目录

• 👋🏻 什么是MineContext
• 🚀 核心功能
• 🔏 隐私保护
  • 本地优先
  • 本地AI模型
• 🏁 快速入门
  • 1. 安装
  • 2. 输入API密钥
  • 3. 开始记录
  • 4. 放下它
  • 5. 后端调试
• 🎃 贡献指南
  • 🎨 前端架构
    • 核心技术栈
    • 核心架构
  • 💻 前端使用
    • 构建后端
    • 安装依赖
    • 开发与调试
    • 应用打包
  • 🏗️ 后端架构
    • 核心架构组件
    • 各层职责
  • 🚀 后端使用
    • 安装
    • 配置
    • 运行服务器
• 💎 名字背后的哲学
• 🎯 目标用户
• 🔌 情境来源
• 🆚 与熟悉应用的对比
  • MineContext vs ChatGPT Pulse
  • MineContext vs Dayflow
• 👥 社区
  • 社区与支持
• Star历史
• 📃 许可证

🔗 相关项目: 请查看**OpenViking** - 一个专为AI智能体设计的开源情境数据库。OpenViking通过“文件系统范式”统一了记忆、资源和技能，为复杂的情境管理提供了基础设施层。

👋🏻 什么是MineContext

MineContext是一款主动的情境感知型AI伙伴。它利用屏幕截图和内容理解能力（未来还将支持多源多模态信息，包括文档、图片、视频、代码以及外部应用数据），能够洞察并理解用户的数字世界情境。基于底层的情境工程框架，它会主动提供高质量的信息，如洞察、每日/每周摘要、待办事项清单和活动记录等。

🚀 核心功能

MineContext专注于四大核心功能：轻松收集、智能浮现、主动推送以及情境工程架构。

1. 📥 轻松收集 能够收集并处理海量情境数据。其精心设计的存储管理方式，使您可以在不增加心理负担的情况下进行广泛的数据采集。
2. 🚀 主动推送 在日常使用中主动推送关键信息和洞察。它会从您的情境中提取摘要内容——例如每日/每周总结、小贴士和待办事项——并直接推送到您的主页。
3. 💡 智能浮现 在创作过程中智能地呈现相关且有用的情境信息。确保在辅助创作的同时不会让您感到信息过载。
4. 🎯 情境工程架构 支持多模态、多源数据的完整生命周期——从捕获、处理、存储到管理、检索和消费——从而生成六种类型的情境智能信息。

🔏 隐私保护

本地优先

MineContext高度重视用户隐私。默认情况下，所有数据都存储在本地以下路径，以确保您的隐私和安全。

~/Library/Application Support/MineContext/Data

本地AI模型

此外，我们还支持基于OpenAI API协议的自定义模型服务。您可以在MineContext中使用完全本地化的模型，确保任何数据都不会离开您的本地环境。

🏁 快速入门

1. 安装

点击GitHub最新发布进行下载

注意: 自v0.1.5版本起，MineContext已支持Apple公证，因此您无需再禁用隔离属性。如果您使用的是旧版本，请参考之前的文档获取说明。

2. 输入您的 API 密钥

应用启动后，请按照提示输入您的 API 密钥。（注意：首次运行时，应用需要安装后台环境，这可能需要大约两分钟）。

我们目前支持豆包、OpenAI 以及自定义模型的服务。这包括任何与 OpenAI API 格式兼容的 本地模型 或 第三方模型 服务。

我们推荐使用 LMStudio 来运行本地模型。它提供了一个简洁的界面和强大的功能，可以帮助您快速部署和管理这些模型。

综合考虑成本和性能，我们建议使用豆包模型。 豆包 API 密钥可以在 API 管理界面 中生成。

获取豆包 API 密钥后，您还需要在 模型激活管理界面 中激活两种模型：视觉语言模型和嵌入模型。

• 视觉语言模型：Doubao-Seed-1.6-flash

• 嵌入模型：Doubao-embedding-vision

以下是获取 API 密钥后的填写流程：

3. 开始录制

进入 [屏幕监控] 以启用系统对屏幕共享的权限。完成设置后，您需要重启应用才能使更改生效。

重启应用后，请先在 [设置] 中设定您的屏幕共享区域，然后点击 [开始录制] 以开始截取屏幕截图。

4. 放下心来

开始录制后，您的上下文信息将逐渐被收集。生成有价值的内容需要一些时间。因此，请放下心来，安心处理其他任务。MineContext 会在后台为您生成待办事项、提示、摘要和活动。当然，您也可以通过 [与 AI 聊天] 进行主动问答。

