微软开源的 Skill Recorder 是一款"录屏 → Copilot 解析 → 生成 AI agent 可复用技能"的桌面工具。它让你演示一次操作,AI 自动生成标准化的 SKILL.md 技能文档，供 Claude、OpenClaw、Copilot 等 30+ agent 平台原生加载，把"行为即代码"从概念变成开箱即用的现实。
一、它到底做了什么?
一句话定义:Skill Recorder 是一款 Electron 桌面应用,由微软 2026 年开源(MIT 协议）,GitHub 仓库 microsoft/skill-recorder 已获 2,027 Star / 208 Fork,最新版本 v0.3.1(2026-07-30)。
它做了一件极其优雅的事情:把你"在屏幕上做一遍事情"的过程，自动变成 AI agent 可以反复执行的技能包。
工作流(README 自述）
[按 Ctrl+Shift+R / ⌘⇧R 开始录制]
↓
[执行你的真实操作 —— 浏览网页、填表、复制粘贴、跨软件协作]
↓
[按停止键 → 提交给 GitHub Copilot 分析]
↓
[Copilot 重构:1 个意图 + N 个有序步骤]
↓
[生成两种产物]
├─ Skill:一份 SKILL.md,供 agent 按需调用
└─ Automation:可定时/触发的自动化任务关键设计哲学来自项目原话:"Output prefers the agent's native tools (e.g., gh CLI, web_fetch) over replaying UI clicks, so one example can generalize to many cases."
这意味着它不是像素级回放工具（那是 Selenium 的旧活）,而是语义级意图提取器——你录一次"提交某个表单",agent 就能学会提交"所有同类表单"。
二、价值:为什么这是"录一次，跑千次"的范式?
1. 把"演示"变成最高级的编程语言
过去十年，低代码工具想解决"不会编程的人也能自动化",但都折在了"还是得学平台"这一关上。Skill Recorder 反向走了一条路:你演示，我学，产出标准化文档。门槛瞬间降到"会用鼠标就行"。
2. 产出物是纯 Markdown,可 git 版本化
传统 RPA(UiPath / Automation Anywhere)的流程图是私有二进制，无法放进 git、无法 code review、无法 diff。Skill Recorder 输出的 SKILL.md 是纯文本 + YAML,可以:
- 提交到 git 仓库做版本管理
- 用 VS Code 改 frontmatter 配置
- 通过 PR 流程做团队评审
3. 数据主权清晰
README 明确边界:录制、存储、抽帧、Whisper 字幕转录全部在本地完成;只有当你主动点 Analyze 时，截图+事件时间线才会发给 GitHub Copilot 云端处理。Whisper 模型(~252 MB)下载到本地后，语音旁白不依赖任何云服务。
4. 横跨所有主流 agent 平台
生成的 SKILL.md 不是微软私货，而是遵循 Anthropic 主导并贡献为开放标准的 AgentSkills 规范,由独立站点 agentskills.io 维护。这意味着录一次，生成的技能可以同时喂给 Claude Code、OpenClaw、GitHub Copilot、OpenAI Codex、Cursor、OpenHands 等 30+ 客户端,无需任何格式转换。
三、四大核心优势
优势 1:零学习成本
- 不需要学 RPA 平台（对比 UiPath Studio 需要专门培训）
- 不需要写提示词（对比 Prompt Engineering)
- 不需要懂 agent 调度（对比 LangChain / LangGraph)
- 只要你会用电脑 —— 这就是入口
优势 2:对 UI 变化天然鲁棒
传统 RPA 脚本在 UI 改动后经常崩溃（因为绑死坐标）。Skill Recorder 生成的步骤优先调用目标 agent 的原生工具:
- 处理 M365 数据 → 用 WorkIQ 的
workiq_*系列 - 处理 GitHub 操作 → 用
ghCLI - 处理网页读取 → 用
web_fetch/curl - 只在没有 API/CLI 时才退回到浏览器自动化(Playwright
browser_*)
这意味着即使你录制的网站改版了，生成的技能大概率仍然能跑。
优势 3:对一次演示做泛化
README 原话:"recording yourself submitting *one* form can teach the agent to submit *all* of them"。录一次"用 Expensify 提交某张发票",agent 学会的是"提交任意发票"的通用模式，而不是某次具体的点击序列。
优势 4:目标架构明确，生态打通
