Breadcrumb 是一款面向 macOS 的本地记录与 AI 上下文管理工具，由独立开发者 Justin 开发，日前在 Hacker News 上发布开放测试版。该工具持续记录用户在 Mac 上的全部活动，包括屏幕内容、会议、AI 对话记录及人机协作决策，并将这些数据转化为 AI 可检索的记忆。整个过程在本地完成，数据使用 SQLCipher 加密，用户可排除指定应用、网站和词句。该工具通过 MCP 协议向 AI 提供 30 多个工具接口，兼容 Claude Code、Codex、Cursor 和 opencode 等主流 AI 编程工具。用户还可以通过自然语言向它教授规则，系统会在合适的上下文中自动应用这些规则。开发者分享了一个实际用例：在一次 Zoom 会议后，仅需一句指令，系统便读取会议转录、识别出所有讨论的 Bug、从屏幕时间线提取截图、启动本地服务器诊断问题，最终在 JIRA 中创建 14 张附带截图证据的工单，并生成 Slack 消息。这一完整工作流并非预设，而是 AI 基于会议记录、Breadcrumb 工具和积累的规则自行串联完成。技术架构上，转录和说话人分离均由本地模型完成，分类和命名使用 ollama 运行的 Gemma 3 4B 模型，平均占用单核约 12% 的算力；仅保存 OCR 文本时每天约 12MB，录制会议截图时每小时约 120MB。软件目前完全免费且无需注册账号，未来计划通过端到端加密云同步和团队同步功能盈利，运行要求为 16GB 以上内存的 M 系列芯片 Mac。
事件分析
Breadcrumb 的技术看点在于将全量记录与 MCP 工具生态结合：屏幕录制、会议转录、AI 对话存档被统一索引后，通过 30 多个 MCP 工具暴露给兼容的 Agent，使 AI 的上下文不再局限于当前会话窗口，而能回溯完整工作历史。与 Rewind.ai 等通用记录工具相比，其差异在于深度绑定开发者工作流，重点覆盖 AI 编程中的规则沉淀与决策溯源。产业层面，该项目反映出两个趋势：一是 MCP 协议正成为 AI 工具链的事实接口标准，独立开发者可借此快速接入 Claude Code、Cursor 等主流编程环境；二是 Gemma 3 4B 这类本地小模型已足以支撑转录、分类等边缘任务，本地处理加云端大模型的混合架构正在个人效率工具中普及。后续走向方面，规划的端到端加密云同步和团队同步若落地，产品将从个人工具扩展为团队知识库，但也需面对记录粒度与隐私边界的平衡；此外，全量屏幕记录类产品普遍存在企业合规风险，可能限制其在组织场景的渗透速度。
核心观点：模型能力趋同的当下，AI 竞争焦点正从推理转向上下文供给，完整可检索的个人工作记忆正成为新的稀缺资源与入口。
原文链接：Hacker News
