1. 项目概述Dayflow一个理解你一天在做什么的AI时间线如果你和我一样每天对着电脑屏幕忙忙碌碌但到了晚上复盘时却常常想不起来时间到底花在了哪里——“我下午那三个小时到底在干嘛”——那么Dayflow 可能就是为你而生的工具。它不是一个简单的应用使用时长统计器而是一个真正理解你工作上下文的“数字记忆助手”。作为一个在 macOS 上原生运行的 SwiftUI 应用Dayflow 的核心是“看”和“理解”它通过屏幕录制结合你选择的 AI 模型无论是云端大厂 Gemini还是本地的 Ollama/LM Studio或是付费的 ChatGPT/Claude自动生成一份带有活动摘要的详细时间线。最吸引人的是它的隐私承诺所有原始数据屏幕录像片段都留在你的 Mac 上你可以完全掌控分析过程和数据去向。想象一下你不再需要手动点击“开始计时”、“结束计时”也不需要费力回忆和填写时间日志。Dayflow 在后台安静地运行消耗极少的资源官方数据是约 100MB 内存和不到 1% 的 CPU然后为你呈现一份图文并茂的“日报”上午 9:30-10:45 在 VSCode 里调试一个棘手的 API 接口10:45-11:15 被 Slack 消息打断参与了团队关于新需求的讨论下午则是在 Figma 里迭代设计稿中间穿插了几次查阅文档。这种基于上下文的理解将“在 Chrome 里花费 2 小时”变成了“花了 1.5 小时研究 Next.js 的 SSR 方案另外 30 分钟浏览技术博客”其价值天差地别。2. 核心设计思路在隐私、成本与质量间寻找平衡Dayflow 的设计哲学非常清晰自动化、可理解、隐私优先。这三点共同决定了其技术架构和用户体验。让我们深入拆解一下这背后的权衡。2.1 自动化与无感记录传统的时间追踪工具最大的障碍是“启动摩擦”。你需要记得去开启它为每个任务切换标签并在结束时停止。Dayflow 选择了一条完全自动化的道路持续、低功耗地录制屏幕。这听起来有些“吓人”但实现上非常巧妙。它并非录制完整的、高码率的视频流那样会迅速耗尽磁盘和电量。相反它采用“分块录制”策略将屏幕活动切分成短小的片段例如几分钟这些片段是后续分析的原材料。这种设计使得应用可以极其轻量安装包仅 25MB运行时资源占用也控制得很好真正做到了“stay out of your way”。2.2 上下文理解超越应用窗口的洞察这是 Dayflow 区别于 RescueTime、Timing 等工具的核心。单纯记录“哪个应用在前台”是粗糙的。在同一个浏览器窗口里你既可能在写代码查文档工作也可能在看视频休息。Dayflow 通过 AI 分析屏幕内容包括可视化的界面元素和可能的文本内容试图理解你“在做什么”。例如它能区分你在 YouTube 上是观看一个技术大会的演讲还是在看娱乐视频能识别出你在 Slack 里是进行工作讨论还是在闲聊。这种语义层面的理解使得生成的时间线具有真正的回顾和复盘价值而不仅仅是一堆冷冰冰的统计数据。2.3 隐私优先的架构与多模型策略“屏幕录制”是最高级别的隐私敏感操作。Dayflow 对此的处理方案体现了其“隐私优先”的承诺并为此提供了灵活的多模型策略这也是项目最精彩的部分之一。本地存储分析可选所有录制的视频片段默认只存储在本地~/Library/Application Support/Dayflow/目录下。最关键的一步——AI 分析——你可以根据自己的隐私偏好和需求选择三种不同的路径Gemini云端自带API密钥这是平衡质量、速度和成本Google提供免费额度的推荐选项。Dayflow 会将视频片段上传到 Google 的 Gemini API 进行分析。这里有一个非常重要的隐私细节根据 Google 的条款如果你在任何一个 Gemini API 项目中启用了云计费即使你仍然在使用免费额度Google 就会将你所有的 Gemini API 和 AI Studio 使用视为“付费服务”承诺不会使用你的提示词和回复来改进其模型。