5. 后台调试

MineContext 支持后台调试，可通过 http://localhost:1733 访问。

1. 查看 Token 消耗与使用情况

2. 配置自动化任务的间隔时间

3. 调整自动化任务的系统提示词

🎃 贡献指南

🎨 前端架构

MineContext 的前端是一个基于 Electron、React 和 TypeScript 构建的跨平台桌面应用，为桌面开发提供了模块化、可维护且高性能的基础。

核心技术栈

技术	描述
Electron	允许使用 Web 技术开发跨平台桌面应用程序。
React	一个用于构建动态用户界面的组件化 UI 库。
TypeScript	提供静态类型检查，以增强代码的可维护性。
Vite	一个针对 Electron 优化的现代前端构建工具。
Tailwind CSS	一种实用优先的 CSS 框架，用于快速且一致地进行 UI 样式设计。
pnpm	一个适用于 monorepo 项目的快速高效包管理器。

核心架构

该项目遵循标准的 Electron 架构设计，清晰地分离了主进程、预加载脚本和渲染进程的代码，以确保安全性和可维护性。

frontend/
├── src/
│ ├── main/     # Electron 主进程（窗口管理、生命周期、IPC）
│ ├── preload/  # 预加载脚本，安全地桥接 Node.js API 和渲染进程
│ └── renderer/ # React 前端界面（渲染进程）
│
├── packages/
│ └── shared/   # 公共工具、IPC 通道、日志记录和常量定义
│
├── build/      # 构建资源（图标、平台配置）
├── dist/       # electron-builder 生成的构建产物
├── externals/  # 外部依赖（Python 脚本、二进制文件等）
├── resources/  # 静态资源（图标、模板、图片）
└── scripts/    # 开发和构建辅助脚本

1. 主进程 (src/main/) 负责：

   • 管理应用程序窗口
   • 处理生命周期事件（启动、退出、激活）
   • 建立安全的 IPC 通信
   • 与后台服务（Python 和系统 API）集成

2. 预加载脚本 (src/preload/) 负责：

   • 安全地向渲染进程暴露 Node.js API
   • 处理与主进程之间的 IPC 通信
   • 实现跨进程的资源访问

3. 渲染进程 (src/renderer/) 负责：

   • 使用 React 实现用户界面
   • 使用 Jotai 和 Redux 管理全局状态
   • 利用基于 Tailwind CSS 的高效样式系统
   • 实现动态加载和性能优化机制

4. 构建与打包负责：

   • electron-vite.config.ts — 配置主进程和渲染进程的构建逻辑（别名、插件等）。
   • electron-builder.yml — 定义 Windows、macOS 和 Linux 平台的打包与分发配置。

💻 前端使用

构建后台

在开始前端开发之前，您需要先构建后台：

uv sync
source .venv/bin/activate
./build.sh

安装依赖

由于包版本问题，目前不支持使用国内 PyPI 镜像。请运行以下命令以确保使用原始的 PyPI 源：

pip config unset global.index-url
cd frontend
pnpm install

开发与调试

在本地开发过程中，屏幕捕获区域的选择可能会比较慢，这是正常现象。请耐心等待，因为打包后的应用中不会出现此问题。

pnpm dev

应用打包

要构建 macOS 版本的应用程序：

pnpm build:mac
# 数据路径
# ～/Library/Application\ Support/MineContext

打包过程生成的可执行文件将存储在 MineContext/frontend/dist 目录中。

🏗️ 后台架构

MineContext 采用了模块化、分层的架构设计，各组件职责分明，界限清晰。

核心架构组件

opencontext/
├── server/             # Web 服务器和 API 层
├── managers/           # 业务逻辑管理器
├── context_capture/    # 上下文采集模块
├── context_processing/ # 上下文处理流水线
├── context_consumption/# 上下文消费与生成
├── storage/            # 多后端存储层
├── llm/               # LLM 集成层
├── tools/             # 工具系统
└── monitoring/        # 系统监控

各层职责

1. 服务器层 (server/)

   • 基于 FastAPI 的 RESTful API
   • 支持 WebSocket 实时通信
   • 静态文件服务与模板渲染

2. 管理器层 (managers/)

   • CaptureManager: 管理所有上下文采集源
   • ProcessorManager: 协调上下文处理流水线
   • ConsumptionManager: 处理上下文的消费与生成
   • EventManager: 事件驱动的系统协调

3. 上下文采集层 (context_capture/)

   • 截图监控
   • 文档监控
   • 可扩展的采集接口，便于未来新增数据源

4. 处理层 (context_processing/)

   • 文档分块策略
   • 实体提取与归一化
   • 上下文合并与去重
   • 多模态内容处理（文本、图像）

5. 存储层 (storage/)

