screenpipe/screenpipe

解决的问题

Screenpipe 通过创建可搜索的、由 AI 驱动的计算机活动记忆，解决了数字工作流程碎片化的问题。它帮助用户回忆过去的任务、自动化重复性工作，并为 AI 代理提供必要的上下文以协助日常操作。

工作原理

Screenpipe 在您的机器上本地运行，持续捕获屏幕帧、系统音频、麦克风输入和键盘活动。它使用事件驱动的记录方式——基于应用程序切换或用户活动触发捕获，而不是持续录制视频——以保持资源使用的高效性。这些数据存储在本地的 SQLite 数据库中，可以通过 REST API、用于 AI 助手的 MCP (Model Context Protocol) 服务器，或者通过“Pipes”进行查询——“Pipes”是在 markdown 文件中定义的、可根据您的历史记录自动执行任务的可定制 AI 代理。

适用人群

• 需要跟踪时间或回忆过去会议和文档的知识工作者。
• 希望为 AI 编码助手（如 Cursor 或 Claude）提供有关其活跃项目上下文的开发人员。
• 希望部署 AI 工作流程，并对数据隐私和访问权限拥有确定性、操作系统级控制的团队和企业。

亮点

• 本地优先架构：默认在您的设备上捕获和存储数据，并提供用于同步和团队管理的可选云功能。
• 事件驱动捕获：仅记录有意义的更改（应用程序切换、点击、打字），以最大限度地减少对 CPU 和存储的影响。
• 插件系统 (Pipes)：允许您使用简单的 markdown 文件定义定时 AI 代理，以自动执行会议摘要或时间跟踪等任务。
• 广泛的 AI 集成：通过 Model Context Protocol (MCP) 与流行的 AI 编码助手协作，并支持像 Ollama 这样的本地推理模型。
• 确定性权限：为 AI 代理提供基于 YAML 的细粒度访问控制，确保它们仅访问授权的应用程序、窗口或数据类型。