MineContext 实战指南4 步搭建会主动记住你工作的上下文感知 AI 助手【免费下载链接】MineContextMineContext is your proactive context-aware AI partnerContext-EngineeringChatGPT Pulse项目地址: https://gitcode.com/GitHub_Trending/mi/MineContext晚上十点合上电脑我盯着屏幕愣了几秒——今天下午那两小时我到底干了什么开过的会、改过的文档、查过的资料全都散落在不同窗口里转身就忘。记笔记坚持不过三天想让 AI 帮忙梳理可它连我昨天在忙什么都不清楚。这种工作失忆的无力感相信很多上班族都懂。直到我遇到 MineContext——一款开源的上下文感知 AI 助手。它默默待在后台观察你的屏幕、追踪你打开的文档把零散的工作痕迹整理成摘要、待办、提示和日报主动送到你面前。一句话概括它替你把工作记忆这件事自动承包了。给 AI 补上记忆正是它的核心本事传统的 AI 助手像一台只答不记的问答机你问什么它答什么离开对话窗口就断片。MineContext 走的是另一条路——先喂养再输出。这套打法的地基叫上下文工程Context-Engineering系统通过捕获、处理、存储、检索、消费五个环节把屏幕截图、文档内容这类多模态信息加工成 AI 能理解的结构化上下文。处理后的信息会被自动归类成六种类型上下文类型回答的问题一句话理解实体画像这是谁/什么人物、项目、组织的档案活动记录我做了什么行为轨迹与完成的任务意图规划我打算做什么目标、计划、行动意向语义知识这是什么/为什么概念定义与技术原理流程沉淀事情怎么做可复用的操作步骤状态追踪进展如何进度、指标与风险有意思的是项目名MineContext既指我的上下文也指挖掘上下文——灵感来自游戏《我的世界》。海量信息就像散落的方块MineContext 给你一个能自由搭建的世界让 AI 真正看懂而非看过你的工作。上手只需四步装、配、录、放整个部署过程比我预想中省事核心就是四个动作。第一步 装下载安装包双击完成从项目的 Release 页面下载对应系统的安装包支持 Windows 与 macOS。首次启动会静默安装 Python 后端环境大约等待两分钟即可。这一步基本不需要动脑子跟着向导点下一步就行。第二步 配填入模型密钥三选一启动后按引导填写 API Key。官方支持豆包、OpenAI以及任何兼容 OpenAI 接口的自定义服务——这意味着你也可以接入纯本地模型让数据完全不出设备。我个人推荐豆包性价比高且需要开通两个模型协同工作——负责看懂截图的视觉语言模型如 Doubao-Seed-1.6-flash和负责语义检索的向量化模型如 Doubao-embedding-vision。拿到 Key 后把两项配置填进去即可。第三步 录授权屏幕框选录制区域进入屏幕监控页面先为应用开启屏幕录制权限macOS 下需在系统设置中授权完成后重启应用生效。回到设置里框选出你要采集的屏幕区域点击开始录制。第四步 放关掉窗口安心去干活录制开始后上下文会像攒钱一样慢慢积累——注意这需要时间才能产生价值。我的建议是忘掉它该干嘛干嘛。大约一小时后主页上就会陆续出现智能提示、待办事项、活动记录和日报。想主动提问时直接用和 AI 对话功能即可。进阶玩法把后台调成你的节奏如果你想让推送频率、生成内容更贴合自己的工作节拍打开http://localhost:1733后台即可自由调整。调整采集与生成频率所有节奏都集中在config/config.yaml中默认值适合大多数人但你可以按自己的习惯微调# 上下文采集设置 capture: screenshot: enabled: true # 开启屏幕采集 capture_interval: 5 # 每隔 5 秒截一张图可按需放宽 # 主动推送节奏 content_generation: activity: interval: 900 # 活动记录15~30 分钟生成一次 tips: interval: 3600 # 智能提示建议 1~2 小时一次 todos: interval: 1800 # 待办刷新30~60 分钟一轮 report: time: 08:00 # 每天上午 8 点生成昨日日报换一个更适合你的存储后端默认使用 ChromaDB 做本地向量存储开箱即用个人场景完全够用storage: backends: - name: default_vector storage_type: vector_db backend: chromadb # 本地向量库无需额外部署 config: mode: local path: ${CONTEXT_PATH:.