文章目录Claude Cowork录制技能技术解析从屏幕演示到可复用Skill的Agent自动化新范式一、引言二、功能全景从演示到自动化的三步闭环2.1 操作步骤2.2 适用人群与平台2.3 典型使用场景三、Claude捕捉了什么录制数据的五维度采集3.1 采集内容3.2 多模态融合3.3 与RPA录制方式的对比四、Skill生成机制从演示到结构化指令4.1 转换流程4.2 生成的Skill结构4.3 Claude如何理解泛化五、与传统Skill创建方式的对比5.1 两种创建路径5.2 演示式教学 vs 编程式教学六、企业级应用从个人效率到组织知识6.1 团队Skill库6.2 企业自动化的知识捕获6.3 典型部门应用七、技术挑战与局限性7.1 当前已知的限制7.2 界面变化问题7.3 与竞品的对比八、行业意义AI Agent的演示学习时代8.1 自动化民主化8.2 从AI工具到AI同事8.3 会做事的人开始把自己产品化九、总结Claude Cowork录制技能技术解析从屏幕演示到可复用Skill的Agent自动化新范式一、引言2026年7月21日Anthropic在X平台发布了一条简短但意味深长的公告“New in Claude Cowork: Record a skill.”这句话背后是一个产品哲学的根本转向——别再写指令了直接做给Claude看就行了。在此之前的Claude Cowork协同工作模式中用户如果想让Claude学会一个重复性工作流需要手动编写Skill文档——描述步骤、定义条件、配置触发器。这本质上是一个技术写作过程你得把自己的操作翻译成AI能理解的结构化指令。对于非技术人员来说这是一道难以跨越的门槛。而Record a Skill功能的出现彻底改变了Skill的创建方式打开录屏正常完成一次工作任务同时用语音解说每个步骤Claude就会自动将你的演示转化为结构化的、可重复执行的Skill。下次遇到相同任务直接调用这个Skill即可。这是AI Agent从编程式教学向演示式教学的关键跨越——它不再需要你学会怎么教它它自己看着你做一次就学会了。本文将从录制技能的实现原理、Skill生成机制、与传统创建方式的对比、企业级应用等维度对这一功能进行深度技术解析。亲爱的朋友们创作不容易若对您有帮助的话请点赞收藏加关注哦您的关注是我持续创作的动力谢谢大家有问题请私信或联系邮箱jasonai.fngmail.com二、功能全景从演示到自动化的三步闭环2.1 操作步骤┌──────────────────────────────────────────────────────────────┐ │ Record a Skill 三步操作闭环 │ │ │ │ 第一步启动录制 │ │ ┌──────────────────────────────────────────────────────┐ │ │ │ Claude Desktop → Cowork → → Record a Skill │ │ │ │ 或Skills → Manage Skills → Add → Record your screen│ │ │ └──────────────────────────────────────────────────────┘ │ │ │ │ │ ▼ │ │ 第二步演示 解说 │ │ ┌──────────────────────────────────────────────────────┐ │ │ │ · 正常在屏幕上完成工作任务 │ │ │ │ · 同步语音解说每个步骤 │ │ │ │ · Claude记录屏幕画面 鼠标操作 键盘输入 语音 │ │ │ └──────────────────────────────────────────────────────┘ │ │ │ │ │ ▼ │ │ 第三步自动生成 Skill │ │ ┌──────────────────────────────────────────────────────┐ │ │ │ · 停止录制后Claude自动整理录制内容 │ │ │ │ · 将演示转化为结构化的可执行Skill │ │ │ │ · 保存到个人/团队Skill库随时调用 │ │ │ └──────────────────────────────────────────────────────┘ │ │ │ │ 核心理念Dont write instructions, just do the thing. │ └──────────────────────────────────────────────────────────────┘2.2 适用人群与平台维度说明可用订阅层级Pro、Max、Teams不可用层级Free免费版用户无法使用平台Claude