这为注重隐私的用户提供了一个可行的控制手段。本地模型Ollama / LM Studio这是隐私的终极方案。所有分析过程完全在你的设备上进行数据不出本地。你需要在本机运行 Ollama 或 LM Studio 服务Dayflow 会与之通信。代价是分析质量可能不如顶尖的云端模型且对本地计算资源尤其是 GPU消耗较大可能影响笔记本的电池续航。ChatGPT / ClaudeCLI需付费订阅这是追求最高分析质量的选项。Dayflow 通过调用 OpenAI 的 Codex CLI 或 Anthropic 的 Claude Code CLI 来使用 GPT-4 或 Claude 3 等前沿模型。这需要你拥有相应的付费订阅ChatGPT Plus/Pro 或 Claude Pro并且数据会发送到对应的服务商。质量最好但成本最高且依赖网络。注意选择哪种方案取决于你对隐私、分析质量、成本和便利性的个人权衡。对于绝大多数希望获得高质量分析又不想手动记录的用户使用 Gemini API并按照上述方法配置计费账户以保护数据是一个折中的好选择。3. 详细配置与实操指南理解了核心思路后让我们一步步把它用起来。Dayflow 的安装和配置过程相对直观但其中有一些关键步骤和细节决定了最终的使用体验。3.1 安装与初始权限设置首先你需要一台运行 macOS 13 (Ventura) 或更高版本的 Mac。安装方式有三种直接下载推荐给大多数用户前往项目的 GitHub Releases 页面下载最新的Dayflow.dmg文件。打开后将 Dayflow 应用拖拽到“应用程序”文件夹即可。通过 Homebrew 安装适合开发者/命令行爱好者如果你已经安装了 Homebrew只需在终端执行brew install --cask dayflow命令即可快速完成安装。从源码构建适合开发者或想尝鲜最新代码的用户克隆仓库用 Xcode 15 打开项目文件配置签名后运行。首次启动 Dayflow 时最关键的一步是授予屏幕录制权限。macOS 会弹窗提示你必须点击“打开系统设置”并手动启用。具体路径是系统设置 隐私与安全性 屏幕录制在 macOS Sonoma 及以后该选项合并为“屏幕与系统音频录制”在列表中找到 Dayflow 并勾选。没有这个权限Dayflow 将无法捕获任何屏幕内容。实操心得如果启动后应用界面空白或提示捕获失败十有八九是权限问题。请务必检查系统设置。有时即使勾选了也需要完全退出 Dayflow 再重新启动才能生效。3.2 选择并配置你的 AI 分析引擎安装并授权后打开 Dayflow 应用你会看到简洁的主界面。接下来需要进入设置配置核心的“大脑”——AI 分析提供商。进入设置通常可以在菜单栏的 Dayflow 图标下拉菜单中找到“Settings”或“Preferences”选项。选择提供商Gemini这是默认的推荐选项。你需要一个 Google AI Studio 的 API 密钥。前往 Google AI Studio 登录你的 Google 账户创建一个 API 密钥。然后回到 Dayflow 设置将密钥粘贴到对应位置。隐私强化步骤重要如果你关心数据隐私建议按照前文所述在 Google Cloud 控制台创建一个项目并为此项目启用结算功能。这会将你的整个账户包括免费额度的使用标记为“付费服务”从而触发 Google 更严格的数据处理条款防止你的提示词被用于模型训练。本地模型Ollama选择“Local”模式。你需要在本地安装并运行 Ollama。在终端运行ollama serve启动服务然后拉取一个合适的视觉语言模型例如ollama pull llava。在 Dayflow 设置中将本地服务器地址通常是http://localhost:11434和模型名称配置好。