7 月 21 日，Anthropic 在 Claude 桌面端 Cowork 的「+」菜单里悄然上线了一项新功能：Record a Skill。录屏、边操作边语音讲解，录完后 Claude 自动把演示转化成一个可复用的 Skill 文件。
这不是一个效率小工具。它可能是企业知识管理过去二十年都没能走通的那条路。
一、破题：从「写 Skill」到「做 Skill」
此前在 Claude 中创建 Skill，需要手写一份 SKILL.md 文件——用 Markdown 写清步骤、触发条件、输入输出参数和元数据。非技术人员必须像流程设计师一样思考才能完成这件事。
门槛在于：把隐性经验翻译成显性指令。
现在「Record a Skill」跳过了翻译环节。它同时捕捉屏幕操作和语音讲解，后者才是关键——操作者在讲解中会自然地暴露判断逻辑：哪些情况该跳过、哪种格式是客户硬性要求、哪个数字异常需要人工复核。
这些东西几乎不可能写进操作手册，但一段实况录屏可以完整保留。
实测体验也很流畅：打开 Claude 客户端 → 点击聊天框左下角的【+】→ Skills → Manage skills → Add → Record your screen，授予录屏和录音权限后，就能开始录制。重复一遍你的完整工作流，口述补充必要的隐含判断逻辑，点击结束录制，Claude 自动分析并提炼成 Skill，保存后即可用斜杠命令（/）直接调用。
目前该功能面向 Pro、Max 和 Team 用户开放。
二、拆解：录屏讲解的价值，不止于「省掉写文档」
「Record a Skill」绕开了「写」这一步。这件事的深层意义，可以从三个层次理解。
第一层：个体效率层
原来创建 Skill 的 friction 在抽象写作。现在 friction 降到了「做一遍 + 讲一遍」。对于一个熟练的运营、设计、分析师来说，做和讲都是日常行为，不需要额外学习。这意味着 Skill 的创建成本从「半小时写文档」变成了「5 分钟录个屏」。
第二层：组织知识层
企业知识管理砸了几十年的钱——建知识库、写 SOP、搞最佳实践库——核心痛点始终是一个：专家不愿意写文档，写了也没人维护。 文档一「写」就过时，一「维护」就卡住。
录屏讲解的门槛比写文档低一个量级，产出的 Skill 人能读，AI 也能直接跑。更重要的是，当专家离职或转岗，留下的不是一个没人维护的 Word 文档，而是一个能直接运行的自动化流程。那个 MakeUseOf 报道的案例很说明问题——一位自由撰稿人在离职交接期间用 Claude Cowork 搭了一套内容生成工作流，客户说「你既然要走了，能不能把这个配好，我们自己跑？」五年的合作关系被一个 Skill 文件夹替代了。
第三层：产业结构层
这指向一个更大的趋势：AI 正在重新定义「工作技能」的含义。
哈佛商学院 2026 年 3 月的研究显示，AI 暴露度最高的岗位招聘量下降了 17%，但需要人机协作的岗位招聘量增加了 22%。换句话说，AI 不是在消灭工作，而是在重新划分工作的结构——「会做」不再稀缺，「能教会 AI 做」才是稀缺。
「Record a Skill」把这个转移往前推了一步：你的工作流本身就是一个可编程、可分发、可执行的资产。不是你用工具做工作，而是你的工作方式变成了工具。
三、建框架：从「五步法」到「三元组」
传统 Skill 的创建逻辑是「过程描述」——第 1 步做什么，第 2 步做什么。但「Record a Skill」实际上在捕捉三种信息：
- 操作序列（What）——屏幕上的点击、输入、跳转
- 判断逻辑（Why）——语音讲解中自然的条件分支和异常处理
- 输出标准（How Good）——操作者对结果质量的即时反馈（"这个排版不对""这个数据看起来有问题"）
这三者合一，才能构成一个真正可复用的 Skill。缺了中间那一层，Skill 就是一个死板的 checklist；有了中间那一层，Skill 才具备了「知道什么时候该变通」的能力。
这就是为什么「录屏+语音」比「录屏+文字标注」强一个量级——语音天然携带语气、停顿、强调，而这些正是判断逻辑最自然的外化形式。
四、推演：接下来会发生什么？
短期内（1-3 个月）：
Skill 数量会爆炸式增长。不是因为 Anthropic 做了什么推广，而是因为创建成本从「反人性」（写文档）降到了「人性」（做一遍、讲一遍）。每个有 Claude 桌面端的用户都会忍不住给自己常用的工作流录一个。
这将产生一个新的问题：Skill 的发现和质检。 当一个用户有几十个 Skill，团队有几百个 Skill 时，如何找到对的 Skill？如何判断一个 Skill 的质量？Anthropic 需要构建 Skill marketplace 或类似的生态基础设施。
中期（3-12 个月）：
Skill 的流通会成为新的商业模式。目前 Skill 是私有的，但一旦 Skill 可以共享、交易、评分，就会出现「Skill 开发者」这个角色——不是传统意义上的开发者，而是「能把工作流封装进 AI 的人」。
这对自由职业者和咨询顾问来说是一个明确的机会：你的交付物不再是报告或方案，而是一个能自动跑出报告的 Skill。
长期（12 个月以上）：
当 Skill 的创建、分发、执行都足够成熟，企业级 AI 部署的成本结构会发生根本性变化。不再是「我们买一个 AI 平台，然后所有人自己摸索怎么用」，而是「我们买一个 Skill 组合，覆盖 80% 的常规工作」。
这和 SaaS 从「开发平台」到「应用市场」的演变是同一个逻辑链条。
五、落到行动：现在能做什么？
如果你有 Claude Pro/Max/Team，现在就去试试「Record a Skill」。选一个你每周至少做三次的重复工作流，录一遍。感受从「做」到「Skill」的距离。
思考你的「判断逻辑护城河」。录屏时，有意地讲出你做的每一个判断——为什么跳过这步，为什么优先处理那条数据，什么情况下你会人工介入。这些才是你 Skill 真正的价值。
关注 Skill 的分享与复用机制。目前 Skill 在你本地，但很快生态就会跟上。提前想好：团队里哪些工作流值得标准化？哪些「一个人的手艺」可以变成「团队的能力」？
反向思考：你的工作中有哪些事情，录了屏也教不会 AI？ 那些事可能就是你的下一个职业方向。
「Record a Skill」真正的信号是：AI 的能力差距在缩小，但用 AI 的能力差距正在急剧拉大。 会录屏、会讲解、会把隐性判断转化为可执行流程的人，正在获得一种新的杠杆。
问题是：你要不要成为其中之一？
题图来源：Anthropic / Claude 桌面端