企业官网建设流程全解析

Skill Recorder 未来路线图：已埋线的功能与开源贡献完整指南

【免费下载链接】skill-recorderDesktop app that records your on-screen work session and uses the GitHub Copilot CLI to reconstruct it as an intent + ordered steps, then builds a reusable Skill or Automation for Microsoft Scout, Microsoft Copilot Cowork, or Copilot Studio.项目地址: https://gitcode.com/gh_mirrors/sk/skill-recorder

Skill Recorder 是一款桌面应用：它录下你屏幕上的真实工作过程，再借助 GitHub Copilot CLI 把操作重建为「意图 + 有序步骤」，最终生成可复用的 Skill 或 Automation。如果你关注Skill Recorder 未来会做什么，以及如何从零开始参与 Skill Recorder 开源贡献，这篇指南把两条线索一次讲清楚：哪些功能已经「埋好线」、随时可以复活，以及贡献者从评测到发布应该走怎样的路径。

如何阅读 Skill Recorder 功能路线图：先看"休眠功能"文档

项目维护者把路线图写进了代码本身，核心入口是这份文档：

• 未来功能清单：docs/future-features.md

它专门记录已经在代码里接好线、但刻意没有露出到 UI 的功能。官方原话是：每个条目都是"休眠的，而不是死掉的"（dormant, not dead）——后端通路完整保留，将来想启用时无需重新铺设管道。

案例解析：手动标记（Add marker）的"埋线"过程

以最典型的手动标记功能为例，它展示了路线图条目长什么样：

其中保留的管道分布在以下模块，想理解 Skill Recorder 架构的人可以顺着读：

• 渲染桥接：electron/preload.cjs（window.skillRecorder.marker）
• IPC 通道与结果类型：common/ipc.ts、electron/ipc.ts
• 录制器处理器：electron/recorder/controller.ts 的marker()
• 事件类型与负载：common/events.ts 的EventType.Marker、MarkerPayload
• 关联与打包：common/correlation.ts、common/bundle.ts 的step.markers

文档还给出了复活建议：不要带回阻塞式的window.prompt，优先做低摩擦触发方式（例如全局热键标记当前时刻、可选快捷备注），让标记成为「这一瞬间很重要」的精确信号，与连续的旁白文字互补而非重复。

💡 对贡献者来说，这类文档是最好的切入点：功能边界、被移除的原因、推荐的实现方式都写清楚了，你不需要猜维护者的意图。

贡献指南第一步：用评测套件守住你的改动

Skill Recorder 有一个贡献者必须了解的体系——评测（evals），它覆盖三个关键环节，总览见 evals/README.md：

1. 描述器评测：npm run eval

验证多轮 Copilot 描述器能否把固定、合成的录制信号稳定地转成「整体意图 + 有序步骤」。运行真实流水线（processSession()生成bundle.json+description.md），再对结果按评分标准打分：意图关键词、步骤数量、涉及应用、有序动作子序列等。

2. 构建器评测：npm run eval:builder 与 npm run eval:skill

• Automation 构建器（evals/builder/）：守住最终阶段——把已批准的意图泛化为 Scout 制品。它诞生于一个真实回归：构建 GitHub 相关任务时曾偏好浏览器自动化而非ghCLI。
• Skill 构建器（evals/skillbuilder/）：检查生成的SKILL.md计划结构，包括固定值声明、计算步骤与动作步骤的拆分。

3. 敏感信息评测：npm run eval:sensitive

完全确定性、无 LLM、无网络：真实运行 secretlint 与结构化 PII 正则检测器，验证出站文本被正确脱敏、屏幕帧上的敏感值被正确模糊。这直接对应 electron/sensitive/ 的本地脱敏管线。

如何新增一个评测场景

这是最友好的贡献入口之一，文档给出了完整步骤：

1. 在 evals/scenarios/ 新建<id>.ts，导出一个Scenario
2. 用 evals/scenario.ts 的辅助函数（recorder、visit、appActivate、clipboard、terminal）拼装事件流
3. 在rubric中描述"好的结果"，并把场景注册到 evals/scenarios/index.ts
4. 保持truth（事实描述）准确——它是--judge语义评分的基准

评分逻辑见 evals/scoring.ts：确定性、无 LLM，是主要的通过/失败信号。

贡献指南第二步：本地开发与常用文档

开发者环境要求Node.js 24，检出某个发布版本后执行：

npm ci npm run compliance:licenses npm run dev

npm run dev会启动 Vite 并热重载地拉起 Electron 应用；全局热键Ctrl+Shift+R（Windows）/⌘⇧R（macOS）可随处切换录制。

动手前建议通读这几份文档，它们覆盖了从安装到发布的完整链路：

贡献指南第三步：提交你的第一个 Pull Request

结合 CONTRIBUTING.md 与仓库说明，贡献流程可以概括为：

1. 克隆仓库：git clone https://gitcode.com/gh_mirrors/sk/skill-recorder，检出你要修改的发布版本
2. 遵守许可证承诺：你的贡献默认以仓库的 MIT 许可证授权；复制的第三方代码、字体、媒体、模型或二进制必须保留原始许可证并说明来源与再分发条款
3. 本地验证：跑通相关评测（npm run eval等），确保你的改动不破坏既有行为
4. 提交 PR 并接受 CLA：提交后 CLA 机器人会自动判断是否需要签署贡献者协议，按提示操作即可，整个流程只需做一次

🎯新手友好的切入点推荐：新增一个评测场景、补全 docs/future-features.md 中某个休眠功能的复活方案、或按文档建议的低摩擦方式实现「标记」功能——这些工作边界清晰、有文档背书，非常适合第一份贡献。

总结：路线图写在代码里，贡献路径铺在文档里

Skill Recorder 的"未来"不是一份悬空的规划，而是保留在代码中的完整管道加上一套确定性的评测护栏。想跟进它演进的读者，盯住 docs/future-features.md 就是盯住路线图本身；想参与的开发者，从评测场景和休眠功能的复活建议入手，是这个项目为你准备好的最短路径。

【免费下载链接】skill-recorderDesktop app that records your on-screen work session and uses the GitHub Copilot CLI to reconstruct it as an intent + ordered steps, then builds a reusable Skill or Automation for Microsoft Scout, Microsoft Copilot Cowork, or Copilot Studio.项目地址: https://gitcode.com/gh_mirrors/sk/skill-recorder