   • 多后端支持（SQLite、ChromaDB）
   • 向量存储用于相似性搜索
   • 统一的存储接口

6. LLM 集成层 (llm/)

   • 支持多家 LLM 提供商（OpenAI、Doubao）
   • VLM（视觉-语言模型）集成
   • 嵌入向量生成服务

🚀 后端使用

安装

我们推荐使用 uv 进行快速可靠的包管理：

# 克隆仓库
git clone https://github.com/volcengine/MineContext.git
cd MineContext

# 安装 uv（如果尚未安装）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 同步依赖项（自动创建虚拟环境）
uv sync

配置

1. 基础配置 (config/config.yaml)：

server:
  host: 127.0.0.1
  port: 8765
  debug: false

embedding_model:
  provider: doubao # 选项：openai, doubao
  api_key: your-api-key
  model: doubao-embedding-vision-250615

vlm_model:
  provider: doubao # 选项：openai, doubao
  api_key: your-api-key
  model: doubao-seed-1-6-flash-250828

capture:
  enabled: true
  screenshot:
    enabled: true # 启用截图采集
    capture_interval: 5 # 采集间隔，单位为秒

2. 提示模板 (config/prompts_*.yaml)：
   • prompts_en.yaml: 英文提示模板
   • prompts_zh.yaml: 中文提示模板

启动服务器

# 使用默认配置启动
uv run opencontext start

# 使用自定义配置启动
uv run opencontext start --config /path/to/config.yaml

# 使用自定义端口启动（避免端口冲突）
uv run opencontext start --port 1733

可用选项：

• --config: 配置文件路径
• --host: 主机地址（默认从配置文件或 localhost 获取）
• --port: 端口号（默认从配置文件或 1733 获取）

优先级顺序：命令行参数 > 配置文件 > 默认值

或者，您也可以手动激活虚拟环境：

source .venv/bin/activate  # Windows 系统：.venv\Scripts\activate
pip install -e .
opencontext start --port 1733

💎 名称背后的哲学

MineContext 这个名字也体现了团队的巧思。它既代表“我的上下文”，又寓意“挖掘上下文”。这一命名灵感源自《我的世界》的核心理念——开放、创造与探索。

如果将海量上下文比作散落的“方块”，那么 MineContext 就提供了一个可以自由搭建、组合与创造的“世界”。用户可以根据收集到的大量上下文重新构想并创作新内容，从而生成高质量的信息。

🎯 目标用户

目标用户类别	具体角色/身份	核心需求/痛点
知识工作者	研究人员、分析师	需要应对海量信息，提升信息处理与分析效率
内容创作者	作家、博主	渴望源源不断的灵感，优化内容创作流程
终身学习者	学生、研究人员	构建系统化的知识体系，高效管理和连接学习资料
项目管理者	产品经理、项目经理	整合多源信息与数据，确保项目对齐及决策效率

🔌 上下文来源

我们将按照以下计划优先推进上下文来源的扩展，并热烈欢迎各位积极参与代码贡献。

• P0：数字生活与公共信息闭环（PC屏幕截图及链接上传）
• P1：个人文本上下文闭环（文件上传、文件跟踪）
• P2：AI与常用办公场景上下文闭环（MCP、会议记录）
• P3：高质量信息获取闭环（DeepResearch与RSS）
• P4：个人深度上下文闭环（微信、QQ聊天数据采集，手机截图）
• P5：物理世界上下文闭环（智能穿戴设备同步、智能眼镜同步）

上下文捕获能力	上下文来源	优先级	完成状态
屏幕截图	用户PC端信息	P0	✅
笔记编辑	应用内创建信息	P0	✅
链接上传	网络信息	P0
文件上传	结构化文档	P1
文件上传	非结构化文档	P1
文件上传	图片	P1
文件上传	音频	P4
文件上传	视频	P4
文件上传	代码	P4
浏览器扩展	AI对话记录	P2
浏览器扩展	精炼网络信息	P5
会议记录	会议信息	P2
RSS	咨询信息	P3
Deep Research	高质量研究分析	P3
应用MCP/API	支付记录	P4
应用MCP/API	研究论文	P3
应用MCP/API	新闻	P4
应用MCP/API	邮件	P4
应用MCP/API	Notion	P2
应用MCP/API	Obsidian	P2
应用MCP/API	Slack	P4
应用MCP/API	Jira	P4
应用MCP/API	Figma	P2
应用MCP/API	Linear	P4
应用MCP/API	Todoist	P4
记忆库迁移导入	用户记忆库	P4
微信数据采集	微信聊天记录	P4
QQ数据采集	QQ聊天记录	P4
手机截图监控	用户移动端信息	P4
智能眼镜数据同步	物理世界交互记录	P5
智能手环数据同步	生理数据	P5

