微软刚开源的Skill Recorder：录一遍给AI看它就学会了，后续重复使用

微软上周悄悄开源了一个工具。你对着屏幕做一遍操作，它看懂了，然后把整个流程写成一份 AI Agent 能直接执行的 Skill 文件。

不是宏录制，不是像素回放。它理解你「想干什么」，然后用 Agent 自己的方式重新实现。

这个工具叫 Skill Recorder。但今天聊它，不只是因为它好用——而是它背后那个更大的变化。

Skill Recorder 是什么

7月30日，微软在 GitHub 上开源了 microsoft/skill-recorder，MIT 协议。

核心流程四步：

1. 录 — 按 ⌘⇧R 开始录制，正常操作电脑完成任务
2. 控 — 录制过程中有悬浮控制栏，随时静音、切换麦克风、结束或丢弃
3. 析 — 点 Analyze，GitHub Copilot 重建你的「意图 + 有序步骤列表」，你可以编辑、增删、重排
4. 创 — 确认后一键生成 Skill（SKILL.md 文件，Agent 按需调用）或 Automation（automation.json，按计划/触发器自动执行）

看起来像录屏工具对吧？但它和传统宏录制器有本质区别。

它不回放你的鼠标坐标。 Skill Recorder 优先使用 Agent 的原生工具——gh CLI、web_fetch、API 调用、Microsoft 365 工具——只有在任务确实是纯 UI 操作时，才会降级到浏览器自动化。

这意味着什么？你录一次「在 GitHub 上创建一个 Issue」，Agent 学会的不是「点击这个按钮、输入这个文字」，而是「用 gh issue create 命令创建 Issue」。UI 改版了，Agent 的 Skill 依然能用。

另一个关键设计：从一个例子泛化。 你录一次提交某个特定表单，Agent 学会的是提交所有类似结构的表单。它提取的是意图和模式，不是死记硬背那一次操作。

录制和分析的隐私边界也比较清晰：录制过程完全本地，只有你主动点 Analyze 才会把数据发到 GitHub Copilot 云端处理。语音旁白用 Whisper 本地转录，支持 99 种语言。

这不只是一个工具，是范式切换

把视角拉远一步。

过去你要教 Agent 一个新能力，流程大概是这样的：写 prompt → 调试 → 发现边界情况 → 补文档 → 继续调试 → 维护。这个过程需要你既懂 Agent 的工作方式，又能把人类的操作逻辑翻译成机器能理解的步骤。

现在呢？做一遍给它看。它自己提炼出可复用的步骤。

从「写 Skill」到「做给 AI 看」——这不是效率提升，是门槛坍塌。

以前只有会写 prompt 工程的人能教 Agent 新能力。以后，一个完全不懂编程的业务专家，只要能把一件事做一遍，就能让 Agent 学会。

这让人想起一个类比：从「写汇编」到「录宏」，再到「自然语言编程」，每次人机交互的抽象层级往上抬一层，能参与的人就多一个量级。Skill Recorder 在做的，是把「教 AI 做事」这件事的抽象层级，从「写文档」抬到了「做演示」。

SKILL.md 正在成为行业标准

Skill Recorder 的输出格式是 SKILL.md——一个 Markdown 文件，用 YAML frontmatter 描述技能的名称、触发条件和工具需求，正文是结构化的执行步骤。

这个格式不是微软发明的。但看看现在谁在用：

• Claude Code — Anthropic 的 Agent 技能系统原生基于 SKILL.md，Cowork 里已经内置了「录制 Skill」功能
• OpenAI Codex — 兼容 SKILL.md 格式
• Goose — 兼容 SKILL.md 格式
• OpenClaw — 同样使用 SKILL.md 作为技能定义格式

当多个主流 Agent 框架都在采纳同一个格式，它就不再是一个公司的私有规范，而是在成为事实标准。

而微软自己的布局更值得关注。它同时在四条线上推进 Agent Skill 生态：

四条线，从手动录制到自动提取，从代码开发到桌面操作，全覆盖。这不是在做一个工具，是在建一个生态。

SKILL.md 是这个生态的通用语言。谁掌握了标准，谁就掌握了 Agent 技能的分发权。

冷静看：v0.3.1 的真实状态

说完好处，说问题。

是源码发布，不是产品。 没有预编译安装包，需要自己从源码构建。需要 Node.js 24 + GitHub Copilot 账号。macOS 为主力平台，Windows 11 也支持但体验差一截。

没有自动脱敏。 这是最值得关注的安全问题。录屏会捕获你屏幕上的一切——密码、API token、敏感文件内容。v0.3.1 没有任何自动检测和脱敏机制。仓库里有个相关 PR，但明确标记了 DO NOT MERGE，截图脱敏的 OCR/blur 方案还没设计完。

稳定性有 open issues。 截至 7月31日，有两个被 reporter 标记为 High 的问题：录制过程中可能崩溃，状态机可能卡死导致录制无法正常结束。

绑定 Copilot 生态。 分析环节依赖 GitHub Copilot，数据要发到 GitHub 云端。这意味着你得有 Copilot 订阅，也意味着你的操作录屏会经过 GitHub 的处理管道。M365 的治理边界（Purview、DLP、eDiscovery）对这条数据流的覆盖情况未定义。

生成的 Skill 可能超出你审批的范围。 Issue #8 指出，最终生成 Skill 时，allowed-tools 字段可能包含你之前审批步骤中没有出现的工具权限。

一句话总结：v0.3.1 是一个很好的概念验证，但不是生产工具。微软自己的定位也是「实验性研究项目」。适合在隔离环境里用合成数据体验，不适合录真实业务流程。

所以呢

三个层面，三种行动方向：

如果你想体验 — 在隔离环境里，用不涉及敏感信息的合成任务试一试。感受一下「做一遍给 AI 看」是什么体验。这个交互范式可能会定义未来几年我们教 AI 做事的方式。

如果你是开发者 — SKILL.md 格式值得现在就开始研究。不管 Skill Recorder 本身能不能成，这个格式正在成为 Agent 技能的事实标准。你的 Agent 工作流迟早要用到它。

如果你在想更大的事 — 当「教 AI 做事」变得和「录个屏」一样简单，什么更有价值？是会写 Skill 的人，还是会用 Skill 的人？还是那个知道「该把什么教给 AI」的人？

技术在降低门槛，但判断力从来不会被工具替代。