ChatGPT/Claude选择对应模式。你需要先安装官方 CLI 工具OpenAI Codex CLI 或 Claude Code并通过 CLI 登录你的付费账户。Dayflow 会调用这些 CLI 工具来处理分析任务。配置存储限制在设置中你可以设定 Dayflow 本地存储录像片段的最大空间从 1GB 到 20GB或选择无限制。达到限制后旧片段会被自动清理。这是一个很贴心的功能防止应用无限占用磁盘空间。3.3 日常使用与功能解读配置完成后Dayflow 就可以开始工作了。点击主界面的“开始捕获”按钮它便进入后台工作状态。主时间线视图应用主窗口会按时间倒序列出你一天的“活动卡片”。每张卡片代表一个时间段内的活动包含一个由 AI 生成的简短摘要如“编写项目文档”、“参加线上会议”、“调试代码错误”和对应的屏幕截图缩略图。你可以一目了然地回顾自己的一天。时间流逝视频这是一个有趣的功能它可以将你一天的屏幕活动压缩成一段短视频让你快速感受一天的工作流和节奏变化。分心高亮Dayflow 会尝试识别那些可能将你从主要任务中拉开的“分心”活动比如突然切换到社交媒体或新闻网站并在时间线中将其高亮显示帮助你意识到注意力的转移。导出功能你可以将任意日期范围的时间线导出为 Markdown 格式方便你将其整合到周报、日记或其他笔记系统中。每日日志Beta 功能这是一个较新的功能需要访问码。它允许你设置晨间意图、进行晚间反思并结合 AI 从你的时间线中自动生成总结形成一个完整的日记闭环。4. 不同AI分析引擎的深度对比与选型建议Dayflow 的多模型支持是其强大之处但不同选择带来的体验差异巨大。理解这些差异能帮助你做出最适合自己的决策。下面我们从隐私、质量、速度、成本和资源消耗五个维度进行详细对比。特性维度Gemini (云端)本地模型 (Ollama/LM Studio)ChatGPT/Claude (CLI)隐私级别中等。数据发送至 Google 服务器。但可通过启用云计费利用“付费服务”条款阻止 Google 将你的数据用于模型训练。数据仍会因合规和滥用监测被短期留存。最高。所有数据视频、分析完全在本地设备处理永不离开。低。数据发送至 OpenAI 或 Anthropic 服务器。受其隐私政策约束通常不会用于模型训练但用于服务改进和分析是可能的。分析质量高。Gemini 作为谷歌最新的大模型在多模态理解结合图像和文本方面能力很强生成的摘要通常准确、连贯。中等至较低。取决于你运行的本地模型能力。像 LLaVA 这样的开源视觉语言模型进步很快但在复杂场景理解、长上下文归纳和语言流畅度上仍与顶尖云端模型有差距。可能产生模糊或错误的摘要。最高。使用 GPT-4、Claude 3 Opus 等前沿“推理模型”。在理解复杂任务、生成富有洞察力的叙述和总结方面表现最佳。分析速度快。利用谷歌强大的云端算力分析通常在几秒到几十秒内完成。慢。受限于本地硬件特别是GPU。分析一段几分钟的视频可能需要数十秒甚至数分钟且会显著增加CPU/GPU负载。中等。取决于网络和 OpenAI/Anthropic 的服务器负载。通常比本地快但可能略慢于 Gemini因为涉及更复杂的帧提取和批处理逻辑。经济成本低起始。Google AI Studio 提供免费的初始配额每分钟请求数限制对于个人日常使用可能足够。超出后需付费。一次性。零API费用。但需要考虑电费GPU耗电和潜在的硬件升级成本如需更快的分析。高。必须持有 ChatGPT Plus/Pro$20/月或 Claude Pro$20/月订阅。API 调用通常包含在订阅中但本质上是持续的月度支出。本地资源消耗极低。仅需上传数据和接收结果对本地CPU/GPU几乎无压力。极高。模型推理是计算密集型任务会持续占用 GPUApple Silicon 的 Neural Engine 或 GPU 核心导致风扇狂转、电池续航骤降。低。