企业官网建设流程全解析

MineContext 屏幕上下文捕捉：4 步跑起来并调优

【免费下载链接】MineContextMineContext is your proactive context-aware AI partner（Context-Engineering+ChatGPT Pulse）项目地址: https://gitcode.com/GitHub_Trending/mi/MineContext

MineContext 是一个开源的上下文感知 AI 伙伴，核心是屏幕上下文捕捉：周期性截图你的屏幕，把内容变成可检索的上下文，再主动推送每日总结、待办和提示。它适合希望 AI 自动知道自己"在干什么"、不想手动记录工作的知识工作者。

🚀 跑起来：最小启动路径

1. 克隆仓库到本地：git clone https://gitcode.com/GitHub_Trending/mi/MineContext
2. 安装后端依赖，uv sync会自动创建虚拟环境（没有 uv 的话先按 README 安装）：cd MineContext && uv sync
3. 设置模型服务的环境变量，config/config.yaml 通过${VAR}引用它们：

export LLM_API_KEY="your-api-key" export LLM_BASE_URL="<你的模型服务地址>" export LLM_MODEL="doubao-seed-1-6-flash-250828" export EMBEDDING_API_KEY="your-api-key" export EMBEDDING_BASE_URL="<你的模型服务地址>" export EMBEDDING_MODEL="doubao-embedding-vision-250615"

4. 启动 FastAPI 后端，默认监听 1733 端口：uv run opencontext start --port 1733
5. 浏览器打开http://127.0.0.1:1733，可以看到对话、上下文列表和监控页面。

这张 GIF 展示后端运行后的界面：主页主动推送每日总结、待办卡片和活动记录，你也可以在对话框里直接提问。

⚙️ 它是怎么工作的：上下文捕捉的四个机制

屏幕截图从哪来：捕获层定时拍

context_capture/ 模块负责持续收集上下文。截图源的核心是一个定时任务：每capture_interval秒截一次屏，把图片写入本地目录；旁边还有文件夹监控和文件监控，盯着指定目录里的文档变化。注意默认配置里capture.screenshot.enabled是false，改成true截图才会真正开始。

截图怎么变成可用上下文：处理流水线

context_processing/ 接手原始素材。截图处理器先做相似度哈希去重，连续几乎一样的画面不会重复处理；再交给视觉语言模型（VLM）描述屏幕内容，结构化成一条活动记录。文档处理器把长文档切块并抽取实体，merger 再把结果合并、去重，归入活动、意图、状态等几类上下文。

结果怎么推到你面前：生成与消费层

context_consumption/ 模块定时触发模型生成内容，generation/下有活动记录、提示、待办、日报四类任务，各自按独立间隔运行。tools/ 里则是一套检索工具：你在对话里提问时，agent 先识别意图，再调对应工具取回上下文生成回答。

🔍 一个完整例子：问"我下午查了什么"

你做了什么：开着记录，下午翻了好几个网页查资料，晚上在对话页问"我下午查了什么资料？"

系统内部发生了什么：查资料时的截图被 VLM 描述成活动记录，向量化后存入 ChromaDB，同时经 storage/ 写入 SQLite。提问到达后，context_agent/ 里的 agent 做意图识别，再调用 retrieval_tools/ 下的语义和活动检索工具，取回下午相关的记录。

你最终得到什么：一份你下午查过的资料清单，带时间和对应页面。回答的依据是真实捕捉到的上下文，不是编出来的记忆。

⚡ 关键配置项怎么调：捕捉频率与推送节奏

下面三个参数对体验影响最大，都在 config/config.yaml 里：

capture: screenshot: enabled: true # 截图捕捉默认关闭，必须开启 capture_interval: 15 # 截图间隔（秒） processing: screenshot_processor: batch_size: 20 # 每批处理的截图数 content_generation: activity: interval: 900 # 活动生成间隔（秒）

• capture_interval：调小记录更细，但模型调用更多，笔记本上 5~15 秒合理。
• batch_size：调大能提高处理吞吐，日志里看到队列积压时优先调它。
• activity.interval：最低 600 秒，调短推送更及时，代价是成本上升。

启动后可以在监控页随时查看 Token 用量和各生成任务的状态。

🩹 卡住了？高频问题速查

启动时找不到配置文件

• 现象：日志直接报FileNotFoundError，提示指定的配置文件不存在。
• 排查方向：CLI 相对当前工作目录找config/config.yaml，多半是不在仓库根目录执行。
• 解决操作：回到仓库根目录重跑，或用--config /path/to/config.yaml显式指定路径。

模型调用失败

• 现象：日志出现 401/404 错误，或启动后一直没生成任何上下文。
• 排查方向：先看 LLM_/EMBEDDING_六个环境变量是否都已导出，再确认模型服务开通了对应的视觉语言模型和向量化模型。
• 解决操作：补齐变量后重启；用豆包时记得 VLM 和向量化模型要分别开通。

截图在拍，但主页没有推送

• 现象：截图目录里有新图片，主页却没有活动和待办出现。
• 排查方向：确认content_generation各任务的间隔是否太长，以及日志里生成任务是否报错。
• 解决操作：这条命令实时看日志，定位卡在哪一步：

tail -f logs/opencontext.log

临时把间隔降到 600~900 秒，或打开content_generation.debug.enabled把生成过程落盘排查。

想继续深入各模块职责，从 src/architecture-overview-zh.md 的分层图入手；要跑桌面版应用，看 README「贡献指南」一节的pnpm dev开发流程。

【免费下载链接】MineContextMineContext is your proactive context-aware AI partner（Context-Engineering+ChatGPT Pulse）项目地址: https://gitcode.com/GitHub_Trending/mi/MineContext