Dayflow

自动记录屏幕，AI 生成工作日志，告别手动打卡

Dayflow 是一款面向 macOS 的本地优先自动工作日志与时间追踪工具。它通过屏幕录制和 AI 分析，自动将你的屏幕活动转化为时间线，记录你实际完成的工作内容，无需手动记录。项目解决的是知识工作者在时间追踪和日志记录上的痛点，利用 LLM（如 ChatGPT、Claude、Gemini 或本地模型如 Ollama、LM Studio）识别屏幕内容，生成结构化的工作摘要。核心能力包括：自动屏幕捕捉、AI 驱动的活动分类与总结、本地数据存储保障隐私、支持多种 AI 后端。它强调隐私安全，所有处理默认在本地完成，适合注重数据隐私的用户。

开源 unknown 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 7160

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类对话助手

开发团队JerryZLiu

所属国家

官网地址https://www.dayflow.so

GitHubhttps://github.com/JerryZLiu/Dayflow

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议MIT

主要语言Swift

技术栈/模型ai,chatgpt,claude,gemini,llm,lmstudio,local-first,macos,ollama,productivity,productivity-tools,screen-recording,swift,time,time-tracker,time-tracking,timeline,work-journal

GitHub 星标★ 7160

30天Star增速

HF 下载量

上线时间2025-09-23 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数11

使用教程

难度：入门约 10 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

一台运行 macOS 的 Mac 电脑（项目仅面向 macOS）
从官网下载 Dayflow 安装包（README 未提供命令行安装方式）
授予屏幕录制权限，否则无法捕捉屏幕活动
可选：ChatGPT / Claude / Gemini 等云端 LLM 的 API Key，或使用 Ollama、LM Studio 等本地模型

安装与启动步骤

1下载 macOS 安装包

README 的 Install 章节只给出官网下载入口，没有命令行安装命令。请用浏览器打开该链接下载 macOS 版安装包。
2安装并打开应用

按 macOS 常规方式把下载到的 Dayflow 安装到应用程序目录并启动，首次打开会进入引导流程。
3授予屏幕录制权限

Dayflow 靠屏幕录制来生成时间线，首次运行时需在系统设置的隐私与安全性中允许其录制屏幕。
4配置 AI 后端

按引导选择 AI 后端：可填 ChatGPT、Claude、Gemini 的密钥，也可选 Ollama、LM Studio 等本地模型实现全离线。
5查看自动时间线

应用运行后会自动把屏幕活动转成当天的按时间排序的时间线，无需手动开计时器或写日志。

如何确认成功

应用正常运行后，界面出现当天的活动时间线并持续更新，即表示部署成功。

常见问题

Q：支持 Windows 或 Linux 吗？

A：不支持。Dayflow 是面向 macOS 的本地优先工作日志工具，README 中的安装环节也指向 Mac 版本。

Q：我的屏幕数据会被上传吗？

A：项目强调本地优先与隐私：数据默认在本地处理，且可以完全使用 Ollama、LM Studio 等本地 AI 运行。

Q：必须使用云端大模型吗？

A：不是。README 说明可接入 ChatGPT、Claude、Gemini 等云端 LLM，也可用本地模型，按隐私需求自行选择。

Q：为什么一定要屏幕录制权限？

A：Dayflow 通过屏幕捕捉识别你实际做了什么，再交给 AI 归类总结，没有该权限就无法生成时间线。

注意事项

README 的 Install 章节未给出具体安装命令，实际安装步骤请以官网 https://www.dayflow.so 的说明为准。
官方下载链接：https://www.dayflow.so/api/download?source=github_readme_top
若选择云端 LLM，请妥善保管 API Key 并注意相关费用。
追求完全离线与隐私时，优先选择 Ollama 或 LM Studio 等本地模型后端。

核心亮点

本地优先，屏幕数据默认不出设备，隐私保护强
接入多种 LLM（云端+本地），灵活适配不同需求
自动生成时间线，省去手动整理日志的繁琐

不足之处

仅支持 macOS，跨平台用户无法使用
依赖 AI 识别准确性，复杂场景下可能误判

适用场景

自由职业者自动记录工时与项目进展
远程团队自动生成工作周报素材
个人开发者追踪每日编码时间与产出

替代项目

ActivityWatch、WakaTime、Toggl Track

项目介绍

Dayflow 是办公效率领域的开源项目，由 JerryZLiu 开发，2025 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（7,160）位列前 7%，在办公效率分类的 142 个项目里位列前 12%。

近 41 天，它的 GitHub 星标从 6,858 增加到 7,160，净增 302。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。从国内网络环境看，可直接访问。

它主要面向的使用场景是：自由职业者自动记录工时与项目进展。同类可对比的替代方案包括 ActivityWatch、WakaTime、Toggl Track。

上一篇：ReTheme

下一篇：chatgpt-timestamp-extension