}/persist/chromadb如果数据量大、并发高可改用 Qdrant 后端——只需注意把vector_size设为与嵌入模型输出维度一致即可。把 Prompt 模板改成你的母语后台提供了 Prompt 在线编辑器支持对智能提示、待办、日报、实时活动四类生成任务分别定制系统提示词与模板变量还支持导入导出。嫌默认文案太官方改一版带有自己领域术语的模板推送质量会明显提升。我踩过的四个坑帮你提前绕开现象原因解决办法服务起不来端口 1733 被占用执行netstat -tulpn \| grep 1733找出占用进程采集总是不全监控目录权限不足或路径写错核对watch_folder_paths路径确认进程有读取权限响应很慢批处理参数太小调大batch_size和max_workers适当放宽超时磁盘涨得快截图与向量数据堆积定期清理 persist 目录按需缩短上下文保留天数另外强调一点隐私所有数据默认保存在本地macOS 下位于~/Library/Application Support/MineContext/Data配合本地模型可做到全程不上云。想要完全本地化部署的开发者也可以走命令行路线克隆仓库后执行uv sync安装依赖再用uv run opencontext start --port 1733启动效果与桌面版一致。写在最后从今天开始让它陪你工作MineContext 不会让你一夜之间效率翻倍它的价值在于长期主义——用得越久它越懂你的工作模式哪些任务总在拖、哪个时间段你最专注、哪些资料你最常回看。这些洞察会反过来变成更精准的推送和更贴心的提醒。如果你也受够了干了一天却说不出干了什么不妨从最简单的屏幕录制开始给它一周时间让它成为你真正的上下文感知 AI 搭档。【免费下载链接】MineContextMineContext is your proactive context-aware AI partnerContext-EngineeringChatGPT Pulse项目地址: https://gitcode.com/GitHub_Trending/mi/MineContext创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MineContext 实战指南：4 步搭建会主动记住你工作的上下文感知 AI 助手
MineContext 实战指南4 步搭建会主动记住你工作的上下文感知 AI 助手【免费下载链接】MineContextMineContext is your proactive context-aware AI partnerContext-EngineeringChatGPT Pulse项目地址: https://gitcode.com/GitHub_Trending/mi/MineContext晚上十点合上电脑我盯着屏幕愣了几秒——今天下午那两小时我到底干了什么开过的会、改过的文档、查过的资料全都散落在不同窗口里转身就忘。记笔记坚持不过三天想让 AI 帮忙梳理可它连我昨天在忙什么都不清楚。这种工作失忆的无力感相信很多上班族都懂。直到我遇到 MineContext——一款开源的上下文感知 AI 助手。它默默待在后台观察你的屏幕、追踪你打开的文档把零散的工作痕迹整理成摘要、待办、提示和日报主动送到你面前。一句话概括它替你把工作记忆这件事自动承包了。给 AI 补上记忆正是它的核心本事传统的 AI 助手像一台只答不记的问答机你问什么它答什么离开对话窗口就断片。MineContext 走的是另一条路——先喂养再输出。这套打法的地基叫上下文工程Context-Engineering系统通过捕获、处理、存储、检索、消费五个环节把屏幕截图、文档内容这类多模态信息加工成 AI 能理解的结构化上下文。处理后的信息会被自动归类成六种类型上下文类型回答的问题一句话理解实体画像这是谁/什么人物、项目、组织的档案活动记录我做了什么行为轨迹与完成的任务意图规划我打算做什么目标、计划、行动意向语义知识这是什么/为什么概念定义与技术原理流程沉淀事情怎么做可复用的操作步骤状态追踪进展如何进度、指标与风险有意思的是项目名MineContext既指我的上下文也指挖掘上下文——灵感来自游戏《我的世界》。海量信息就像散落的方块MineContext 给你一个能自由搭建的世界让 AI 真正看懂而非看过你的工作。上手只需四步装、配、录、放整个部署过程比我预想中省事核心就是四个动作。第一步 装下载安装包双击完成从项目的 Release 页面下载对应系统的安装包支持 Windows 与 macOS。首次启动会静默安装 Python 后端环境大约等待两分钟即可。