引言
在当今快节奏的生活中，我们常常难以清晰掌握自己一天的时间究竟花在了何处。日历虽能记录计划，却无法反映实际的时间分配。而 Dayflow 的出现，恰好解决了这一问题，它如同一位安静的助手，默默记录着我们的屏幕活动，为我们呈现出真实的每日时间轨迹。
项目简介
Dayflow 是一款基于 SwiftUI 开发的原生 macOS 应用，它能以 1 FPS 的速率记录屏幕内容，每 15 分钟借助 AI 进行分析，进而生成包含活动摘要的时间线。
该应用轻量高效，仅 25MB 大小，运行时约占用 100MB 内存和不到 1% 的 CPU。用户可自主选择 AI 提供商，如 Gemini（需自备 API 密钥）、本地模型（Ollama / LM Studio）或 ChatGPT/Claude（需付费订阅），充分保障隐私。
其功能丰富，包括自动生成每日时间线、观看每日活动延时视频、自动清理存储、高亮显示分心内容、导出时间线为 Markdown 等。此外，还推出了处于测试阶段的每日日记功能，支持设置意图、反思一天、生成 AI 摘要等。
创新点与核心优势
Dayflow 的创新点显著，它以屏幕活动作为时间记录的依据，突破了传统日历仅能记录计划的局限，让用户能真实了解时间去向。
在技术实现上，针对不同 AI 提供商设计了不同的处理流程，如 Gemini 利用原生视频理解直接分析，本地模型通过单个帧描述重建理解，ChatGPT/Claude 则批量处理提取的帧，平衡了质量与效率。
核心优势方面，首先是隐私保护到位，用户可选择本地模型处理，数据无需上传云端；其次是轻量高效，对系统资源占用少，不影响日常使用；再者是功能实用，自动记录、分析、清理等功能满足用户对时间管理的需求，日记功能也为用户提供了反思和规划的途径。
技术原理与部署
技术原理
Dayflow 的工作流程主要分为捕获、分析、生成、显示和清理五个步骤。首先以 1 FPS 的速率将屏幕内容录制为 15 秒的片段；每 15 分钟将近期录制的内容发送给 AI 进行分析；AI 生成带有活动摘要的时间线卡片；随后在应用中以可视化时间线的形式展示；最后根据用户配置的存储限制（1GB–20GB 或无限制）自动管理存储。
在 AI 处理流程上，不同提供商各有不同。Gemini 流程只需 2 次 LLM 调用，直接对视频进行上传、转录和生成卡片；本地模型流程需 33 次以上 LLM 调用，从提取帧、生成描述到合并检查等步骤较为繁琐；ChatGPT/Claude 流程需 4-6 次 LLM 调用，通过批量描述帧、合并片段来生成卡片。
部署方式
- 对于普通用户，可从 GitHub Releases 下载最新的 Dayflow.dmg，打开后将其拖入应用程序文件夹，启动时授予屏幕和系统音频录制权限即可。
- 开发者可通过克隆代码仓库，使用 Xcode 15+ 打开 Dayflow.xcodeproj，配置相关参数后运行。
- 若使用 Homebrew，可通过命令“brew install --cask dayflow”进行安装。
该项目及相关内容已 AladdinEdu课题广场同步发布，欢迎前往了解更多技术实现与资源。
项目地址：AladdinEdu 课题广场
