一款名为“Day Monitor”的 macOS 菜单栏小工具近日在 V2EX 上引发关注并已完全开源。该工具旨在解决职场人士对于时间去向不清晰的痛点，通过自动化手段记录并分析每日的工作流。其技术实现基于 Tauri 2 框架（Rust 后端 + React 前端），核心逻辑是每隔约 20 秒截取一次电脑屏幕，截图仅在内存中进行处理，随后发送至 Anthropic 的 Claude Haiku 模型进行视觉识别。AI 会分析当前屏幕内容，判断用户是在写代码、开会、浏览网页还是摸鱼，并将结果转化为一句话描述及分类标签存储在本地 SQLite 数据库中。基于采集的数据，工具能生成包含时间轴、分类占比、应用使用排行及跨日趋势的可视化报表，甚至能自动生成 AI 版工作日报。在隐私安全设计上，开发者强调了“本地优先”原则：原始截图片段绝不落盘，仅留存文字描述和用于去重的感知哈希，所有数据仅存储在本地目录，无任何遥测数据上传，唯一的网络请求是发给 Anthropic API 用于识别的压缩截图。成本控制方面，工具内置了逐日 Token 统计与月度预算上限功能，利用 Haiku 模型的高性价比，正常工作强度下的每日识别成本不到一元钱。该工具现提供 Homebrew 安装方式及 Apple Silicon 预编译包，源码已在 GitHub 上公开。
事件分析
Day Monitor 项目展示了“云端推理 + 本地存储”混合架构在个人生产力工具中的实际落地。它利用大模型强大的视觉理解能力，弥补了传统 OCR 或基于应用进程名追踪的语义缺失。传统时间管理软件仅能识别“打开了哪个应用”，而此类 AI 方案能理解“在这个应用里做了什么”，实现了从“行为追踪”到“语义分析”的跨越。在技术选型上，选择 Haiku 而非更昂贵的大模型，体现了对高频场景下成本控制的敏锐度，使得“每 20 秒一次”的实时分析成为可能。此外，Tauri 技术栈的应用也反映了构建轻量级、跨平台桌面应用的新趋势。从隐私角度看，通过感知哈希去重而非原图留存，展示了开发者在构建“监控类”工具时的合规意识。未来，随着端侧模型性能的提升，此类功能有望完全本地化，进一步消除隐私顾虑。
核心观点：Day Monitor 代表了从“被动记录”到“AI语义分析”的个人量化进化，利用低成本模型与端侧隐私设计平衡了效率与安全。
原文链接：V2EX 分享发现
