Dayflow：把屏幕活动变成工作日志的本地优先 macOS 应用
The automatic work journal/time tracker. Privately turns your screen into a timeline of what you actually accomplished. Open-source and local-first.
秒懂
- 它是什么？
- Dayflow 是一款开源、本地优先的 macOS 时间追踪工具，它通过屏幕录制和 AI 分析自动生成时间线，并支持本地模型或云端 API。本文基于仓库文档评估其机制、隐私边界和适用场景。
- 适合谁用？
- 适合需要自动记录工作内容、且愿意接受屏幕录制权限和 AI 分析成本的 macOS 用户，尤其是工程师、顾问或频繁切换任务的人。不适合对屏幕内容高度敏感、无法接受任何云端数据传输的用户，也不适合只想统计应用使用时长而不需要语义理解的场景。
- 能商用吗？
- 可以。MIT 是宽松许可证：你可以使用、修改并销售基于它的软件，只需保留版权和许可证声明。
- 还在维护吗？
- 在维护。仓库最近一次提交在 5 天前。
- 用什么语言写的？
- 主要是 Swift（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月15日）和我们的分析，不构成法律意见。
开源项目深度解析
它解决的是记忆问题，不是计时问题
大多数时间追踪器只记录哪个应用在前台，比如 Cursor 开了两小时，但这两小时是写代码、调试还是摸鱼，工具说不出来。Dayflow 的定位不同，它把屏幕内容切成片段，交给 AI 分析，生成带语义的活动卡片。这解决的是“下班后回想今天干了什么”的记忆负担，而不是精确到分钟的工时统计。目标用户是那些需要写日报、周报、客户记录或自我复盘的人，尤其是任务切换频繁、很难靠手动计时保持准确的人。
从屏幕像素到活动卡片的数据流
根据 README 的描述，Dayflow 在后台持续运行，捕获“轻量级屏幕块”，然后由你选择的 AI provider 分析这些屏幕内容，生成时间线。这个流程的关键是：先有屏幕录制，再有语义理解，最后形成活动卡片。它不像传统计时器那样依赖用户启动或停止，而是被动地观察。分析结果会聚合成每日摘要、每周回顾和可查询的聊天记录。数据流是单向的，从屏幕到 AI，再到本地存储，中间没有人工标注环节。这意味着输出质量直接取决于 AI 模型对屏幕截图的理解能力，如果模型误判了上下文，时间线就会出现偏差。
隐私设计：本地优先，但云端是选项
Dayflow 的存储默认全部留在本机，路径是 ~/Library/Application Support/Dayflow/，包括录制内容、时间线数据和数据库。AI 分析可以选择本地模型，通过 Ollama 或 LM Studio 运行，这样分析过程不出机器。也可以选择 Gemini API key，或者通过 ChatGPT、Claude 的本地 CLI 工具，但 README 明确说，如果选云端 provider，活动数据会发送给该服务。这个设计是诚实的，它把隐私控制权交给用户，而不是假装完全离线。但要注意，即便用本地模型，屏幕录制本身已经是一种敏感数据，任何能访问你 Mac 的进程都可能看到这些内容。
安装与配置：三条路径，一个核心权限
安装方式有三种。第一种是从 GitHub Releases 下载 Dayflow.dmg，打开后拖入 Applications，然后授予屏幕录制和系统音频录制权限。第二种是用 Homebrew，命令是 brew install --cask dayflow。第三种是从源码构建，需要 git clone https://github.com/JerryZLiu/Dayflow.git，然后打开 Dayflow/Dayflow.xcodeproj，在 Xcode 里选择 Dayflow scheme 运行。系统要求是 macOS 14+。AI provider 是可选配置，你可以不配任何 key，只用本地模型，也可以配 Gemini API key，或者使用 Codex CLI、Claude Code。注意，屏幕录制权限是强制的，没有它，整个工具无法工作。
功能边界：自动清理和导出是亮点，但不是万能
Dayflow 提供自动清理功能，可以设置存储上限，让应用自动删除旧录制。这解决了长期运行后磁盘膨胀的问题。时间线可以导出为 Markdown，支持任意日期范围，适合写客户报告或保存可搜索的记录。但功能也有边界：它依赖 AI 对屏幕内容的理解，如果屏幕上有大量加密内容、终端命令或纯代码，模型可能无法准确判断你在做什么。另外，它追踪的是屏幕活动，不是键盘输入或鼠标行为，所以如果你在阅读纸质文档或开会没看屏幕，这段时间会缺失。这些限制在 README 中没有详细讨论，但从机制上可以推断。
替代方案比较：应用级追踪与语义理解的分野
传统时间追踪器如 Toggl 或 RescueTime 走的是另一条路。RescueTime 记录前台应用和网站，但不看屏幕内容，所以它无法区分你在 Cursor 里是写代码还是看视频。Dayflow 的屏幕分析能提供上下文，但代价是需要屏幕录制权限和 AI 调用成本。另一个替代是手动日志工具，比如 Obsidian 搭配模板，完全靠用户自律，没有自动捕获，但也没有隐私风险。Dayflow 的取舍很清楚：用隐私和计算成本换取语义丰富的自动记录。如果你只需要应用使用时长，传统工具更轻量，如果你需要“今天做了什么”的叙述性回答，Dayflow 这类方案才有意义。
维护与升级成本：开源但更新节奏依赖作者
Dayflow 采用 MIT 许可证，可以自由使用和修改。仓库最近更新频繁，v2.4.2 在 2026 年 9 月 9 日发布，说明项目处于活跃维护状态。但作为个人开源项目，升级节奏和长期维护取决于作者的时间投入。从源码构建需要 Xcode 环境，这对非开发者不友好，但 Homebrew 和 DMG 安装方式降低了门槛。升级时需要注意，如果更改了 AI provider 或存储路径，旧数据是否兼容需要查看发布说明，README 中没有明确说明。另外，MIT 许可证意味着你可以商用或修改，但如果你分发修改版，需要保留版权声明，这不是法律建议，只是许可证文本的常见要求。
编辑结论
适合需要自动记录工作内容、且愿意接受屏幕录制权限和 AI 分析成本的 macOS 用户，尤其是工程师、顾问或频繁切换任务的人。不适合对屏幕内容高度敏感、无法接受任何云端数据传输的用户，也不适合只想统计应用使用时长而不需要语义理解的场景。采用前应验证：确认你的 Mac 满足 macOS 14+ 要求，明确所选 AI provider（本地 Ollama 或云端 API）的隐私差异，并检查存储清理策略是否符合你的磁盘空间预期。Dayflow 的核心价值在于把屏幕活动变成可检索的时间线，但它要求你信任本机录制和 AI 分析的组合，这个信任边界是决定是否使用的关键。
社区笔记