Anthropic 上线“录制技能”功能：只需23秒，AI 即可学会业务专家的判断逻辑

type

status

date

slug

summary

事实梳理：从“写给机器看”走向“做给机器看”

早在之前的 Agent Skills（智能体技能）体系中，Anthropic 就允许用户将工作方法和指令打包成标准化模板。然而，这项功能一直存在一个极高的门槛：员工必须具备将自身工作流程抽象、结构化并“写”成说明文档的能力。在实际业务场景中，经验最丰富的专家往往也是最缺乏时间去撰写详尽文档的人。

“Record a skill” 功能彻底拆除了这道门槛。它将经验捕捉的方式从传统的“撰写流程说明”转变为直观的“演示加口述”。机器接管了最复杂的抽象化工作，自动从人类的演示与语音讲解中推断出哪些是固定步骤、哪些是变量，以及在不同情形下的判断条件。这种产品逻辑的演进，让技能入库的人群从少数“会写文档的人”扩展到了所有“会做业务的人”。

核心影响：破解隐性知识外化的成本瓶颈

在传统的自动化工具（如 RPA）和流程挖掘技术中，系统只能记录员工“点击了哪里”或“输入了什么数据”。然而，业务流转中真正有价值的是动作背后的“理由”——为什么这一单要跳过审核？为什么这个字段为空时需要询问上游？这些隐性知识通常只存在于老员工的脑海中，也就是知识管理理论中难以低成本转化的“外化”环节。

通过将屏幕动作捕捉与语音逻辑解释相结合，新功能成功地将高昂的经验沉淀成本压缩到了数十秒的顺手演示中。当经验萃取的成本趋近于零时，企业的知识资产将迎来爆发式增长。这不仅极大地提升了常规业务的自动化效率，也让 aigc.bar 上的企业级开发者和 AI 落地推动者看到了智能体在核心业务中规模化应用的曙光。

风险与限制：难以量化的判断与自动化的反讽

尽管技术突破令人振奋，但这套体系在实际落地时仍面临几道难以逾越的隐形限制：

首先是能力的边界。正如经典的“波兰尼悖论”所言，人类知道的往往比能说出来的多。录制功能只能捕捉那些“能说得清但平时没机会记录”的常规规则，而对于依赖直觉、分寸感和复杂人际博弈的异常处理，AI 依然无能为力。如果系统在处理这些“难以言说”的例外情况时表现出过度的自信，反而会给企业带来难以预估的合规与业务风险。

其次是“自动化的反讽”现象。当 AI 接管了所有容易的、高频的常规操作后，人类员工将失去在日常重复中积累经验和培养判断力的机会。一旦系统遇到无法处理的极端异常情况交还给人类时，疏于练习的员工很可能无法有效应对。因此，企业必须刻意保留一部分“例外情况”供新人练手。

最后是组织层面的利益分配难题。如果员工倾囊相授，将自己的核心技能无偿转化为可无限复制、不知疲倦的 AI 副本，那么“教会了机器，我能得到什么”将成为每一个打工人内心的隐忧。缺乏合理激励、所有权界定和对冲机制的组织，最终往往只能收获缺乏核心判断逻辑的“空壳”技能。

结论

Anthropic “录制技能”的问世，标志着 AI 正在以前所未有的速度重塑企业内部的经验传承模式。它证明了在当今的 AI 时代，自动化流程的实现难度正在快速下降，而真正的挑战已经转移到了管理侧：组织需要回答“沉淀什么”、“谁来验证”，以及设计出既能拥抱效率又不伤害员工贡献意愿的新型分配制度。对于所有致力于推进 AI 落地的企业而言，如何解答这道围绕“人与机器”的分配题，将决定其在 AI 转型浪潮中的最终高度。