- ✅ Microsoft Scout(Skill + Automation 已启用）
- ✅ Microsoft Copilot Cowork(Skill 启用，Export-only)
- ⏳ Copilot Studio（灰显，coming soon)
- ✅ Claude Code / Claude Desktop（原生 AgentSkills 支持）
- ✅ OpenClaw（同 AgentSkills 规范 + 元数据扩展）
- ✅ GitHub Copilot / Cursor / Codex / Gemini CLI / OpenHands（均为 agentskills.io 认证客户端）
四、与传统 RPA、Computer Use 的关键差异
很多人会把 Skill Recorder 和三类工具混淆。这里给一张对比表，把差异说透:
| 维度 | 传统 RPA(UiPath / Power Automate) | Anthropic Computer Use | Skill Recorder |
|---|---|---|---|
| 复用单元 | 像素坐标 + DOM 选择器 + 流程图脚本 | 实时提示词 + 实时截图 | 一次演示 → 标准化文档 |
| 用户门槛 | 高（需培训） | 高（需懂 prompt + agent) | 极低（会演示就行） |
| 维护成本 | 高(UI 一变就崩） | 中（每次要重新 prompt) | 低（调原生工具，不绑坐标） |
| AI 适应性 | 中（底子仍写死） | 高（实时决策） | 高（语义提取） |
| 运行时机 | 定时/触发（无人值守） | 运行时实时操控 | 定时/触发/按需均可 |
| 可审计性 | 厂商私有二进制 | 不适用（无产出物） | 纯 Markdown,可 git |
| 数据出域 | 视厂商而定 | 全部送 LLM | 本地录制，Analyze 才出域 |
| 生态互通 | 锁死在自家平台 | 锁死 Anthropic | 30+ agent 客户端通用 |
| 适用规模 | 大型企业合规流程 | 实验性 / 单次任务 | 个人 / 小团队 / 跨平台 |
一句话总结:RPA 是"老式机械臂",Computer Use 是"实时脑控机械臂",Skill Recorder 是"把手把手教会的徒弟固化成了可复用的说明书"。
五、最适合的 3 类用户
用户 1:非技术业务人员（销售 / 客服 / 运营）
每天重复多步操作（填 CRM、发周报、汇总订单、抓取竞品价格）—— 没有编程背景，但有强烈的自动化需求。Skill Recorder 把"录屏"变成他们能掌握的最高级自动化语言,录一遍就能交给 AI 干一辈子。
用户 2:QA / SRE / 运维工程师
复杂 runbook（故障恢复、灾备切换、部署脚本）通常用 Markdown 写但需要人手动执行。Skill Recorder 把 runbook 直接转成 agent 可调用 skill,值班机器人可自动执行，人只需在异常时介入。
用户 3:AI 训练师 / Prompt 工程师
在 Claude / OpenClaw / Codex / Cursor 之间迁移技能时,SKILL.md 是真正的"便携集装箱"。一次录制，所有平台共用，避免每个平台都重新写 system prompt。
不太适合的场景
- ❌ 纯企业财务/HR 合规流程(UiPath / Power Automate 的审计/权限治理更稳）
- ❌ 实时交互场景（用 Computer Use 更合适）
- � 大规模数据迁移 ETL（用专用工具）
- ❌ Windows 10 用户（官方只支持 Windows 11)
六、Claude 与 OpenClaw 兼容性
6.1 Claude 生态:原生兼容，零改造
Claude Skills 的文件格式 SKILL.md 已经被 Anthropic 贡献为开放标准,由独立站点 agentskills.io 维护。Skill Recorder 输出的 SKILL.md 与该规范字面完全一致,无需任何转换。
部署步骤:把生成的目录拷到 ~/.claude/skills/<name>/SKILL.md 即可被 Claude Code / Claude Desktop 自动加载。
# 假设 Skill Recorder 生成到 ~/.copilot/skills/expense-report/
cp -r ~/.copilot/skills/expense-report ~/.claude/skills/
# 重启 Claude Code 即可识别SKILL.md 标准结构:
my-skill/
├── SKILL.md # 必填:YAML frontmatter + Markdown body
├── scripts/ # 可选:执行脚本
├── references/ # 可选:参考文档
└── assets/ # 可选:静态资源frontmatter 必填字段:
