#AI #GitHub
📻 做你电脑的黑匣子 —— Screenpipe
🤔 最近发现一个叫做 Screenpipe 的项目，很像是在 AI 时代来临前早些年间的那个「Rewind」，不过当年它还没用上 AI 能力，现在想想此时此刻应该也是它发力的最好时机了吧。
😂 说回 Screenpipe，它是由 mediar-ai 团队开发的开源项目，主打「AI 应用商店」理念。它通过 24 小时不间断地本地记录你的桌面屏幕和麦克风内容，将这些数据索引为 API，供 AI 应用调用，实现更智能、更个性化的桌面自动化和助手功能。
💡 用通俗易懂点的话来说，Screenpipe 很像是一个安装在你电脑里的「黑匣子」，它会在后台持续记录你的屏幕内容和麦克风声音（比如你在看什么、打什么字、开了哪些软件、说了什么话），但所有数据都只保存在你自己电脑里，不会上传到云端。等到有需要调取相应时间轴或者时间点相应动作的 App 出现，它会以 API 的形式输出「上下文摘要」或「结构化信息」（并不是记录的原始的隐私信息）。
😊 其实，我感觉这个事情的理念非常不错，但是为时太早。更何况，收集用户隐私这种事情非常敏感，虽然 Screenpipe 团队一而再再二三的所有数据都存储在本地，但是第三方来做这个事情难免会让用户膈应。感觉是 Apple、Microsoft 这种系统厂商级别来做会更天然一点。
🧠 由于数据都留存在本地做分析，所以 Screenpipe 在本地部署了轻量的 LLM，当然也支持自己下载更多大模型，如 Llama、Mistral、Gemma、Whisper 等开源大模型（前提是你的电脑硬件性能足够）。
💻 目前已有少量的 App 接入到了 Screenpipe 的这个 AI 应用商店中，取用它输出的用户结构化的行为数据。这次推荐并不是说让大家都用起来，而是分享一个还不错的趋势方向，相信未来会有更多的类似的中间件服务出现，或许 Apple 也会下场（or 收购其他一家）来做。
🌐 Screenpipe 也将项目开源在 GitHub 上，可以前往项目页面了解更多详情。
⚠️ 本文更多只是分享理念，笔者感觉用通过本地收集并通过片本地大模型分析再接入到下游的 App 使用到用户场景中，这条路还有很长
📻 做你电脑的黑匣子 —— Screenpipe
🤔 最近发现一个叫做 Screenpipe 的项目，很像是在 AI 时代来临前早些年间的那个「Rewind」，不过当年它还没用上 AI 能力，现在想想此时此刻应该也是它发力的最好时机了吧。
😂 说回 Screenpipe，它是由 mediar-ai 团队开发的开源项目，主打「AI 应用商店」理念。它通过 24 小时不间断地本地记录你的桌面屏幕和麦克风内容，将这些数据索引为 API，供 AI 应用调用，实现更智能、更个性化的桌面自动化和助手功能。
💡 用通俗易懂点的话来说，Screenpipe 很像是一个安装在你电脑里的「黑匣子」，它会在后台持续记录你的屏幕内容和麦克风声音（比如你在看什么、打什么字、开了哪些软件、说了什么话），但所有数据都只保存在你自己电脑里，不会上传到云端。等到有需要调取相应时间轴或者时间点相应动作的 App 出现，它会以 API 的形式输出「上下文摘要」或「结构化信息」（并不是记录的原始的隐私信息）。
😊 其实，我感觉这个事情的理念非常不错，但是为时太早。更何况，收集用户隐私这种事情非常敏感，虽然 Screenpipe 团队一而再再二三的所有数据都存储在本地，但是第三方来做这个事情难免会让用户膈应。感觉是 Apple、Microsoft 这种系统厂商级别来做会更天然一点。
🧠 由于数据都留存在本地做分析，所以 Screenpipe 在本地部署了轻量的 LLM，当然也支持自己下载更多大模型，如 Llama、Mistral、Gemma、Whisper 等开源大模型（前提是你的电脑硬件性能足够）。
💻 目前已有少量的 App 接入到了 Screenpipe 的这个 AI 应用商店中，取用它输出的用户结构化的行为数据。这次推荐并不是说让大家都用起来，而是分享一个还不错的趋势方向，相信未来会有更多的类似的中间件服务出现，或许 Apple 也会下场（or 收购其他一家）来做。
🌐 Screenpipe 也将项目开源在 GitHub 上，可以前往项目页面了解更多详情。
⚠️ 本文更多只是分享理念，笔者感觉用通过本地收集并通过片本地大模型分析再接入到下游的 App 使用到用户场景中，这条路还有很长