Desktop 桌面版Cowork模式发布时间2026年7月21日2.3 典型使用场景场景操作描述录制内容发票整理从邮箱下载发票 → 分类归档 → 录入Excel文件操作 表格录入批量重命名选择文件 → 按规则重命名 → 移动到新目录文件管理操作周报生成从各系统导出数据 → 汇总 → 格式化 → 发送跨系统数据整合项目追踪更新项目状态 → 填写进度 → 通知相关人员多步骤表单操作网页报告获取登录系统 → 导航到报告页 → 下载 → 重命名浏览器操作数据录入从文档中提取信息 → 填写在线表单 → 提交信息提取 表单填写三、Claude捕捉了什么录制数据的五维度采集3.1 采集内容当用户录制Skill时Claude同时捕获以下五类数据数据类型内容作用屏幕画面实时屏幕视频流理解操作的视觉上下文——看到什么、点击哪里鼠标轨迹光标位置、点击事件、拖拽操作精确定位操作目标和动作类型键盘输入按键序列、快捷键使用捕获文本输入和命令操作语音解说用户的实时语音讲解理解操作意图和步骤含义应用上下文当前活动窗口、应用类型识别操作环境——浏览器、文件管理器、Excel等3.2 多模态融合Claude将上述五类数据融合为一个统一的操作理解模型┌──────────────────────────────────────────────────────────────┐ │ 录制数据的多模态融合 │ │ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ 屏幕画面 │ │ 鼠标/键盘 │ │ 语音解说 │ │ │ │ (视觉) │ │ (交互) │ │ (听觉) │ │ │ └────┬─────┘ └────┬─────┘ └────┬─────┘ │ │ │ │ │ │ │ └─────────────┼──────────────┘ │ │ ▼ │ │ ┌──────────────────────────────────────────────────────┐ │ │ │ 统一操作理解模型 │ │ │ │ │ │ │ │ 视觉告诉我做了什么 │ │ │ │ 交互告诉我怎么做的 │ │ │ │ 语音告诉我为什么要这么做 │ │ │ │ │ │ │ └────────────────────┬─────────────────────────────────┘ │ │ │ │ │ ▼ │ │ ┌──────────────────────────────────────────────────────┐ │ │ │ 结构化 Skill 输出 │ │ │ │ · 步骤序列 │ │ │ │ · 操作目标 │ │ │ │ · 条件判断 │ │ │ │ · 错误处理 │ │ │ └──────────────────────────────────────────────────────┘ │ └──────────────────────────────────────────────────────────────┘这种多模态融合是关键——单纯的屏幕录制只能看到做了什么但无法理解为什么。加上语音解说后Claude就能将操作行为与用户意图关联起来从而生成更准确的Skill。3.3 与RPA录制方式的对比维度传统RPA录制如UiPathClaude录制Skill捕捉方式坐标定位 控件识别多模态融合视觉交互语音理解能力基于UI元素定位界面变化即失效基于语义理解有一定泛化能力用户输入纯操作录制操作录制 语音解说生成结果低代码脚本自然语言 结构化指令的Skill可维护性低界面变化需要重新录制中高语义理解提供一定鲁棒性四、Skill生成机制从演示到结构化指令4.1 转换流程Claude将录制内容转化为Skill的过程包含以下步骤步骤内容技术要点1. 操作分段将连续录制切分为离散的操作步骤基于鼠标/键盘事件的自然停顿点2. 意图识别理解每个步骤的目的是什么融合视觉画面和语音解说的语义分析3. 模式提取从具体操作中抽象出可泛化的模式识别哪些是固定的、哪些是变量化的4. 条件推断推断操作的前提条件和分支逻辑从语音解说中提取如果…就…的规则5. Skill组装将步骤、意图、条件组装为完整的Skill结构化输出包含名称、描述、步骤序列、触发条件4.2 生成的Skill结构一个由录制自动生成的Skill通常包含以下结构字段说明示例名称Skill的简短描述“整理每周销售报告”描述更详细的用途说明“从CRM系统导出本周销售数据汇总为Excel发送到团队邮箱”步骤序列按顺序排列的操作指令1. 打开CRM系统 → 2. 导航到报告页 → 3. 