ScreenMind：4GB GPU 上运行的本地 AI 屏幕记忆，隐私优先的 Recall 替代方案

如果你关注过 Microsoft Recall 引发的隐私争议——截图明文存储、无需用户同意、云端分析——就知道「屏幕记忆」这个概念本身很好，但实现方式决定了它是否安全。

ScreenMind 是一个全新的开源项目，思路很简单：用 Gemma 4 视觉模型在本地分析所有屏幕截图，一切数据不出你的电脑。而它的硬件要求低到惊人——只需要一块 4GB 显存的 GPU。

一、解决的问题

日常使用电脑时，大量有价值的信息一闪而过：

• 聊天里说的某个链接、地址、任务
• 开会时白板上画的流程图
• 某个网页上看到的重要数字

手动记录太麻烦，录屏又太大。ScreenMind 的做法是智能截图 + AI 本地分析：只在屏幕内容实际变化时截图，然后用 Gemma 4 理解画面内容并建立索引。之后你可以通过自然语言搜索、对话式回顾，甚至让它自动生成每日总结。

来源：项目 README，「Smart Capture — Content-change detection, not a fixed timer」

二、亮点：4GB GPU 跑视觉模型

这是项目最吸引人的地方。Gemma 4 E2B 是一个多模态模型（视觉 + 语音 + 推理），通常认为需要 12GB+ 显存才能本地运行。ScreenMind 通过底层 llama.cpp 推理引擎将其压缩到 4GB 显存可用的水平。

README 中的最低要求明确写着：

Requirements: Python 3.10+ · GPU recommended (4GB+ VRAM) · ~5GB disk for model

这意味着：

• 绝大多数带独立显卡的笔记本（NVIDIA GTX 1650 4GB 及以上）都能跑
• 不需要云计算、不需要 API Key、没有按 token 计费
• 首次下载模型约 5GB，之后完全离线

三、核心功能

智能截图与 AI 分析

搜索与交互

• 混合搜索：语义向量（MiniLM 嵌入） + 全文搜索（FTS5），既支持模糊含义搜索也支持精确关键词
• 对话式回顾：基于 RAG 的聊天，支持追问——问「Ishaa 在 Discord 上说了什么？」就能直接定位到当时的聊天内容
• Day Rewind：整日屏幕回放，支持 播放/暂停/拖拽/变速

语音与会议

• 语音备忘录：Ctrl+Shift+V 按住说话，Gemma 4 原生音频编码器转录（无需 Whisper）
• 会议转录：自动检测 Zoom/Teams/Meet，分段录音 + map-reduce 摘要生成

隐私机制

四、快速上手

安装非常直接：

git clone https://github.com/ayushh0110/ScreenMind.git
cd ScreenMind
python -m venv venv
venv\Scripts\activate      # Windows
pip install -r requirements.txt
python main.py

第一次运行会自动下载 Gemma 4 E2B GGUF 模型（~5GB），启动 llama-server，然后在 http://127.0.0.1:7777 打开仪表盘。

来源：项目 README Quick Start

系统全局快捷键：

• Ctrl+Shift+B — 即时标记截图
• Ctrl+Shift+P — 暂停/恢复
• Ctrl+Shift+V — 按住录制语音备忘录

所有快捷键可在 Settings 面板中自定义。

五、生态集成

ScreenMind 不仅仅是监控工具，它还提供了完整的集成体系：

MCP 服务器这个设计很有意思——你可以在 Cursor 里直接问「我当时在哪个文件里写了那个函数」，AI 编码助手就能通过 MCP 协议检索你的屏幕历史来回答。

六、对比：ScreenMind vs Microsoft Recall

七、适用场景与不足

适合谁用

• 隐私敏感的开发者：想用屏幕记忆但不想数据上云
• 低配 GPU 用户：4GB 显存在 2026 年已经是相当亲民的配置
• 多工具协作的重度用户：频繁切换 IDE、聊天、浏览器，需要 AI 辅助回顾
• 会议记录需求：自动转录 Zoom/Teams/Meet 并生成结构化摘要

需要注意的

• 首次设置需要 ~5GB 模型下载：虽然不是每天都下的，但初次安装需要一定的网络和磁盘空间
• 快速模式 12s，精确模式 76s：分析不是实时的，取决于你选择的模式和硬件
• 目前只有 Windows/macOS/Linux 支持：尚未提供移动端或 Docker 化部署
• 活跃度待观察：项目较新，社区和贡献者生态正在建设中

总结

ScreenMind 在「AI 本地运行」和「低硬件门槛」之间找到了一个难得的平衡点。4GB GPU 运行多模态视觉模型这件事本身就是一个有意义的实践验证——说明经过适当的推理引擎优化（llama.cpp + Gemma 4 E2B），边缘设备完全能承载 AI 屏幕记忆这样的复杂任务。

如果你对 Recall 的隐私问题感到不舒服，又希望有一个可靠的 AI 屏幕记忆工具，ScreenMind 是一个值得把玩的开源选择。

项目地址： github.com/ayushh0110/ScreenMind
许可协议： MIT