与 Gemini 类似主要工作是准备数据和调用 CLI本地计算压力小。网络依赖必需。无网络则无法分析。无需LM Studio可完全离线。Ollama 拉取模型时需要网络之后可离线运行。必需。无网络则无法分析。配置复杂度简单。只需申请一个 API 密钥。复杂。需要安装并维护本地模型服务可能涉及命令行操作和模型管理。中等。需要安装官方 CLI 并登录付费账户步骤稍多。选型建议追求最佳体验且信任云端处理的用户首选Gemini。在获取 API 密钥后强烈建议按照前文指引在 Google Cloud 上启用任意一个项目的结算功能以提升隐私保护级别。这是质量、速度和成本的最佳平衡点。隐私绝对至上且拥有强大 Mac如 M系列 Pro/Max/Ultra芯片的用户可以选择本地模型。建议在插电状态下使用并准备好接受可能稍逊的分析质量和更慢的生成速度。可以尝试不同的开源 VLM 模型以找到最佳效果。不差钱追求最顶级、最具洞察力分析的报告选择ChatGPT/Claude模式。你需要为对应的订阅付费但换来的是目前可能最智能、最像人类总结的时间线描述。新手或不想折腾的用户从Gemini开始。这是最省心、效果也有保障的入门路径。5. 高级技巧、自动化与开发者工具当你熟悉了基础功能后Dayflow 还提供了一些进阶玩法可以更好地融入你的工作流。5.1 利用 URL Scheme 实现自动化Dayflow 注册了dayflow://URL 协议这意味着你可以通过外部工具控制它的录制状态实现自动化。场景一与焦点模式联动。你可以使用 macOS 的“快捷指令”App创建一个自动化当开启“工作”焦点模式时运行“打开 URL”操作URL 填写dayflow://start-recording当关闭该焦点模式时执行dayflow://stop-recording。这样Dayflow 的录制就能与你专注工作的时间段自动同步。场景二通过快捷键启动/停止。使用 Alfred、Raycast 或 Keyboard Maestro 等启动器设置一个全局快捷键来触发上述 URL实现快速的一键控制。测试命令你可以在终端直接输入open dayflow://start-recording来测试功能是否正常。5.2 数据管理与深度清理所有数据默认存储在~/Library/Application Support/Dayflow/。了解这个目录的结构有助于你进行管理或故障排查。recordings/存放原始的屏幕录制视频片段文件。你可以通过点击菜单栏图标选择“Open Recordings...”快速打开此文件夹。chunks.sqliteSQLite 数据库文件存储了分析后的时间线卡片、元数据等信息。完全重置如果你想彻底清除所有 Dayflow 数据比如出于隐私考虑或重新开始最干净的方法是先完全退出 Dayflow 应用然后在 Finder 中删除整个~/Library/Application Support/Dayflow/文件夹。重新启动 Dayflow 后它会像一个全新安装的应用一样开始工作。5.3 开发者与调试视角对于开发者或喜欢刨根问底的用户Dayflow 的开放性和透明性是其一大优点。查看原始数据如前所述你可以直接访问recordings文件夹查看录制的视频片段。这让你确信所有原始数据确实只存在于本地。审查代码项目完全开源。你可以去 GitHub 仓库审查其屏幕捕获、视频处理、与各 AI API 交互的代码逻辑了解其具体实现甚至审计其隐私声明是否属实。调试模式应用内可能提供调试视图根据版本不同用于验证捕获的批次内容是否正常或者查看 AI 分析请求与响应的日志需注意日志中可能包含屏幕内容摘要查看时也需谨慎。6. 常见问题与故障排除实录在实际使用中你可能会遇到一些问题。以下是我在深度使用和测试过程中遇到的一些典型情况及其解决方法。1. 屏幕捕获失败或界面显示空白症状Dayflow 主界面一直显示“等待捕获”或空白菜单栏图标状态异常。