🆚 与熟悉应用的对比

MineContext vs ChatGPT Pulse

• 🖥️ 全面的数字上下文： MineContext通过读取屏幕截图捕捉您的整个数字工作流，提供丰富、可视化的日常活动和应用上下文。而ChatGPT Pulse则仅限于单个基于文本的对话上下文。
• 🔒 本地优先的数据与隐私： 您的数据完全在本地设备上处理和存储，确保完全的隐私和安全性，无需依赖云端服务器。而ChatGPT Pulse需要将数据发送到并存储在OpenAI的服务器上。
• 🚀 主动且多样的洞察： MineContext能够生成更广泛类型的智能自动生成内容——包括每日摘要、可执行待办事项和活动报告——而不仅仅是简单的提示。ChatGPT Pulse主要在聊天界面中提供被动式的辅助。
• 🔧 开源与可定制性： 作为开源项目，MineContext允许开发者自由查看、修改和基于代码库进行构建，实现完全的定制化。而ChatGPT Pulse是一个封闭的专有产品，无法进行修改。
• 💰 成本效益高的API使用： MineContext无需订阅每月200美元的Pro版，您可以使用自己的API密钥，从而完全掌控支出。而ChatGPT Pulse的高级功能则被锁定在其昂贵的高级订阅层级中。

MineContext vs Dayflow

• 💡 更丰富、主动的洞察： MineContext能够提供更加多样化的自动化智能内容——包括简洁的摘要、可执行的待办事项和情境提示——超越了基础的活动追踪。DayFlow则主要专注于用户活动的记录。
• 🧠 上下文感知的问答与创作： MineContext使您能够基于捕获的上下文提问并生成新内容，解锁更广泛的应用场景，如内容起草和项目规划。而DayFlow仅限于被动的活动记录与回顾。
• ✨ 更优的活动生成与体验： MineContext生成的活动记录更加清晰、详细，配备更直观、交互式的仪表盘，带来流畅的用户体验。DayFlow的活动日志则较为基础，交互性有限。

👥 社区

社区与支持

• GitHub Issues：使用MineContext时遇到的错误与问题。
• 邮件支持：关于使用MineContext的反馈与疑问。
• 微信群：讨论SwanLab的使用并分享最新的AI技术。

星级历史

📃 许可证

本仓库采用 Apache 2.0 许可证授权。

MineContext 快速上手指南

MineContext 是一款开源的、主动感知上下文的 AI 伙伴，旨在通过截图和内容理解，为您的工作、学习和创作带来清晰与高效。它支持本地优先架构，保障数据隐私。

环境准备

系统要求

• 操作系统：macOS 或 Windows
  • macOS 用户注意：v0.1.5+ 版本已支持 Apple 公证，无需手动移除隔离属性。
• 硬件建议：建议具备独立显卡以加速本地模型推理（若使用本地模型）。

前置依赖

• API Key：需准备兼容 OpenAI 协议的服务密钥。
  • 推荐方案：使用火山引擎「豆包」模型（性价比高）。
    • 需激活两个模型：视觉语言模型 (Doubao-Seed-1.6-flash) 和 嵌入模型 (Doubao-embedding-vision)。
    • 获取地址：火山引擎控制台
  • 本地模型方案：推荐使用 LMStudio 部署本地模型，确保数据完全不出本地。
• 屏幕录制权限：首次运行需授权系统屏幕共享权限。

安装步骤

1. 下载客户端

访问 GitHub Release 页面下载对应系统的安装包：

• Mac: Download .dmg
• Windows: Download .exe

2. 安装与初始化

• 运行下载的安装包完成安装。
• 启动应用。注意：首次运行时，应用会自动安装后端环境，过程约需 2 分钟，请耐心等待。

3. 配置 API Key

在应用启动后的引导界面中输入您的 API Key：

• 若使用豆包模型，填入从火山引擎控制台获取的 Key。
• 若使用本地模型，填入 LMStudio 提供的本地服务地址和 Key。

基本使用

第一步：开启屏幕监控

1. 进入应用内的 [Screen Monitor] 模块。
2. 根据系统提示开启屏幕共享/录制权限。
3. 重要：授权完成后，必须重启应用以使权限生效。

第二步：设置录制区域

1. 重启应用后，进入 [Settings] (设置)。
2. 选择您需要监控的屏幕区域或显示器。
3. 点击 [Start Recording] 开始采集上下文信息。

第三步：自动智能生成

启动录制后，无需额外操作。MineContext 将在后台自动：

• 采集屏幕上下文。
• 生成待办事项 (To-dos)、每日/每周总结、灵感提示及活动记录。
• 您可直接在主页查看推送的智能信息，或通过 [Chat with AI] 进行主动问答。

提示：上下文价值的生成需要一定时间的积累，建议保持后台运行，专注于您的核心任务即可。

（可选）后端调试

如需查看 Token 消耗或调整自动化任务参数，可访问本地调试页面： http://localhost:1733