他们来说是锦上添花。真正会尖叫的，是那些天天在网页后台和办公软件里做重复操作的人，运营、财务、HR、客服，他们的日常工作里有大量「打开某系统，填表，提交，再打开下一个」的流程。这些人不会写代码，但他们的经验恰恰是最值钱的，因为里面全是踩过坑才知道的隐性判断，比如某个特殊格式的客户数据该怎么判定，某个系统报错该怎么兜底。以前这些经验只能靠交接文档传承，文字写出来还会丢细节，现在录一遍屏加一段语音，全给你沉淀成 AI 能执行的技能了。
我自己试完的体感是，这玩意最妙的地方在于，它逼你把工作流程想清楚。你录屏的时候不能瞎点，得按逻辑来，录完 AI 帮你复盘出步骤，你还能顺便检查一下自己平时是不是绕了弯路。这哪是教 AI，这是借着教 AI 把自己的活也重新梳理了一遍。反正我是真觉得，这种「演示即编程」的方向，说到底就是接下来一年里自动化工具的主流玩法。
最后说一句，微软这个项目现在还挂着 experimental 的标签，issue 区里也有人反馈录制会崩、文档模板没改完这些毛病。但方向是对的，而且开源意味着它会以社区能看见的速度进化。我建议你找个周末，拿个不重要的账号，录一遍你平时最烦的那个流程，感受一下「做一遍 AI 就会了」是什么体验。反正我已经在盘算，下周一那份周报，要不要直接让它来。
