最新

大家好，我是作者。Screenmind 是一个注重隐私的 Microsoft Recall 替代品。 它运行在 Gemma 4 上，这是少数支持视觉、音频和推理这三项功能的模型之一，因此您的数据永远不会离开您的设备。 使用 Screenmind，您可以跟踪您的时间线，了解您在什么上面花费了多少时间；搜索任何带有文本的屏幕截图；最酷的是，您可以与您的屏幕历史聊天，例如“Alex 在 Discord 上给我发了什么消息”或“我是否收到微软的邮件”，只要它出现在您的屏幕上，您就可以在聊天中提问。您还可以基于此创建自动化，例如“每天的工作报告发送到 Slack”（它支持集成）。您还可以通过普通英语为非程序员编写自动化，或者为想要深入研究的开发者使用 Python。您还可以通过热键保存语音备忘录（附带屏幕截图），并自动转录和总结您的会议（自动检测会议）。 我遇到的最困难的部分是让 Screenmind 作为后台服务持续运行，如果不是因为聊天功能的存在，这本不难，因为运行本地模型需要计算能力，并且持续分析屏幕截图会占用所有资源。为此，我设计了一个感知哈希缓存。这个三层缓存系统可以将普通用户的推理时间减少高达 40%（普通用户就是我）。为了进一步减少推理时间，我设计了三种模式：快速、平衡和准确，在时间和准确性之间进行权衡。 目前，我在配备 4GB 显存的 GTX 1650 上每天使用它，并设置为快速模式，运行效果相当不错。在高端机器上，它的速度会更快。它还有一个 MCP 服务器，您可以直接询问 Claude Desktop/Cursor 关于您早上看到的 bug。 支持 Windows/Mac/Linux。 坦率地说，它还有一些不完善之处。它在 Mac 上的测试并不广泛，安装也存在一些障碍，我正在努力开发一个一键安装程序。 （重新发布 - 几个月前我发布了一个早期版本，评论因为是新账号被标记了，所以我无法回复任何内容。） 代码库：github.com/ayushh0110/ScreenMind 好奇大家有没有关于如何实现多显示器支持的想法。

作为一名曾任教授、现任行业顾问/行业常客演讲者，我厌倦了PowerPoint：幻灯片线性的顺序在现场问答环节中难以导航，无法一次性向听众展示全貌，也无法方便地进行协作分享……我意识到，通过转向基于树状结构的二维-三维格式，可以解决所有这些问题。这种格式基于一个源JSON文件，该文件包含了所有的节点结构、文本和多媒体链接。我几个月前开发了它，并实际在一个INFORMS的在线研讨会上进行了演示（https://www.youtube.com/watch?v=vXN2xu4z5qA）。现在，我用AI对其进行了增强（您可以实时生成整个演示文稿或从给定分支进行扩展），并希望社区能够尝试使用。