Screenpipe 是一个开源的屏幕与麦克风录制库，旨在将日常电脑工作转化为可搜索的 AI 记忆，并让任意 AI 模型或代理能够利用这些历史数据。
用途
Screenpipe 的核心目标是把用户每天在电脑上的操作（屏幕画面、音频、应用活动）持续记录下来，形成一份本地的、可检索的历史记录，再让 AI 基于这份历史来理解工作流程、生成摘要、跟进事项和自动化建议。官方描述为“把你的日常工作总结为 AI 记忆”，可以“发现重复工作流、记录步骤并找到跨应用自动化的机会”。
主要能力
- 全天候录制屏幕与麦克风，捕获屏幕、音频和应用历史。
- 将屏幕帧结合 OCR 回退、辅助功能数据与音频转录，作为文本事件之外的补充上下文。
- 支持搜索你看到或听到的内容，回看一天中具体某一屏、某个文档或某段对话。
- 允许 AI 代理查询本地工作历史，以理解工作并采取行动，例如向同一模型询问“有工作历史”与“无工作历史”时的对比结果。
- 可呈现跨应用的重复工作模式，例如发票邮件、金额核对、审批请求、更新追踪表等步骤，并给出可审查的自动化建议。
- 提供本地数据库、REST API、MCP 服务器和可审查的源码，让历史记忆不绑定单一模型。
- 支持排除特定应用、窗口、URL，并可在设备上对敏感字段进行脱敏。
- 提供企业工作空间，可集中管理设备、身份、策略、存储和审计记录。
使用方式
官方页面显示支持 macOS、Windows、Linux，属于 source-available。安装后建议先明确要捕获与排除的范围；可将已有工具连接一次，再将其提供给已批准的工作流使用。历史数据默认保存在本地，可通过本地数据库、REST API 或 MCP 服务器供 Claude、Codex 或自建代理调用。页面中的问答涉及捕获、隐私、可靠性、CPU/电池/存储占用、可运行平台、费用以及企业部署等问题，但具体答案内容未在提供的资料中展开。
适用场景
- 将会议和日常工作用于起草摘要与跟进事项。
- 发现跨应用的重复流程并评估自动化机会，例如发票核对与支付追踪。
- 回查此前看过的屏幕、文档或对话内容，从中断处继续工作。
- 让 AI 代理基于个人或团队的工作历史获取上下文并执行操作。
- 在保留原始历史本地化的前提下，由企业统一部署与管理策略、存储和审计。
限制
资料明确指出原始历史默认保存在本地，但关于费用、具体定价、CPU/电池/存储消耗、问答中的其他未展开内容均暂未提供。页面也提到可通过排除应用、窗口、URL 以及对敏感字段进行设备端脱敏来避免敏感工作被记录，但具体配置方式未在资料中说明。
