一直在录制重复性任务,将它们转化为智能体技能。分享这个工具。
摘要
一个通过屏幕录制记录重复性任务,并将其编译为符合 agentskills.io 标准的可复用智能体技能的工具,以 MCP 服务器形式发布,支持跨平台使用。
最近我的智能体配置主要围绕技能展开。给智能体一份好的技能文件,它就能处理任务。瓶颈在于编写这些文件。我一直在用一个工具来反转这个过程:你演示一次工作流程,它会将录制内容编译成智能体可用的技能。该工具读取原生可访问性事件,从屏幕录制中添加视觉上下文,并对录制的值进行模板化处理,使技能具有可复用性,而非一次性。我喜欢的一些细节:
- 以 MCP 服务器形式发布,因此智能体本身可以触发录制、停止和编译操作。
- 输出为 SKILL.json 以及符合 agentskills.io 标准的人类可读 SKILL.md 文件。
- 设计上保留人在回路中。你演示,智能体学习。
- 通过原生可访问性钩子,支持 Windows、macOS 和 Linux。
仓库和文档链接放在下方评论区。大家目前是如何生成技能的?我很好奇“一次演示”在更复杂的工作流程中是否仍然有效。
相似文章
通过演示而非手动编写构建代理技能:一种记录与编译的方法
一款记录与编译工具允许用户演示桌面任务,随后由LLM将操作会话转换为结构化的技能文件,供代理重放,旨在降低僵化性并降低创建可复用代理能力的门槛。
我厌倦了维护 skill.md 文件,所以构建了一个开源 CLI,通过 GitHub 仓库来创建、管理和观察技能。你可以在任何智能体的会话之间监控、追踪和共享技能,同时迭代改进/版本化它们。
一个开源 CLI 工具,通过 GitHub 仓库创建、管理和版本化智能体技能,支持跨会话的可靠共享和观察。
一种构建自动化的新型智能体方法
一种新工具允许用户屏幕录制自己执行任务;智能体学习该任务并构建确定性脚本以自动化执行,并在脚本出错时进行回退处理。
我构建了一个开源MCP服务器,为AI智能体提供视频持久记忆
一位开发者介绍了Watch Skill,这是一个开源MCP服务器,通过创建本地索引(包括转录文本、OCR和视觉观察)为AI智能体提供视频持久记忆,以实现高效检索。
Launch HN: Screenpipe (YC S26) – 记录你的工作过程,并将其转化为智能代理
Screenpipe 在本地记录你的屏幕和音频,为 AI 代理提供关于你工作活动的可搜索记忆,从而能够自动执行重复性任务并创建标准操作流程。