5 分钟让 AI 看懂你的工作MineContext 上下文感知工具完整上手指南【免费下载链接】MineContextMineContext is your proactive context-aware AI partnerContext-EngineeringChatGPT Pulse项目地址: https://gitcode.com/GitHub_Trending/mi/MineContext每天下班前你是否也经历过这样的时刻今天到底做了什么那个重要的结论写在哪份文档里上周和同事确认的待办事项完成了吗信息散落在屏幕截图、聊天记录、文档和网页里而 AI 却对你的工作一无所知。MineContext 正是为解决这个问题而生——它是一款开源的主动式上下文感知 AI 伙伴通过持续看到并看懂你的数字世界自动把碎片信息整理成待办、摘要、提示和活动记录让你和 AI 的每次对话都站在完整的上下文之上。先感受一下安装到看见效果只需 5 分钟与其听我描述不如先花 5 分钟亲手跑起来。MineContext 的核心体验可以概括为三步装好应用、填入模型密钥、开始记录然后忘掉它。如果你用桌面应用直接下载对应平台的安装包即可如果想以命令行方式运行后端服务只需要下面几行命令git clone https://gitcode.com/GitHub_Trending/mi/MineContext cd MineContext uv sync uv run opencontext start --port 1733首次启动后按引导填入模型 API 密钥。项目支持豆包、OpenAI 以及任何兼容 OpenAI 协议的本地模型。综合成本与中文效果官方推荐豆包模型——你需要开通一个视觉语言模型用于看懂截图和一个向量化模型用于语义检索在火山引擎模型开通管理界面各领取一次即可开通之后在应用里启用屏幕记录权限、框选要监控的屏幕区域点击开始MineContext 就会在后台安静地工作。你不需要做任何额外操作它会在接下来的时间里自动沉淀你的上下文并逐渐生成日报、周报、待办和活动记录。这里有一个反直觉的建议开始记录后请忘掉它。上下文的价值来自积累第一次打开时页面可能还比较空给它几个小时到一天你就能看到它开始理解你的工作节奏。能力拆解采集、理解、产出三环相扣MineContext 的能力可以归纳为一条清晰的主线采集你的上下文理解其中的信息产出可消费的洞察。三个环节各自解决一个具体问题。采集环节自动捕捉零心智负担它不要求你手动记录任何东西。屏幕截图监控会按设定间隔抓取工作区域画面并内置相似度去重机制避免重复截图浪费模型调用文件夹监控和文档监控则跟踪你指定的目录捕捉文件新增与修改。采集到的原始数据都会落在本地从源头保证隐私可控。理解环节把截图和文档变成结构化知识这是最核心的一步。视觉语言模型VLM会看懂每张截图里的内容——你在写代码、查资料还是开会处理层随后将原始信息提炼、去噪、合并、分类最终沉淀为六种类型的智能上下文上下文类型回答的问题典型内容实体上下文谁/是什么人物、项目、团队的画像与关系活动上下文我做过什么行为轨迹、会议、任务执行记录意图上下文我打算做什么计划、目标、行动意向语义上下文知识是什么概念定义、技术原理流程上下文怎么做可复用的操作步骤状态上下文进展如何进度跟踪、指标与风险这六类上下文构成了一个不断生长的第二大脑为后续的消费环节提供弹药。产出环节主动推送不打扰地交付价值理解之后是产出。系统会定时生成四类内容并推送到主页活动记录你在做什么、智能提示此刻对你有用的建议、待办事项从你的工作里自动识别出该做的事、日报每天定时汇总。所有内容的生成节奏都可在后台调整比如待办每 30 分钟检查一次、提示每小时更新一次、日报固定在早上 8 点生成。完整案例一个下午它为你做了什么假设你下午的工作是这样的回复了几封邮件、在文档里改了一版方案、和同事讨论了项目排期。如果是在传统工具里这些信息随会话结束而消散而用了 MineContext 之后它的处理流程是每几秒捕捉一次屏幕画面同时识别出你正在编辑的文档VLM 理解截图内容处理层提炼出讨论 Q4 排期修改方案文档等关键信息这些信息被分类写入对应类型的上下文库并向量化以便检索傍晚系统自动生成当日活动记录和一份日报摘要同时从讨论内容中提取出下周三前确认排期这样的待办事项标注好优先级与时间。