name(≤64 字符，小写字母/数字/连字符，匹配父目录名）description(≤1024 字符，说明何时调用）
6.2 生态兼容性速查表
| 消费方 | 是否支持 Agent Skills (SKILL.md) | 备注 |
|---|---|---|
| Claude Code / Desktop | ✅ 原生 | drop 到 ~/.claude/skills/ |
| GitHub Copilot | ✅ 原生 | VS Code + Copilot Chat |
| OpenAI Codex / ChatGPT | ✅ 已采纳(2026-01 跟进） | developers.openai.com/codex/skills |
| Cursor | ✅ | 显式列出 |
| Gemini CLI | ✅ | 显式列出 |
| OpenCode / OpenHands | ✅ | 客户端展示位 |
| OpenClaw | ✅ 兼容 | AgentSkills 规范 + 元数据扩展 |
| Anthropic Computer Use | ⚠️ 不直接消费 | Computer Use 是实时操控，不是消费 SKILL.md |
| LangGraph / AutoGen | ⚠️ 需封装 | 可读入 system prompt,但不自动加载 |
完整客户端清单见 agentskills.io。
七、硬件要求与系统依赖
| 项目 | 要求 |
|---|---|
| 操作系统 | macOS(x64 / ARM64,主目标）/ Windows 11(x64 / ARM64)/ Ubuntu(x64 / ARM64)。不支持 Windows 10 |
| Node.js | 24.x（安装脚本自动从 nodejs.org 下载便携版并校验 SHA-256,无需本地预装） |
| GitHub 账号 | 必须，需要 Copilot 订阅/权限(Copilot CLI 随应用内置） |
| macOS 权限 | Screen Recording（必需，首次启动时申请）+ Accessibility（用于读窗口标题）+ Microphone（可选，语音旁白） |
| Windows 权限 | Screen Capture（首次使用时 OS 弹窗）+ Microphone（可选）。窗口标题/App 切换无需任何权限（用 Koffi 直调 Win32) |
| 磁盘空间 | ~252 MB Whisper 模型（可选，首次语音旁白时按需下载）+ 数百 MB node_modules + Electron |
| 内存 | 日常录制占用极低;音频解码极端情况可达 ~1 GiB（已知 issue #10) |
| 依赖的 CLI | copilot（内置）+ 目标 Skill 使用的 gh、az、workiq_* 等（用户机器自带） |
架构敏感组件:Electron 43、Koffi(Win32 FFI)、Sharp/libvips、ONNX Runtime、GitHub Copilot CLI —— 均提供官方预编译包,无需本地编译器。
八、安装:3 条命令搞定
Step 1:从 release 页面拿到 commit SHA
访问 https://github.com/microsoft/skill-recorder/releases/latest,把页面上的 40 位 commit 哈希（例如 v0.3.1 对应 32fd0b57e02c3ea1e016cca0d64e59052e93a9b9)粘到下面命令的 <commit> 位置。
不要用
main/master/分支名 —— 安装器会拒绝可变引用，这是为了安全。
Step 2:执行一键安装脚本
macOS / Ubuntu（终端）:
commit="<40位SHA>"; curl -fsSL "https://raw.githubusercontent.com/microsoft/skill-recorder/$commit/install.sh" | SKILL_RECORDER_COMMIT="$commit" bash
# 想关掉终端后继续跑:加 SKILL_RECORDER_DETACHED=1Windows 11(PowerShell):
$commit="<40位SHA>"; $env:SKILL_RECORDER_COMMIT=$commit; irm "https://raw.githubusercontent.com/microsoft/skill-recorder/$commit/install.ps1" | iex安装脚本内部会:
- 下载 Node.js 24 官方便携包并校验 SHA-256(Windows 还校验 Authenticode 签名）
- 从 Codeload 拉取精确 commit 源码
- 跑
npm ci+ Electron 安装 + 许可证合规检查 - 创建快捷方式(macOS →
~/Applications,Ubuntu →.desktop,Windows → 开始菜单 + 桌面）