选择本周范围 → …输入变量需要用户提供的参数日期范围、目标邮箱触发条件何时自动调用这个Skill每周五下午4点 / 用户说生成周报错误处理遇到异常时的应对策略如果系统不可用发送通知而非报错4.3 Claude如何理解泛化录制Skill最核心的挑战是如何从一次具体的演示中提取出可泛化的规则演示中的具体内容泛化后的Skill规则“点击文件名为’2026年7月销售数据.xlsx’的文件”“点击文件名包含’[日期范围]销售数据’的Excel文件”“在A1单元格输入’总计15000’”“在A1单元格输入’总计[汇总金额]”“发送邮件给zhangsancompany.com”“发送邮件给[收件人列表]”Claude通过以下方式实现泛化语音解说的关键词提取——当用户说这里需要选本周的数据时Claude知道日期范围是一个变量操作模式的识别——如果用户每次都做类似的操作导出→汇总→发送Claude会将其抽象为通用流程上下文推断——从操作的应用类型和数据格式推断可变部分五、与传统Skill创建方式的对比5.1 两种创建路径维度传统手动创建录制生成入口Skills → Manage Skills → Add → Write Skill“” → Record a Skill创建方式手动编写结构化指令文档录制屏幕 语音解说所需技能需要了解Skill的语法和结构只需要会正常工作 说话创建时间10-30分钟取决于复杂度3-5分钟录制一次操作的时间准确性高精确编写每个步骤中高依赖Claude的理解能力适用人群技术人员、Power User所有人包括非技术人员5.2 “演示式教学” vs “编程式教学”这是两种完全不同的AI教学范式┌──────────────────────────────────────────────────────────────┐ │ 两种AI教学范式的对比 │ │ │ │ 编程式教学传统方式 │ │ ┌──────────────────────────────────────────────────────┐ │ │ │ 用户需要 │ │ │ │ 1. 把自己的操作翻译为结构化指令 │ │ │ │ 2. 了解AI能理解什么格式 │ │ │ │ 3. 手动定义变量、条件、分支 │ │ │ │ 4. 测试和调试 │ │ │ │ │ │ │ │ 本质用户学会怎么教AI │ │ │ └──────────────────────────────────────────────────────┘ │ │ │ │ 演示式教学录制Skill方式 │ │ ┌──────────────────────────────────────────────────────┐ │ │ │ 用户只需要 │ │ │ │ 1. 像平时一样完成一次工作 │ │ │ │ 2. 边做边说我在做什么、为什么这么做 │ │ │ │ 3. 剩下的交给Claude │ │ │ │ │ │ │ │ 本质AI学会看人做事 │ │ │ └──────────────────────────────────────────────────────┘ │ │ │ │ 降低的门槛从学会编程到会正常工作 │ └──────────────────────────────────────────────────────────────┘六、企业级应用从个人效率到组织知识6.1 团队Skill库对于Teams订阅用户录制的Skill不仅保存在个人账户中还可以共享到团队Skill库维度个人Skill库团队Skill库创建者个人团队中的任意成员使用者仅个人团队所有成员价值个人效率提升组织知识沉淀管理个人管理管理员统一管理这意味着一个资深员工录制的Skill可以成为整个团队的共享资产。新员工入职后不需要从零学习操作流程直接调用前辈录制的Skill即可。6.2 企业自动化的知识捕获场景传统方式录制Skill方式老员工离职知识流失需要文档交接离职前录制关键操作的Skill新员工培训人工培训 文档学习直接运行Skill库中的演示流程变更更新文档 → 重新培训重新录制一次Skill → 自动替换跨部门协作写文档解释操作流程共享Skill让对方直接运行6.3 典型部门应用部门可录制的Skill示例财务部发票审核、报销处理、月度结账人事部入职手续办理、考勤汇总、薪资核算销售部客户信息录入、报价单生成、合同归档客服部工单处理、投诉分类、回访记录行政部办公用品采购、会议室预订、差旅安排七、技术挑战与局限性7.1 当前已知的限制限制说明付费用户专享Free用户无法使用仅限Pro、Max、Teams桌面版独占目前仅在Claude Desktop桌面版可用界面变化适应性当软件界面更新后基于录制的Skill可能失效具体容错机制尚不明确敏感信息处理录制过程中可能捕获密码、个人信息等敏感数据隐私保护机制待明确跨用户修改录制的Skill是否可以被其他用户修改、如何管理权限尚未明确7.2 界面变化问题这是所有录制式自动化面临的共同挑战场景问题可能的解决方向UI更新按钮位置变了、菜单结构改了Claude的语义理解能力提供一定泛化数据格式变化文件名规则变了、表格列顺序改了需要重新录制或手动调整系统迁移从系统A切换到系统B几乎需要完全重新录制Claude的多模态语义理解相比传统RPA的坐标定位有更好的适应性但极限在哪里目前尚待观察。