当前位置：首页 > ai >正文

使用Screenpipe+本地大模型实现私人助手Agent

ai 2025/8/24 10:04:22

捕获屏幕信息并用本地大模型总结：我的 Screenpipe 实践记录（一）

一、引言

最近一直想使用大模型技术做些什么，其中一个想法就是做一个私人助手，可以记录每天的行为（浏览了哪些APP、访问了什么网页），每天自动总结生成报告；

这个项目的痛点有：

隐私化：我的日常行为包含一些工作内容、个人密钥，不能联网上传；
上下文：大模型分析依赖上下文，包括屏幕截图、录音等，这些数据如何保存、喂给大模型。

基于此，使用Screenpipe+Ollama+Cron，实现可以7*24在本地运行的私人助手

二、技术栈介绍

Screenpipe

Screenpipe是一个离线项目，它可以对你的电脑进行 24 小时监控，通过屏幕录制、OCR、音频输入和转录收集信息等途径，保存到本地数据库。

包括以下功能

屏幕录制：24 小时全天候监控，实时录制屏幕，捕捉每一个操作画面。
OCR 文字识别：内置强大的 OCR 功能，支持中文及其他语言，轻松提取屏幕中的文字内容。
音频输入与转录：支持捕获麦克风音频输入，并实时转录为文字，保存对话与语音笔记。
本地数据库存储：所有信息都被安全地保存到本地数据库，保障数据隐私和安全。

Ollama

Ollama 是一个开源的大型语言模型（LLM）平台，它支持在本地启动、管理、对话自己的大模型；它支持所有主流大模型在本地启动。

NodeJs+Cron

考虑到项目需要数据管理、本地API调用、开始暂停、Web页面，因此使用NodeJs搭建；

同时，完整的天级数据会很大，本地模型算力有限，我们可以使用Cron定时5分钟记录一次，自动分析并落盘。

三、系统架构

四、项目流程介绍

完整项目开源：https://github.com/LittleCoolguy/screen-mic-agent

安装Screenpipe

Mac本地安装Screenpipe

curl -fsSL get.screenpi.pe/cli | sh

执行

screenpipe

执行后，出现如下日志，说明Screenpipe已经成功启动，屏幕数据记录ing。

安装ollame，启动模型

官网安装：：https://ollama.com/download

启动ollama

ollama serve   # 新终端常驻；或在后台用 systemd/launchctl

安装模型，这里我选择的是qwen2.5:7b-instruct-q4_K_M

ollama run qwen2.5:7b-instruct-q4_K_M

测试一下，成功回答问题。

上下文+模型调用

这里主要是使用Screenpipe提供的SDK获取本地屏幕OCR数据、ollama的模型问答接口

模型调用逻辑示例

import { NextResponse } from "next/server";
import { buildPrompt } from "../../../lib/prompt";
import { getRecentContext } from "../../../lib/screenpipe";export const runtime = "nodejs";export async function POST(req: Request) {try {const body = await req.json().catch(() => ({}));const minutes = Math.max(1, Math.min(Number(body?.minutes || 5), 240));const question = (body?.question || "Summarize what I did recently.") as string;const context = await getRecentContext(minutes);const prompt = buildPrompt({ minutes, question, context });console.log(`[analyze] prompt built, context: ${context.length} chars`);const host = process.env.OLLAMA_HOST || "http://localhost:11434";const model = process.env.OLLAMA_MODEL || "llama3.1:8b";const res = await fetch(`${host}/api/generate`, {method: "POST",headers: { "Content-Type": "application/json" },body: JSON.stringify({model,prompt,stream: false})});if (!res.ok) {const errText = await res.text().catch(() => res.statusText);return NextResponse.json({ error: `Ollama request failed: ${errText}` }, { status: 500 });}const data = await res.json().catch(async () => ({ response: await res.text() }));const result = (data && (data.response || data.result || data.output)) || "No response.";return NextResponse.json({ result, minutes, usedModel: model });} catch (e: any) {return NextResponse.json({ error: e?.message || "Unknown error" }, { status: 500 });}
}

Screenpipe SDK调用示例

const { pipe } = await import("@screenpipe/js");const end = new Date();
const start = new Date(end.getTime() - minutes * 60 * 1000);console.log(`[screenpipe] querying for items from ${start.toISOString()} to ${end.toISOString()}`
);
const res = await pipe.queryScreenpipe({contentType: "ocr",          // 只抓 OCR// 如果你只想看某个浏览器，可以放开下一行（示例为 Edge）：appName: "Google Chrome",startTime: start.toISOString(),endTime: end.toISOString(),includeFrames: false,limit: 400                   // 可按需调整
});