Dayflow是一款macOS应用，能自动记录用户屏幕活动并生成时间线，提供AI摘要和分心时段高亮功能，帮助用户回顾每日活动。该应用基于SwiftUI开发，支持macOS 13及以上系统。

Dayflow：自动生成每日时间线的 macOS 应用

项目简介
Dayflow 是一款原生 macOS 应用（基于 SwiftUI 开发），能够以 1 帧/秒 的频率记录屏幕活动，并通过 AI 每 15 分钟 分析一次，生成带摘要的时间线。应用轻量（25MB），仅占用约 100MB 内存和不到 1% 的 CPU 资源。

核心特点
- 隐私优先设计：用户可自主选择 AI 服务提供商，支持 Gemini（需自备 API 密钥）或本地模型（如 Ollama / LM Studio）。
- 自动化时间线：生成简洁的每日活动摘要，高亮显示分心时段。
- 低资源消耗：1 FPS 录制，15 分钟分析间隔，3 天后自动清理旧记录。
- 原生体验：SwiftUI 构建，支持 Sparkle 自动更新。

开发初衷
开发者因传统日历无法真实反映时间分配而创建 Dayflow，旨在通过屏幕记录提供透明、可控的时间管理工具。应用默认尊重隐私，数据完全由用户掌控，且开源（MIT 许可证）。

技术实现
1. 录制：以 15 秒为片段保存 1 FPS 屏幕画面。
2. 分析：每 15 分钟调用 AI 处理近期片段。
3. 生成：AI 创建带摘要的时间线卡片。
4. 清理：自动删除 3 天前的记录。

AI 处理流程差异
- Gemini：直接分析视频，仅需 2 次 LLM 调用。
- 本地模型：需逐帧描述（30+ 次 LLM 调用），耗能较高但完全离线。

安装与使用
- 下载：从 GitHub Releases 获取 .dmg 文件，需授予屏幕录制权限。
- 开发者：克隆源码后通过 Xcode 15+ 编译，需配置 GEMINI_API_KEY（若使用 Gemini）。

数据与隐私
- 存储位置：录制的视频片段和分析结果保存在 ~/Library/Application Support/Dayflow/。
- 隐私选项：
- Gemini：启用 Cloud Billing 可避免数据被用于模型训练（需参考 Google 条款）。
- 本地模型：完全离线处理，但性能与能耗需权衡。

未来计划
- 自定义仪表盘（追踪任意工作日问题）。
- 每日日志功能（整合时间线与手动笔记）。
- 优化本地视觉语言模型（VLM）。

许可证
MIT 开源协议，允许自由使用与修改。

项目链接：GitHub - JerryZLiu/Dayflow

评论内容总结：

1. 与微软Recall功能的比较

• 观点：有用户质疑该工具是否与微软的Recall功能类似。
• 引用：
  • "wait... isnt this pretty much what Microsoft was doing with Recall?" (评论1)

2. 功能扩展建议

• 观点：建议整合可穿戴设备数据（如Apple Watch），以提供更全面的生活追踪。
• 引用：
  • "Is it possible to include wearables as a data sources? i.e. apple watch for sleep, running, activity levels?" (评论2)

3. 隐私与本地模型支持

• 观点：多数用户强调隐私重要性，支持本地模型运行。
• 引用：
  • "I'd only ever consider doing it with a local model" (评论3)
  • "does this work with local (100% offline) models?" (评论4)

4. 生产力与时间管理

• 观点：工具可帮助识别分心源头、重复任务自动化，并追踪任务情绪影响。
• 引用：
  • "Identify the 'spark' of a distraction... These can easily be the cause of a 5-15 minute distraction" (评论6)
  • "How was I feeling before, during and after a task" (评论6)

5. 专业场景应用（如律师行业）

• 观点：适合按小时计费的专业人士，帮助记录未计费工作时间。
• 引用：
  • "They would pay big money for something that recovered forgotten(unbilled) work" (评论7)

6. 潜在滥用与反乌托邦担忧

• 观点：担忧雇主滥用工具监控员工，导致职场监控加剧。
• 引用：
  • "Employers constantly looking at your screen... Overall, very disturbing product" (评论8)

7. 技术实现替代方案

• 观点：建议通过CLI工具或低功耗OCR实现类似功能。
• 引用：
  • "Couldn't we get a low-res version by tracking the active window using a cli tool?" (评论10)

8. 语音输入与LLM整合

• 观点：结合语音转文本（STT）和LLM可降低认知负荷。
• 引用：
  • "speak faster than we can write/type... typing creates a higher cognitive load" (评论11)

9. 开源与本地模型赞赏

• 观点：用户赞赏工具开源且支持本地模型的选择。
• 引用：
  • "Love it being Open Source, and with the option to choose local models" (评论12)

10. 隐私与数据安全顾虑

• 观点：对敏感数据（如银行信息）上传至云端模型表示担忧。
• 引用：
  • "I would not be comfortable sending my bank info... to Gemini" (评论14)

11. 成本与模型细节询问

• 观点：用户希望了解使用云端模型（如Gemini）的成本估算。
• 引用：
  • "what kind of cost would be expected... approximate number of tokens per hour?" (评论16)

12. 多显示器支持与场景适配

• 观点：询问工具在多显示器场景下的兼容性。
• 引用：
  • "Curious how this works with multi monitor setups" (评论19)

13. 用户热情与需求匹配

• 观点：工具精准满足时间追踪需求，且执行优秀。
• 引用：
  • "just the tool I needed... very well executed" (评论18, 20)

总结：

评论普遍认可工具的创新性和实用性，尤其赞赏其开源和隐私设计，但也对隐私滥用、云端模型安全性及多场景适配提出疑虑。核心需求集中在本地化支持、成本透明度和功能扩展（如可穿戴设备整合）。