Dayflow：把 Mac 变成你的私人工作日志

你有没有过这样的经历：下午四点突然被拉进一个会议，老板问「今天做了什么」，你脑子一片空白，只能凭感觉回答「嗯……好像做了挺多事的」？或者周末写周报时，翻遍聊天记录和文件列表，却怎么也想不起来那些零碎的时间到底花在哪儿了？

这几乎是每个知识工作者的共同痛点。传统的时间追踪工具——开启计时器、选项目、填备注——本身就打断了工作节奏，而且最后只能给出一张「在 VS Code 花了 3 小时」的枯燥列表，完全没有上下文。

Dayflow 正是为了解决这个问题而生的：它安静地运行在你的 Mac 上，自动把屏幕活动变成一份清晰的时间线，告诉你这一天你「实际上做了什么」，而不是「哪个窗口开着」。

背景：从个人需求出发的开源项目

Dayflow 由独立开发者 JerryZLiu 创建，目前在 GitHub 上已获得超过 6000 颗星、329 个 Fork，并在 ProductHunt 等平台获得首页推荐。项目采用 MIT 许可证，代码完全开源，数据本地优先，用户始终掌控自己的隐私。

这个项目的诞生源于一个朴素的需求：作者希望能够真实地回顾自己一天的工作成果，而不仅仅是记录「几点几分打开了这个软件」。在 Cursor 上花了两个小时，可能是高强度地开发了一个功能，也可能是卡在某个 Bug 里出不来——这两种状态对工作日志来说意义完全不同，Dayflow 试图捕捉这种差异。

从技术角度看，Dayflow 紧密跟随 AI 发展脉络，支持几乎所有主流 LLM 提供商：OpenAI GPT、Anthropic Claude、Google Gemini，以及本地模型服务 Ollama 和 LM Studio。Topics 标签涵盖了 ai、chatgpt、claude、gemini、llm、lmstudio、ollama 等关键词，表明这是一个典型的 AI 原生应用。

工作原理：屏幕活动 → AI 理解 → 有意义的时间线

Dayflow 的核心工作流程分为三个环节：

第一环节：屏幕录制（Privacy-First） Dayflow 通过 macOS 的 Screen Recording API 捕获屏幕活动片段（screen chunks）。根据用户配置的隐私偏好，敏感内容可以被替换为占位符，数据默认存储在本地 ~/Library/Application Support/Dayflow/ 目录，只有用户主动选择云端 AI 分析时，数据才会离开本机。

第二环节：AI 分析（多提供商支持） 录制片段被发送给用户选择的 AI 提供商进行分析。主要支持两种模式：

• 本地模型（Ollama / LM Studio）：分析完全在本地完成，隐私保护最强，适合对数据安全有严格要求的用户。
• 云端模型（Gemini / ChatGPT / Claude）：提供更高质量的摘要和理解能力，用户需自备 API Key。

核心分析模块位于 Core/AI/ 目录，文件命名清晰地体现了功能划分：ChatCLIProvider 负责与本地 CLI 工具（Claude Code、OpenAI Codex）交互；GeminiDirectProvider 处理与 Gemini API 的直连；OllamaProvider 管理 Ollama 服务；LocalEngine 抽象本地模型调用。这种多 Provider 模式的设计让切换 AI 后端变得非常灵活。

第三环节：生成时间线卡片（Activity Cards） AI 对每个屏幕片段生成 Activity Card——包含活动描述、分类标签（工作/社交/摸鱼）、关键词等信息。这些卡片按时间顺序排列，形成用户当天的完整工作日志。

核心功能一览

Dayflow 提供了远比「记录时间」更丰富的功能集：

功能模块	具体能力	使用场景
自动时间线	录制屏幕 → AI 分析 → 时间线卡片	重建一天的工作轨迹
每日站会（Daily Standup）	GitHub 风格活动热力图 + 昨日亮点 + 今日计划 + 阻碍	开会前快速准备发言
周回顾（Weekly Review）	专注热力图、应用使用分布、桑基图、交互关系图	复盘一周的时间分配
对话日志（Chat）	用自然语言询问任意时间段的日志	「上周花在代码审查上的时间有多少？」
干扰追踪	识别分心会话并与专注工作并列展示	发现自己「不知不觉就打开了 B 站」
时间线导出	按日期范围导出为 Markdown	写周报、写项目文档的素材积累

