近年来，大语言模型（LLM）和 AI Agent 快速发展，但真正阻碍企业落地 AI 的，并不是模型能力，而是如何把人的经验沉淀为 AI 能够执行的能力（Skill）。

微软最新开源的 Skill Recorder 正是为了解决这一问题而诞生。

它的理念非常简单：

不用写 Prompt，也不用写工作流，只需要演示一次，AI 就能学会。

这一思路意味着，AI 正在从 Prompt Engineering（提示词工程） 迈向 Demonstration Engineering（演示工程）。

什么是 Skill Recorder？

Skill Recorder 是微软开源的一个工具，它可以记录用户执行任务的全过程，包括：

屏幕操作
鼠标点击
窗口切换
浏览器访问
Terminal 命令
剪贴板内容
（可选）语音讲解

随后，它会调用 GitHub Copilot 对整个流程进行分析，自动提炼出：

用户真正想完成的目标（Intent）
关键业务步骤（Workflow）
参数和变量
可复用的 Skill（SKILL.md）
可定时执行或自动触发的 Automation

整个过程并不是简单地录制鼠标，而是尝试理解为什么这样做。

Skill Recorder 的工作流程

整个流程可以概括为四个步骤：

第一步：录制任务

用户像平时一样完成工作。

例如：

处理 GitHub Issue
部署 Azure 服务
提交日报
更新 Jira
下载报表
回复客户邮件

整个过程中无需任何 Prompt。

第二步：AI 分析

录制结束后，GitHub Copilot 会分析整个过程。

它不会只记录：

点击这里 → 输入这里 → 点击那里

而是尝试理解：

用户是在创建 Issue

用户是在审批流程

用户是在发布版本

用户是在同步数据

也就是说，它提炼的是任务意图（Intent）。

第三步：生成 Skill

随后生成一个标准化的 SKILL.md。

Skill 通常包含：

任务说明
使用条件
输入参数
执行步骤
注意事项
可调用工具

这意味着，这项能力以后可以被任何 AI Agent 重复使用。

第四步：Agent 自动执行

以后用户只需要一句话：

帮我处理今天所有新的 GitHub Issue。

Agent 就会调用刚刚生成的 Skill 自动完成工作。

整个过程无需再次演示。

与传统 RPA 最大的区别

很多人第一次看到 Skill Recorder，会觉得：

“这不就是录屏版 RPA 吗？”

实际上，两者区别非常大。

传统 RPA：

记录鼠标坐标
记录点击位置
UI 一变就失效
极度依赖页面布局

Skill Recorder：

理解用户意图
优先调用 API
优先调用 CLI
优先调用 Agent Tool
必要时才进行 UI 操作

例如：

传统 RPA：

点击按钮
等待3秒
点击输入框

Skill Recorder 更倾向于理解为：

创建 GitHub Issue
填写标题
填写描述
提交

因此，即使页面发生变化，只要底层能力没有变化，Skill 仍然能够继续工作。

为什么它很重要？

过去企业部署 AI 最大的问题不是模型，而是知识。

现实情况通常是：

SOP 写了没人看
操作经验只存在老员工脑子里
Prompt 五花八门
每个人都有自己的模板
AI 无法真正复用经验

Skill Recorder 改变了这一模式：

不需要写 Prompt。

不需要写流程。

直接演示即可。

这让业务专家也能轻松构建 AI 能力，而无需成为 Prompt Engineer。

企业中的典型应用场景

Skill Recorder 特别适合那些每天重复执行、但又依赖经验的工作，例如：

运维

发布服务
查看日志
重启资源
排查异常

开发

Code Review
Issue 分类
Bug 修复
Release 发布

财务

下载报表
数据汇总
对账
生成月报

人力资源

简历筛选
面试安排
入职流程
Offer 审批

客服

回复工单
查询订单
更新 CRM
升级复杂问题

这些原本依赖个人经验的流程，都可以沉淀为可共享、可复用的 AI Skill。

Skill Recorder 的价值

从企业角度来看，它带来了几个明显优势：

将隐性经验转化为标准化资产
降低 AI 使用门槛
加快 Agent 部署速度
提高流程一致性
便于版本管理和团队共享
减少 Prompt 编写和维护成本

随着 Skill 的积累，企业可以逐步形成自己的 AI 能力库，而不是让知识停留在个人手中。

与微软 AI Agent 生态的关系

Skill Recorder 并不是一个孤立工具，而是微软 AI Agent 生态的重要组成部分。

微软近年来持续推进以 Skill 为核心的 Agent 能力体系，通过 GitHub Copilot、Microsoft Foundry、MCP（Model Context Protocol）等工具，将领域知识封装为可复用的技能文件（SKILL.md），帮助 AI Agent 在不同项目和场景中快速获得专业能力。Skill Recorder 则进一步降低了创建 Skill 的门槛——从“手写技能”转变为“演示生成技能”，让业务人员也能参与 AI 能力建设。