🔢少数派•較早收集於 71m
屏憶:一款用於個人 AI 上下文的開源工具
💡了解如何構建本地、記憶增強型 AI 工具,將日常生活轉化為可操作的 LLM 上下文。
⚡ 30-Second TL;DR
有什麼變化
用於個人數據管理的開源架構
為什麼重要
此工具代表了向「個人 AI」的轉變,即將本地、非結構化的生活數據索引化以供 LLM 檢索。它為開發記憶增強型 AI 應用程式的開發者提供了參考藍圖。
下一步行動
探索 Pingyi 的 GitHub 儲存庫,了解他們如何建構個人生活日誌以進行 LLM 上下文注入。
誰應關注:Developers & AI Engineers
關鍵要點
- •用於個人數據管理的開源架構
- •專注於將短暫的日常生活轉化為 AI 可存取的上下文
- •填補了 AI 系統在長期個人記憶保留方面的空白
🧠 深度解析
Web-grounded analysis with 8 cited sources.
🔑 增強重點摘要
- •屏憶(ScreenMemo)是一款專為Android設備設計的AI手機螢幕記錄工具,透過截圖、OCR(光學字元辨識)與AI總結,將手機螢幕內容轉化為可回顧與檢索的個人數位記憶,旨在解決手機上資訊轉瞬即逝難以找回的問題。
- •該工具強調數據隱私,所有記錄的螢幕內容和處理後的資訊均儲存在本地設備上,不依賴雲端服務,確保用戶對個人數據的完全控制與主權。
- •屏憶能夠生成動態摘要、搜索結果和上下文片段,並可透過手動開啟的本地MCP(Mobile Context Provider)服務,為同一局域網內的AI客戶端提供這些資訊及選擇性的證據圖片,實現AI輔助回顧與總結。
📊 競品分析▸ Show
| 特性/產品 | 屏憶 (ScreenMemo) | MineContext (字節跳動) | ScreenMemory (Mac) | Personal AI Memory (Chrome 擴展) |
|---|---|---|---|---|
| 平台 | Android 手機 | 桌面 (混合架構) | macOS | 瀏覽器 (Chrome) |
| 數據儲存 | 本地 | 本地儲存 + 雲端VLM分析 | 本地 | 本地 (IndexedDB) |
| 主要功能 | 手機螢幕記錄、OCR、AI總結、本地MCP服務 | 螢幕截圖、pHash去重、VLM分析、6種上下文類型、主動生成洞察 | 螢幕記錄、OCR文字識別、關鍵字搜索、隱藏敏感軟體 | AI對話自動歸檔、全文搜索、離線訪問 |
| 隱私強調 | 高度本地化,數據不離設備 | 混合架構,部分分析在雲端 | 高度本地化,數據不離設備 | 高度本地化,數據不離設備 |
| 開源狀態 | 是 | 是 | 是 | 是 |
| 定價 | 免費 | 免費 | 免費 | 免費 |
🛠️ 技術深入
- 運行環境:主要在Android設備上本地運行,支援Flutter應用開發和Android原生JVM測試。
- 數據捕獲:透過定期截取手機螢幕畫面來捕捉日常生活片段。
- 核心處理:利用OCR技術識別截圖中的文字內容,並結合AI進行資訊總結與結構化,將非結構化數據轉化為AI可理解的上下文。
- 本地服務:提供一個可手動開啟的只讀局域網MCP(Mobile Context Provider)服務,允許同一局域網內的AI客戶端讀取動態摘要、搜索結果、上下文片段。
- MCP端點:固定為
http://<手機局域網IP>:37621/mcp,請求需帶Authorization: Bearer <token>。 - 敏感內容處理:預設不返回OCR原文或圖片base64,僅在工具參數顯式開啟
include_ocr或調用get_evidence_images時,才會返回敏感內容,並設有數量/長度限制。 - 存儲估算:若壓縮後每張截圖約50 KB,以每分鐘1張截圖計算,每月約佔用2.1 GB存儲空間。
- 開發語言/框架:應用程式主要使用Flutter開發,並包含Android原生JVM測試。
- 開發工具:建議使用
flutter analyze進行代碼檢查,flutter test進行Flutter測試,dart run tool/i18n_audit.dart --check進行國際化審計。 - 構建指令:支援
flutter build apk --debug(Debug APK) 和flutter build apk --release --split-per-abi --tree-shake-icons --obfuscate --split-debug-info=build/symbols(Release APK)。
🔮 前景展望AI analysis grounded in cited sources
個人AI助理將擁有更豐富且連貫的長期記憶,顯著提升其在複雜任務中的表現。
屏憶這類工具透過結構化個人生活片段,為AI系統提供持續的、本地化的上下文,解決了AI「失憶症」問題,使其能更好地理解用戶需求並提供個性化服務。
用戶對個人數據隱私的控制權將進一步強化,推動更多「本地優先」的AI應用發展。
屏憶將所有數據儲存在本地設備上,避免了敏感信息上傳雲端的風險,滿足了用戶對數據主權和隱私保護日益增長的需求。
跨平台個人數位記憶的整合將成為AI工具發展的下一個重要趨勢。
儘管屏憶專注於手機螢幕,但市場上已有多種工具嘗試在不同平台(瀏覽器、桌面)捕捉個人上下文,未來這些分散的記憶層有望透過標準化接口或聚合工具實現統一管理。
⏳ 時間線
2026-03-31
屏憶(ScreenMemo)項目在GitHub上被自薦為AI手機螢幕記錄工具,標誌著其作為開源項目的公開亮相。
📎 來源 (8)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源: 少数派 ↗