排查步骤首要检查权限前往系统设置 隐私与安全性 屏幕录制确认 Dayflow 已被勾选。注意有时即使勾选了也需要重启 Dayflow 应用才能生效。重启应用完全退出 Dayflow右键菜单栏图标选择退出或通过“强制退出”窗口然后重新启动。重启系统在极少数情况下macOS 的权限系统可能需要重启才能完全生效。根本原因这是 macOS 严格的沙盒和隐私保护机制导致的。任何屏幕捕获应用都必须经历这一步。2. AI 分析失败或时间线不更新症状Dayflow 似乎在录制但始终没有生成新的时间线卡片。排查步骤检查网络Gemini/ChatGPT/Claude模式确保你的 Mac 可以正常访问互联网。尝试在浏览器中打开https://generativelanguage.googleapis.com(Gemini) 或 OpenAI/Anthropic 官网检查连通性。验证 API 密钥与配置Gemini模式进入 Dayflow 设置确认 Gemini API 密钥已正确粘贴且未过期。你可以去 Google AI Studio 的 API 密钥页面验证该密钥是否有效、配额是否用尽。检查本地服务本地模式如果你使用 Ollama在终端运行ollama list确认服务正在运行且模型已下载。运行curl http://localhost:11434/api/generate -d {model: llava, prompt:hello, stream: false}测试模型是否能正常响应。对于 LM Studio确保本地服务器已开启并在设置中配置了正确的端口和模型。检查 CLI 登录状态ChatGPT/Claude模式在终端运行codex auth status或claude auth status确保你已通过 CLI 工具登录了有效的付费账户。查看存储空间检查 Dayflow 设置的存储限制是否已满导致新片段无法保存。实操心得大多数分析失败都与网络或配置有关。建议从一个简单的配置开始如 Gemini确保基础流程跑通再尝试更复杂的本地模式。3. 分析结果不准确或奇怪症状AI 生成的摘要与屏幕实际内容不符例如将工作误判为娱乐或描述非常笼统模糊。可能原因与应对模型能力限制特别是使用较小的本地模型时这是常见现象。可以尝试更换更大、更先进的视觉语言模型如llava:34b相比llava:7b。屏幕内容复杂或模糊如果屏幕上同时有多个窗口、大量文本或动态内容AI 可能难以准确概括。尝试保持一段时间内主要处理一个任务可能会有更清晰的分析结果。提示词工程Dayflow 内部有它发送给 AI 的提示词模板。作为用户我们无法直接修改但可以理解其输出质量受此限制。如果使用 ChatGPT/Claude 模式由于其模型本身能力更强通常准确度会显著提升。这是一个辅助工具需要明确Dayflow 提供的是一种“近似”的、自动化的洞察它不能做到 100% 准确。它的价值在于提供一个无需手动记录的大致回顾线索而不是一份精确的审计报告。4. 应用耗电或电脑发热明显症状在使用 Dayflow 期间特别是选择本地模型模式时感觉 Mac 风扇转速加快电池消耗变快。原因与建议本地模型推理是计算密集型任务会持续调用 GPU 和 Neural Engine产生大量热量和耗电。这是预期内的行为。建议如果使用本地模式最好在 Mac 连接电源时使用。如果必须在电池模式下使用可以考虑降低录制分辨率如果应用提供此设置或者切换回 Gemini 或 ChatGPT 云端模式将计算负载转移到云端从而大幅减少本地资源消耗。5. 如何彻底卸载 Dayflow除了将应用拖入废纸篓别忘了清理应用数据删除~/Library/Application Support/Dayflow/文件夹。如果你通过 Homebrew 安装也可以使用brew uninstall --cask dayflow进行卸载。