不需要 sudo,不需要全局 Node.js。
Step 3:首次启动 + 授权
- macOS:从 Spotlight/Launchpad/Dock 打开 Skill Recorder (Source),系统弹"Screen Recording 权限",去 System Settings 勾上并重启应用(issue #4 指出 macOS 不会简单通过弹窗按钮授权）
- Windows:从开始菜单/桌面快捷方式打开，首次使用录屏时会由 OS 弹出屏幕录制授权
- 首次点 Analyze 时，会触发 GitHub Copilot 登录（若未登录）
安装器环境变量速查（进阶）
| 变量 | 平台 | 作用 |
|---|---|---|
| SKILLRECORDERCOMMIT | 全平台 | 必填，40 位 commit SHA |
| SKILLRECORDERINSTALL_ROOT | 全平台 | 覆盖默认安装根目录 |
| SKILLRECORDERNO_LAUNCH=1 | 全平台 | 装完不自动启动 |
| SKILLRECORDERNODESKTOPSHORTCUT=1 | Windows | 只创建开始菜单快捷方式 |
| SKILLRECORDERDETACHED=1 | macOS/Ubuntu | 后台启动并保留滚动日志 |
九、使用流程:从录制到生成 Skill 的完整链路
完整路径
[打开 Skill Recorder]
↓
[首次:授予 Screen Recording 权限并重启]
↓
[按 Record 按钮 或 全局热键 Ctrl+Shift+R]
↓
[常驻浮动条出现在屏幕顶部 —— 显示录制时长、麦克风状态、语言选择]
├── 可选:打开 Narrate、选语言(99 种,Whisper)、选麦克风设备
├── 实时:切换应用/浏览器时自动捕获 app.activate + window title + browser URL
├── 实时:复制文本时捕获 clipboard.change(短预览 + 哈希)
└── 实时:屏幕以 Chromium desktopCapturer 1 fps 抽帧,WebM 持续写入
↓
[执行你的真实任务 —— 浏览网页、操作 Excel、提交表单等]
↓
[按 Stop(或再次按热键)/ 点 Discard(需二次确认)取消本次]
↓
[Session 进入 library,状态为 "recorded"]
↓
[点 Analyze]
← 首次需 Sign in to Copilot(GitHub 账号 + Copilot 订阅)
← 事件时间线 + 屏幕抽帧 + 剪贴板预览 + 旁白文本 发送给 Copilot 云端处理
↓
[Copilot describer 重构: 1 个整体意图 + N 个有序步骤]
↓
[人工 Review / 编辑 analysis 文本,直到读起来对]
↓
[点 Create]
├── 生成 Skill → 输出 SKILL.md(供 agent 按需调用)
└── 生成 Automation → 同流程 + 调度/触发器
↓
[生成的 Skill/Automation 优先调用 native 工具(gh CLI、web_fetch、az)
而不是回放 UI 点击;并从你的一次示范泛化到同类任务]3 个典型场景（来自官方评测集）
场景 A:网页数据 → Excel（最常见）
- 操作:Edge 打开某商品价格页 → 复制几行价格 → 粘贴到 Excel/Sheets
- 生成的 Skill:意图是"从指定 URL 抓取定价行 → 用
web_fetch而非 Playwright（因为这是网页读任务）→ 写入.xlsx,每行带价格/型号/链接" - 出处:
evals/scenarios/web-to-spreadsheet.ts
场景 B:Web 表格发票 → 电子表格
- 操作:Chrome 浏览发票页面(Web table)→ 选中表格行 → 复制 → 粘贴到 Excel,加上日期/金额/客户列
- 期望生成:意图"从在线发票表抽取结构化记录";步骤显式识别表格列名，builder 要求使用
web_fetch+xlsxskill;禁止用浏览器自动化 - 出处:
evals/scenarios/invoice-extract.ts
场景 C:跨多应用业务流程（信用卡对账报费用）
- 操作:Chrome 查 Amex 账单 + Preview 读 PDF 收据 + Expensify 提交报销
- 期望生成:跨 3 个应用的步骤被正确分段;意图精确锁定"对账并提交报销";禁止 Skill Recorder 自身的对话框/HUD 出现在步骤里（评测集 hard-fail);describer 还需识别并丢弃中途中转到食谱网站等与意图无关的干扰
- 出处:
evals/scenarios/expense-report.ts,evals/scenarios/irrelevant-detour.ts