这一步基本不需要动脑子跟着向导点下一步就行。第二步 配填入模型密钥三选一启动后按引导填写 API Key。官方支持豆包、OpenAI以及任何兼容 OpenAI 接口的自定义服务——这意味着你也可以接入纯本地模型让数据完全不出设备。我个人推荐豆包性价比高且需要开通两个模型协同工作——负责看懂截图的视觉语言模型如 Doubao-Seed-1.6-flash和负责语义检索的向量化模型如 Doubao-embedding-vision。拿到 Key 后把两项配置填进去即可。第三步 录授权屏幕框选录制区域进入屏幕监控页面先为应用开启屏幕录制权限macOS 下需在系统设置中授权完成后重启应用生效。回到设置里框选出你要采集的屏幕区域点击开始录制。第四步 放关掉窗口安心去干活录制开始后上下文会像攒钱一样慢慢积累——注意这需要时间才能产生价值。我的建议是忘掉它该干嘛干嘛。大约一小时后主页上就会陆续出现智能提示、待办事项、活动记录和日报。想主动提问时直接用和 AI 对话功能即可。进阶玩法把后台调成你的节奏如果你想让推送频率、生成内容更贴合自己的工作节拍打开http://localhost:1733后台即可自由调整。调整采集与生成频率所有节奏都集中在config/config.yaml中默认值适合大多数人但你可以按自己的习惯微调# 上下文采集设置 capture: screenshot: enabled: true # 开启屏幕采集 capture_interval: 5 # 每隔 5 秒截一张图可按需放宽 # 主动推送节奏 content_generation: activity: interval: 900 # 活动记录15~30 分钟生成一次 tips: interval: 3600 # 智能提示建议 1~2 小时一次 todos: interval: 1800 # 待办刷新30~60 分钟一轮 report: time: 08:00 # 每天上午 8 点生成昨日日报换一个更适合你的存储后端默认使用 ChromaDB 做本地向量存储开箱即用个人场景完全够用storage: backends: - name: default_vector storage_type: vector_db backend: chromadb # 本地向量库无需额外部署 config: mode: local path: ${CONTEXT_PATH:.}/persist/chromadb如果数据量大、并发高可改用 Qdrant 后端——只需注意把vector_size设为与嵌入模型输出维度一致即可。把 Prompt 模板改成你的母语后台提供了 Prompt 在线编辑器支持对智能提示、待办、日报、实时活动四类生成任务分别定制系统提示词与模板变量还支持导入导出。嫌默认文案太官方改一版带有自己领域术语的模板推送质量会明显提升。我踩过的四个坑帮你提前绕开现象原因解决办法服务起不来端口 1733 被占用执行netstat -tulpn \| grep 1733找出占用进程采集总是不全监控目录权限不足或路径写错核对watch_folder_paths路径确认进程有读取权限响应很慢批处理参数太小调大batch_size和max_workers适当放宽超时磁盘涨得快截图与向量数据堆积定期清理 persist 目录按需缩短上下文保留天数另外强调一点隐私所有数据默认保存在本地macOS 下位于~/Library/Application Support/MineContext/Data配合本地模型可做到全程不上云。想要完全本地化部署的开发者也可以走命令行路线克隆仓库后执行uv sync安装依赖再用uv run opencontext start --port 1733启动效果与桌面版一致。写在最后从今天开始让它陪你工作MineContext 不会让你一夜之间效率翻倍它的价值在于长期主义——用得越久它越懂你的工作模式哪些任务总在拖、哪个时间段你最专注、哪些资料你最常回看。这些洞察会反过来变成更精准的推送和更贴心的提醒。如果你也受够了干了一天却说不出干了什么不妨从最简单的屏幕录制开始给它一周时间让它成为你真正的上下文感知 AI 搭档。【免费下载链接】MineContextMineContext is your proactive context-aware AI partnerContext-EngineeringChatGPT Pulse项目地址: https://gitcode.com/GitHub_Trending/mi/MineContext创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考