最近在 B 站刷到一个小黑日报助手的视频，它能自动总结你每天做了什么、看了什么，生成日报。这个需求确实不错——现代工作环境下，我们每天在无数个标签页、聊天窗口、文档之间切来切去，到下班的时候经常想不起来今天到底干了什么。

但问题来了：这类工具基本都是云服务，你的屏幕录像、音频、操作记录全部上传到别人的服务器上。且不讨论服务商会不会看你的数据，单是”所有工作内容都传到云端”这一点就够让人心里打鼓的了。

于是我开始找有没有开源、本地、隐私优先的替代方案。翻了一圈 GitHub，发现了 screenpipe——一个 YC 支持的开源项目（Mediar, Inc.），号称”把你的电脑变成私人的 AI 助手”。

screenpipe 是什么

一句话：它持续录制你的屏幕和音频，在本地建立一份可搜索的”数字记忆”，让 AI 能记住你做过什么。

但它不是简单粗暴地录屏，而是采用了事件驱动（event-driven）的捕获策略——只有当你切换应用、点击、输入、滚动等有意义的操作发生时才截图。每张截图会同时捕获系统的可访问性树（accessibility tree），提取出按钮、标签、文字等结构化文本。如果某个应用不支持可访问性接口（比如游戏或远程桌面），则回退到 OCR 识别。

音频方面，system audio 和麦克风输入都能捕获。语音转文字默认使用本地运行的 Whisper（Large-V3-Turbo），也可以选 Deepgram 云端转写。支持说话人分离，也就是说它能区分”这段话是你说的还是会议里别人说的”。

所有数据都存储在本地的 SQLite 数据库中，配合 FTS5 全文搜索。根据官方数据，8 小时工作大约占用 300MB 存储空间（截图以 JPEG 保存），相比连续录屏的 ~2GB 大幅缩减。

AI能力

核心能力

自然语言搜索：你可以用自然语言搜索你看到过的任何内容。比如”上周我在 Figma 里看到的那个按钮叫什么”、”周一的会议讨论预算那段说了什么”。支持按应用名、窗口标题、浏览器 URL、时间范围筛选。搜索底层是 SQLite FTS5，返回结果包含截图和对应音频片段。

视觉时间线：类似 DVR 的操作体验，你可以像拖进度条一样回看自己某一天的屏幕活动。点击任意时刻查看完整截图和提取的文字，也能回放对应时间段的音频。

Pipes（管道系统）：这是 screenpipe 最有想象力的部分。Pipes 本质上是 markdown 文件定义的定时 AI Agent——每个 pipe 包含一个 prompt 和调度规则，screenpipe 会调用 AI 编码助手（如 pi 或 claude-code）执行。内置的 pipe 包括：

  • meeting-summary：会议结束后自动总结，把笔记补回日历
  • day-recap：当日成果、关键节点、未完成事项
  • standup-update：做了什么、下一步、障碍
  • time-breakdown：时间花在哪了，按应用、项目、分类统计
  • ai-prompt-journal：记录你发给 AI 的所有 prompt，保存到 Obsidian

开发者可以自己写 pipe 放在 ~/.screenpipe/pipes/ 目录下。每个 pipe 通过 YAML frontmatter 精确控制 AI Agent 能访问哪些数据——哪些应用、哪些窗口、哪些内容类型（OCR/音频/输入/可访问性）、什么时间段。权限在 OS 层强制执行，共三层保障：skill gating（AI 根本不知道受限端点的存在）、agent interception（在执行前拦截）、server middleware（每个 pipe 有加密 token）。这意味着即使 pipe 里的 AI 被 prompt injection 攻击，也无法读取你不让它看的数据。

多屏支持：所有连接的显示器都能同时捕获。macOS 14.4+ 可以按应用 bundle ID 排除特定应用的音频捕获（比如你不想让 Spotify 的歌被录进去）。

与 OpenClaw 的联动

screenpipe 原生运行 MCP（Model Context Protocol）服务器，这意味着它可以直接接入任何 MCP 兼容的 AI 助手——Claude Desktop、Cursor、VS Code（Cline、Continue）都能用。

对于 OpenClaw 来说，接入方式很直接：

1
claude mcp add screenpipe -- npx -y screenpipe-mcp@latest

配置之后，OpenClaw 就能直接查询你的屏幕历史。比如你早上起来问一句”昨天下午我最后处理的是哪个页面？”，它就能从 screenpipe 的本地数据库中搜索并返回结果。

更进一步，screenpipe 的 Pipes 系统本身就可以被当作一种”自动化 Agent”。你可以创建一个 pipe，让它每天下班前自动总结当天工作（读取屏幕数据），然后通过 OpenClaw 推送到你的微信或邮件。两者的分工很自然：screenpipe 负责”记住一切”，OpenClaw 负责”执行动作”（发消息、推送通知、调用 API）。

screenpipe 还提供完整的 REST API（默认 localhost:3030），OpenClaw 的 cron 任务可以直接调用：

1
GET http://localhost:3030/search?q=项目进度&content_type=all&limit=10

理论上你也可以写一个 pipe，让 screenpipe 直接把数据推给 OpenClaw 的 relay server，实现更紧密的集成。

支持插件

隐私与安全

作为主打隐私的项目，screenpipe 的设计有几个要点：

  • 100% 本地存储，不强制登录账号
  • 源码可审计（source-available），个人非商业使用免费
  • 可选端到端加密同步（零知识加密）
  • 本地 AI 支持（Ollama 或任何 OpenAI 兼容推理服务），不离本地
  • Per-pipe 数据权限系统，AI Agent 只能看你允许它看的内容

当然，它也不是完全没有网络请求。PostHog 产品分析默认开启（可用稳定安装标识符），Sentry 收集崩溃诊断，这些都是可以关掉的。如果你只用本地转录（Whisper）和本地模型，数据确实全程不出本机。

价格与许可

源码允许个人非商业使用（自己编译运行）。签名的桌面客户端采用订阅制：Standard $25/月，Pro $50/月/人，Enterprise $150/月/人。已有终身许可的用户依然有效，但不再售卖新的终身许可。

对于个人用户来说，源码版已经足够使用。如果你不需要官方签名应用和云服务支持，完全可以自己从源码构建。

最后的想法

screenpipe 代表了一种很有意思的方向：AI 不应该只是一个你每次都需要从头解释上下文的对话工具，而应该是一个了解你工作背景、知道你做过什么、记得你在哪里的”记忆层”。这种记忆如果放在云端，隐私风险是真实的；如果在本地，就完全可控。

尤其是它的 Pipes 系统——把 AI Agent 定义为 markdown 文件，用 YAML 控制权限——这个设计比大多数同类产品务实得多。不是靠”我们承诺不看你的数据”这种道德约束，而是靠技术手段让你看不了。

作为一个经常忘记自己上周搜过什么的开发者，这种工具确实有吸引力。唯一需要权衡的是运行成本（CPU 5-10%、每月 5-10GB 存储），但对于现代电脑来说，这个代价并不算大。如果你也用过类似的小黑日报或 Rewind.ai，又担心隐私问题，screenpipe 值得一看。