7.3 与竞品的对比产品录制方式特点Claude Cowork屏幕录制 语音解说多模态理解语义化SkillOpenAI Operator屏幕录制侧重于自动化操作执行UiPath屏幕录制 控件识别工业级RPA精确但复杂Microsoft Power Automate桌面流录制微软生态集成度高八、行业意义AI Agent的演示学习时代8.1 自动化民主化Record a Skill最大的行业意义在于它让每个人都能成为自动化流程的创建者。维度录制Skill之前录制Skill之后Skill创建者技术人员、自动化工程师任何会正常工作的人创建门槛需要了解Skill语法、结构化思维会做工作 会说话自动化覆盖率只有技术团队能覆盖的场景全公司所有部门的日常操作知识沉淀文档化写完就过时录制即文档运行即更新8.2 从AI工具到AI同事Claude Cowork的定位一直是AI同事Cowork而录制Skill功能进一步强化了这个定位人类同事AI同事Claude Cowork带新人时“我演示一遍给你看”“Record a Skill”演示一遍教会Claude老员工走了“他走之前把流程教给小李了”“他走之前录了5个Skill存在团队库里”“这个流程比较复杂我来帮你做”“我有一个Skill可以自动做这个”8.3 “会做事的人开始把自己产品化”知乎社区对这一功能有一个精准的评价会做事的人开始把自己产品化了。在过去一个人的操作经验是无法直接传递给别人的——你需要花时间去教、去写文档、去培训。但录制Skill让这个传递过程压缩到了做一次 说一遍。当每个人的操作经验都可以被零成本地转化为可复用的Skill时组织的操作知识就从隐性变成了显性从个人资产变成了组织资产。九、总结维度核心要点功能定位通过屏幕录制 语音解说自动将用户演示转化为可复用的Skill操作门槛从编程式教学降至演示式教学——会正常工作 会说话即可创建Skill数据采集五模态融合屏幕画面 鼠标轨迹 键盘输入 语音解说 应用上下文Skill生成操作分段 → 意图识别 → 模式提取 → 条件推断 → Skill组装企业价值个人Skill → 团队Skill库 → 组织知识沉淀实现操作经验的零成本传递行业意义自动化民主化——每个人都能成为自动化流程的创建者AI从工具走向同事Claude Cowork的Record a Skill功能代表了一个清晰的产品哲学最好的教学方式不是写文档而是做一次。当AI能够通过观察和倾听来学习人类的操作流程时人与AI的协作方式就发生了根本改变——不再需要人类学会怎么教AI而是AI学会怎么看人做事。这个转变的深远影响可能超出我们的想象当一个组织的操作知识可以零成本地从一个人传递给另一个人、从一个人传递给AI、从一个人传递给整个团队时组织的运行效率将发生质的飞跃。“Don’t write instructions, just do the thing.”——这句话看似简单但它回答了一个根本问题AI Agent的终极交互方式是什么不是更聪明的提示词不是更复杂的编程语言而是最自然的——做给它看说给它听。参考资料New in Claude Cowork: Record a skill — X / claudeaiClaude can now watch your screen to learn and repeat tasks — Android AuthorityAnthropic Ships Record a Skill in Claude Cowork Desktop App — AI WeeklyClaude Cowork推「Record a skill」新功能3步驟複製你的工作流 — 商业周刊Claude Cowork新增录屏教学用户演示一遍即可教会AI — 腾讯新闻Claude Cowork 推「Record a Skill」錄製操作流程即可讓AI — TechBangClaude 录屏生成Skill会做事的人开始把自己产品化 — 知乎Record a Skill with Claude in 5 Steps — LinkedIn / Charlie HillsAnthropic has added a new Record a skill feature — Facebook / Rundown NewsletterClaude Updates by Anthropic - July 2026 — ReleaseBot