而这一切都发生在你忘掉它之后。这就是它和普通记录工具的本质区别别人在记日志它在替你思考。原理与取舍为什么这样设计能成立想要理解 MineContext 的设计逻辑可以抓住三个关键词本地优先、事件驱动、分层解耦。首先是本地优先。所有原始数据默认存放在本机数据目录处理与存储都在本地完成只有调用模型时才会把必要内容发给模型服务。这意味着你可以用纯本地模型部署一套完全不上云的私人知识系统。其次是事件驱动。系统通过事件管理器协调各模块捕获组件发现新内容后发布事件处理流水线订阅并消费消费环节再触发下一轮生成。模块之间互不直接依赖这让整个系统的扩展变得非常自然。最后是分层架构。整个后端按职责分为五层——context_capture采集、context_processing处理、context_consumption消费、storage存储、monitoring监控外加一个 LLM 集成层。存储层采用SQLite 向量数据库的组合文档类数据放 SQLite语义检索走 ChromaDB也可切换为 Qdrant。采集截图/文档/链接 ↓ 处理理解 → 提炼 → 分类 → 向量化 ↓ 存储SQLite 向量库本地持久化 ↓ 消费日报/待办/提示 对话问答 工具检索在隐私和便捷之间它选择了一个务实的折中能本地做的绝不外送必须调用模型的才送出去。这也决定了它在数据敏感场景下的独特价值。进阶定制从默认配置到专属方案默认配置已经能开箱即用但稍微调整几个参数体验会明显不同。我按使用深度给你三档建议。初级先用默认观察一周。保持默认的截图间隔5 秒和生成频率让系统积累足够上下文。这段时间重点观察它生成的待办和日报是否贴合你的工作同时可以打开后台监控页看看 Token 消耗情况做到心里有数。中级按你的工作节奏调参数。在config/config.yaml中调整采集与生成节奏。比如你是重度文档用户可以打开文件夹监控并指定watch_folder_paths如果你更在意成本把截图间隔从 5 秒调到 10 秒日报生成时间改到你的下班前 1 小时。生成任务的时间间隔都集中在content_generation配置段改完重启即生效。高级定制系统提示词塑造 AI 的性格。这是最有意思的部分。系统内置了各类生成任务的提示词模板你可以在后台的 Prompt 编辑器里直接修改——比如让待办生成更关注截止日期、让日报更突出数据指标甚至可以导入导出你的专属模板。修改后的提示词会立刻影响后续所有生成内容相当于把 AI 的工作方式调教成你习惯的样子。针对典型场景的推荐配置组合如下开发者在写代码缩短截图间隔开启文件夹监控跟踪项目目录让流程上下文持续沉淀你的技术操作习惯研究者读大量资料拉长截图间隔控制成本重点用文档监控 语义检索把资料变成可检索的语义知识隐私敏感场景全部使用本地模型 本地存储做到数据零外送。现在就开始让上下文成为你的长期资产MineContext 的路线图还很长文件上传、会议记录、MCP 协议、RSS 与深度研究等更多上下文源都在规划中。项目遵循 Apache 2.0 协议完全开源你可以直接阅读源码理解它的实现也可以提交代码扩展新的采集源。如果你恰好有 GitHub 或 GitCode 账号去点一个 Star、提一个 Issue或者只是把使用体验分享给身边被信息淹没的朋友都是对项目最实在的贡献。你的工作每天都在产生大量有价值的信息别让它们白白流失。今天就克隆仓库让 AI 开始看懂你5 分钟后你就能看到第一份由你的真实工作生成的智能内容。【免费下载链接】MineContextMineContext is your proactive context-aware AI partnerContext-EngineeringChatGPT Pulse项目地址: https://gitcode.com/GitHub_Trending/mi/MineContext创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