代码架构解析

Dayflow 的技术栈非常清晰：Swift + SwiftUI + Xcode 原生开发，目标平台 macOS 14+。

目录结构（核心模块）

• Core/AI/ — AI 提供商抽象层（Gemini/Claude/Ollama/本地模型）
• Core/Recording/ — 屏幕录制、存储管理、视频处理
• Core/Analysis/ — 时间解析、活动分析
• Core/Security/ — Keychain 密钥管理
• Views/UI/ — 主界面（Timeline/Chat/Daily/Weekly）
• Views/Components/ — 可复用 UI 组件
• Views/Onboarding/ — 首次启动引导（LLM 选择、权限申请）

技术亮点

1. 多后端 AI Provider 架构 通过 LLMService 和 LLMTypes 抽象不同 AI 提供商的差异，ChatCLIProvider 实现了与 Claude Code / OpenAI Codex CLI 工具的无缝对接。用户可以在设置中随时切换 AI 提供商，系统自动适配不同的 API 格式和调用方式。

2. SwiftUI 声明式 UI Dayflow 大量使用 SwiftUI 构建界面。主视图 MainView.swift 管理底部标签导航，侧边栏 SidebarView.swift 提供快捷操作，周回顾模块包含复杂的数据可视化（热力图、桑基图、旭日图）。

3. 隐私优先设计 RecordingPrivacyPlaceholder 和 RecordingPrivacyPreferences 专门处理敏感内容的脱敏处理；KeychainManager 安全存储 API Key；数据默认存本地，用户完全掌控数据流向。

4. 数据存储层 StorageManager 是核心数据抽象，处理 Timeline Card、日志、截图、维护等多种数据实体的持久化，支持自动清理旧数据以控制磁盘占用。

5. 第三方依赖管理 通过 Xcode 项目（.xcodeproj）管理依赖，引入了多个成熟库：Sentry（崩溃监控）、PostHog（产品分析）、Sparkle（自动更新）。

上手门槛：安装容易，深入使用有弹性

Dayflow 提供三种安装方式：DMG 下载安装、Homebrew 一键安装、源码 Xcode 编译。AI 分析是可选功能——不配置任何 AI 提供商时，应用仍可录制和存储屏幕活动，只是不会自动生成有意义的摘要。对于隐私敏感用户，可以选择只跑 Ollama / LM Studio 本地模型，数据完全不外传。

系统要求：macOS 14+（Sonoma 及以上），Screen Recording 和 System Audio Recording 权限，可选 API Key 或本地模型服务。

争议与局限

1. macOS 独占：目前只支持 macOS，Windows 和 Linux 用户无法使用。

2. 隐私的边界：使用云端 AI 分析时，屏幕活动数据会上传到第三方服务商。用户仍需信任这些公司的隐私政策。

3. AI 摘要质量依赖模型能力：在复杂的多任务切换场景中，AI 可能无法准确判断真实的工作状态。

4. 资源占用：屏幕录制本身会消耗 CPU 和磁盘资源，AI 分析可能带来额外负载。

5. 适用人群有限：本质上是一个「数字工作记录器」，对于不需要在电脑前工作的人群价值有限。

行业意义：工作日志的 AI 进化

Dayflow 的出现反映了 AI 应用的一个趋势：从「记录」到「理解」。

传统工具（RescueTime、Toggl）告诉你「在 Chrome 花了 4 小时」，Dayflow 试图告诉你「你在这 4 小时里实际做了 A、B、C 三件事」。GitHub 上超过 6000 颗星的关注度说明：尽管是 macOS 独占的小众工具，但它精准击中了一个真实痛点——知识工作者对「工作成果可追溯」的需求。

如果你是一个经常需要在会议上复盘工作、在周末写周报、或单纯想更了解自己时间分配的 Mac 用户，Dayflow 值得一试。