输出目录位置
- Windows:
%LOCALAPPDATA%\SkillRecorder\versions\<commit>\ - macOS:
~/Library/Application Support/SkillRecorder/versions/<commit>/ - Ubuntu:
~/.local/share/SkillRecorder/versions/<commit>/
每个 session 一个子目录，内含 session.json、events.jsonl、video.webm、video-frames/、frames/、audio.json、narration.json（若启用旁白）。
模型选择
没有独立配置项。Skill Recorder 把所有 LLM 调用委托给 GitHub Copilot CLI（随应用内置）,模型选型走 Copilot CLI 自己的订阅和路由。普通用户无法在应用 UI 里切换模型 —— 这既是便利（开箱即用）,也是局限(issue #43 反映"锁死只能用 Copilot")。
十、踩坑预警与已知问题
按严重度整理自 issue tracker,部署前务必看一眼:
🔴 高严重度 / 必看
| Issue | 摘要 | 影响 |
|---|---|---|
| #4 | macOS 权限在录制中途才弹，Screen Recording 必须手动去 System Settings 勾选 + 重启，首次录制必失败 | macOS 用户首次体验会卡住 |
| #7 | 录制时未处理的 write-stream error 会让主进程崩溃 | 录制中可能丢数据 |
| #8 | Skill 安装可能把 allowed-tools 扩大到超出人类审批范围 | 安全风险，生成的 skill 权限过大 |
| #9 | 录制状态机在 finalize/start I/O 失败时可能卡死在 stopping/starting | 需重启应用 |
| #29（已修于 v0.3.1) | Windows v0.3.0 报告 18 个生产依赖漏洞 | Windows 用户必须升级到 v0.3.1 |
� 中等严重度 / 留意
| Issue | 摘要 |
|---|---|
| #5 | 终端录制(PTY)尚未实现 —— 这块需要等后续版本 |
| #10 | 音频解码可能一次分配整个文件到内存，长录制可达 ~1 GiB |
| #12 | Analysis 编辑落盘未校验 payload 形状 |
| #13 | deleteSession 可能与后台后处理竞争 |
| #14 | 帧提取的 ffmpeg 调用没有超时，可能挂死 |
| #15 | 音频捕获 preload onstop 无 .catch,未处理 promise 拒绝 |
| #16 | Whisper 模型缓存"存在性"检查太弱，损坏模型会被接受 |
| #17 | Automation 重新导出未校验目标路径 |
🟢 功能缺失 / 不致命
- #22:没有"新版本可用"提醒
- #23:无法用后续录制扩展已有 analysis（只能替换）
- #35:待 bump sharp 到 0.35.x（需 libvips 合规复核）
- #43:锁死只能用 Copilot,不支持选其他 agent
⚠️ 隐私提醒
README 明确警告:不要在录屏时输入密码/token/密钥。虽然本地录制不上传，但 Analyze 阶段截图会发到 GitHub 云端。涉及敏感凭证的场景，请提前清理录屏内容或干脆不录。
写在最后:为什么这件事值得现在就试一下?
把视角拉到 2026 年中，Skill Recorder 才发布 3 个月、3 个版本，但它精准地击中了一个真实痛点:
过去 10 年，自动化工具的"用户门槛"和"维护成本"几乎是反比关系 —— RPA 平台越强大，学习曲线越陡。Skill Recorder 用"演示一次"的极低门槛 + "标准化产出物"的极低维护成本,把这条曲线彻底拍平。
更重要的是，它产出的不是"另一个私有格式",而是 Anthropic 主导的开放标准 AgentSkills。这意味着它从出生起就是横跨整个 AI agent 生态的便携集装箱 —— 你录一次，Claude、OpenClaw、Copilot、Codex、Cursor 全部能用。
对个人开发者:你可以把自己每天重复的工作流固化成 skill,让 AI 替你跑。 对小团队:你可以把团队成员的"独门操作"沉淀成公共技能库，降低离职风险。 对整个生态:它验证了"演示编程"(Programming by Demonstration)在 AI 时代的可行性。
如果你已经在用 Claude / OpenClaw / Cursor 中的任何一个,花 30 分钟录一次你今天重复过的工作,然后看看生成的 SKILL.md —— 你大概率会和我一样，会心一笑:
原来 AI 学东西，真的可以像人一样 —— 你演示一遍，它就记住了。