Screenpipe

快速结论

Screenpipe 最适合一类人：每天大量信息从眼前流过，但事后找不回来的知识工作者、开发者和顾问。它在后台持续捕获屏幕和音频，本地转写成可检索的文字，然后把这份「个人记忆」通过 MCP 暴露给 Claude Code、Cursor 这类 AI 助手，让你能直接问「上周三那个报价页面写的是多少」「昨天会上客户对交付时间是怎么说的」。

它和普通录屏软件的区别在于两点：一是事件驱动捕获——只在切换应用、点击、输入停顿时截图，而不是无脑连续录制，体积和性能压力都低得多；二是数据默认留在本地，配合应用/窗口/URL 排除和敏感字段脱敏。这类工具的门槛从来不是技术，而是你能不能接受自己的屏幕被持续记录。想清楚这一点再决定是否安装，是使用它的第一步。

核心功能

• 事件驱动屏幕捕获：在应用切换、点击、输入停顿等关键节点截图，而非持续录像，显著降低存储和 CPU 占用。
• 本地语音转写：用 Whisper 在本机转写音频，也可切换到 Deepgram 等云端服务；会议、通话、视频内容都会变成可检索文本。
• 自然语言搜索：不用记关键词，直接用一句话问「找一下上周关于定价的那次讨论」。
• 时间线视图：按时间轴回溯一整天看过什么、做过什么，适合补写周报和复盘。
• MCP 服务器：把本地记忆作为 MCP 工具暴露给 Claude Desktop、Cursor 等客户端，让 AI 助手直接检索你的历史。
• Pipes 自动化：用 Markdown 定义的定时 Agent，内置会议纪要、日报、站会更新等模板，也可自己写扩展。
• 隐私控制：可按应用、窗口、URL 排除捕获，并对敏感字段做自动脱敏。
• 集成生态：可与 Linear、Slack、Notion、GitHub、Obsidian、HubSpot 等工具连接，把回溯结果写回你的工作系统。
• 跨平台：支持 macOS（Apple Silicon 与 Intel）、Windows 10/11 与 Linux。

适合人群

• 开发者与技术顾问：需要回溯调试过程、命令、报错和文档，配合 AI 助手复现上下文。
• 咨询与销售：客户沟通密集，需要事后精确回忆承诺、报价和异议。
• 研究与内容工作者：一天翻几十个页面，需要把浏览痕迹变成可检索素材库。
• 重度 AI 助手用户：已经在用 MCP，想给 Agent 补上「你自己的历史」这块上下文。
• 不太适合的人群：处理受监管数据（医疗、金融客户信息）的岗位、公司设备有明确禁止录屏策略的员工，以及会和他人共用电脑的人——这类场景的合规风险远大于收益。

使用场景

• 找回失落的信息：回忆某个只看过一眼的价格、报错信息或页面内容。
• 自动会议纪要：用 Pipes 定时把音频转写整理成纪要，推送到 Notion 或 Slack。
• 周报与工时复盘：从时间线自动汇总一周实际做了什么，而不是凭记忆编。
• 给 AI 助手补上下文：在 Cursor 或 Claude Desktop 里让模型直接查你几天前的调试记录。
• 客户跟进：把和客户的通话内容检索出来，核对承诺过的交付条件。

价格与版本

Screenpipe 采用源码可见（source-available）的 Screenpipe Commercial License：个人非商业使用免费，商业使用需要购买授权。付费为分层订阅，公开档位为 Standard 约 25 美元/月、Pro 约 50 美元/席/月、Enterprise 约 150 美元/席/月，具体权益和价格以官网定价页为准。

需要提醒的是，它不是 OSI 意义上的开源软件——代码可以审计，但不能自由商用。对个人用户来说这没有影响；对公司来说，「我们自己部署所以免费」这个假设不成立，采购前要先确认授权口径。另外用云端转写（如 Deepgram）会产生额外 API 费用，坚持本地 Whisper 转写则是零边际成本但吃本机算力。

国内访问与使用体验

Screenpipe 是国外产品，官网、下载和账号体系都需要稳定的国际网络条件；模型侧如果接 Claude、OpenAI 等服务同样受此限制。相对友好的一点是它数据本身留在本地，转写可以完全用本机 Whisper 跑，理论上可以在离线状态下继续记录和检索，只有官网、订阅和云端模型调用需要联网。

体验上有三个现实问题要提前知道：一是磁盘占用会随使用时间线性增长，需要定期设置保留策略；二是本地转写吃 CPU/GPU，老机器长期开着会明显发热掉电；三是中文屏幕内容和中文语音的识别质量取决于所选模型，本地 Whisper 小模型对中文口音和专业术语的准确率有限，重要内容要人工核对。最关键的还是合规：在公司设备上安装前，务必先确认 IT 政策，涉及他人的会议录音在很多地区需要事先告知。

优点

• 事件驱动捕获比连续录屏省资源，长期开着可行
• 数据默认本地存储，隐私控制粒度到应用/窗口/URL
• MCP 支持让现有 AI 助手直接获得个人历史上下文
• Pipes 用 Markdown 定义 Agent，扩展门槛低
• 三大桌面平台全覆盖，集成生态成熟

不足

• 源码可见但非开源，商业使用必须付费授权
• 磁盘占用持续增长，需要主动管理保留策略
• 本地转写对中文和专业术语的准确率有限
• 在公司设备和多人共用场景存在明确合规风险
• 国际网络条件是使用前提，国内体验受影响

替代品对比

常见问题 FAQ

Screenpipe 是开源软件吗？

不完全是。它是 source-available：代码可以查看和审计，但采用 Screenpipe Commercial License，个人非商业使用免费，商业使用需要购买授权。

我的屏幕数据会上传到云端吗？

默认存在本地。但如果你启用了云端转写（如 Deepgram）或让云端模型来分析内容，相关数据就会离开本机，这部分要按需求自己权衡。

它会不会把电脑拖慢？

它用事件驱动截图而非连续录像，常态占用可控；但本地 Whisper 转写会明显吃 CPU/GPU，笔记本长期开启要注意发热和续航。

能记录会议里其他人的声音吗？

技术上可以，但录制他人语音在很多地区需要事先告知或取得同意，公司会议还可能受内部政策约束，使用前必须确认合规。

中文支持怎么样？

界面和检索可用，但中文语音转写和中文屏幕内容的识别质量取决于所选模型，本地小模型对口音和术语的准确率有限，重要内容建议人工核对。

和 Claude Code、Cursor 怎么配合？

它提供 MCP 服务器，可以直接挂到 Claude Code 或 Cursor 上，让 AI 助手在回答时检索你本机的历史记录。

总结

Screenpipe 解决的是一个被长期忽视的问题：AI 助手对世界知道很多，但对你几乎一无所知。它通过持续捕获 + 本地存储 + MCP 暴露，把个人历史变成 Agent 可用的上下文，这个方向是对的，工程实现（事件驱动捕获、Pipes 扩展、跨平台）也比同类项目扎实。

但它的门槛不在技术而在决策：你是否接受屏幕被持续记录，公司设备是否允许，商业使用是否愿意付授权费。这三个问题的答案如果都是肯定的，它能给你的 AI 工作流带来别的工具给不了的上下文；只要有一个是否定的，就不要勉强上——先从 claude-mem 这类只记录对话的轻量方案开始，风险和收益更匹配。