一个功能强大的屏幕时间监控工具，使用 Rust 编写，集成了 AI 图像分析和 MCP (Model Context Protocol) 服务功能。它可以定期截取屏幕截图，使用 SiliconFlow 提供的视觉模型分析用户活动，并提供丰富的系统上下文信息。

• 📤 OpenClaw 上报: 支持将 ScreenTime 计算结果按可配置间隔（默认 30 分钟）发送到 OpenClaw Gateway 的 /hooks/agent，由智能体做总结；需同时配置 --openclaw-url 与 --openclaw-token 才启用。

• 🔧 重大重构: 配置简化优化，移除复杂的路径配置参数
• 💰 新增: Token使用统计功能，实时显示AI分析的token消耗
• 📅 优化: 日志系统按日期分类存储，扩展日志结构支持模型和token信息
• 🗂️ 统一: 采用标准数据目录结构，简化用户配置体验
• 🚮 移除: 向后兼容代码，采用约定大于配置的设计理念

• 🖼️ 新增: 智能图片处理系统
  • 专门的图片处理功能: 自动将截图转换为灰度图，减少颜色信息干扰
  • 智能缩放: 支持自定义目标宽度，默认1440像素，保持原始宽高比
  • 高质量算法: 使用Lanczos3算法进行缩放，确保图片质量
  • 参数化控制: 添加 --image-target-width 和 --image-grayscale 命令行参数
  • 灵活配置: 支持设置为0保持原图尺寸，支持环境变量配置
  • 性能优化: 减少图片文件大小，提高AI分析效率和API响应速度
• 🔧 改进: 图片处理流程完全重构，支持参数化控制，提升整体分析性能

• ✨ 新增: 支持自定义 SiliconFlow API URL 配置
  • 添加 --api-url 命令行参数
  • 支持 SILICONFLOW_API_URL 环境变量
  • 保持向后兼容，默认使用官方API端点
• 🔧 改进: 增强配置灵活性，支持私有部署的API服务
• 📚 文档: 更新README文档，添加新功能使用说明

• 🎉 初始版本: 基础屏幕时间监控功能
• 🤖 AI分析: 集成SiliconFlow多模态模型
• 🔗 MCP服务: 支持Model Context Protocol
• 📊 系统上下文: 自动收集系统信息
• 🛡️ 权限管理: 自动检查和请求必要权限
• 🧪 测试功能: 支持使用新prompt重新分析现有截图

• 🤖 AI 智能分析: 使用多模态模型分析截图内容，理解用户活动
• 💰 Token 使用统计: 实时显示AI分析的token消耗，包含输入、输出和总token数量
• 🖼️ 智能图片处理: 自动灰度转换、智能缩放、高质量算法，优化AI分析效果
• 📊 丰富系统上下文: 自动收集系统信息、进程状态、窗口信息、网络接口等
• 🗂️ 统一数据管理: 采用标准目录结构，所有数据统一存储管理
• 📅 按日期分类日志: 日志文件按天分别保存，便于数据管理和分析
• 🔗 MCP 服务支持: 提供 Model Context Protocol 服务，支持远程控制
• 🛡️ 权限自动检查: 启动时自动检查并引导用户授权必要权限
• 📝 完整活动日志: 记录分析结果、系统状态、截图路径、模型信息和token使用
• ⚙️ 简化配置: 约定大于配置，只需设置数据根目录即可
• 🌐 Web 服务: 内置 SSE (Server-Sent Events) 服务器，支持实时数据推送
• 🔧 自定义API: 支持配置自定义API端点，包括SiliconFlow和Ollama等本地模型
• 📤 OpenClaw 上报: 可选将过去 N 分钟的 ScreenTime 摘要发送到 OpenClaw Gateway，便于与主会话联动
• 🧪 测试功能: 支持使用新prompt重新分析现有截图，便于优化分析效果

1. 确保你已经安装了 Rust 和 Cargo
2. 克隆此仓库：

   git clone <repository-url>
   cd ScreenTime

3. 构建项目：

   cargo build --release

# 基本使用（使用默认数据目录）
./target/release/screen_time --api-key your_api_key_here

# 自定义数据目录
./target/release/screen_time --api-key your_api_key_here --data-dir /path/to/your/data

# 使用自定义API URL
./target/release/screen_time --api-key your_api_key_here --api-url https://your-custom-endpoint.com/v1/chat/completions

# 使用环境变量
export SILICONFLOW_API_KEY=your_api_key_here
export SCREENTIME_DATA_DIR=/path/to/your/data
./target/release/screen_time

# 使用 Ollama 本地模型
./target/release/screen_time \
  --api-key ollama \
  --api-url "http://localhost:11434/v1/chat/completions" \
  --model "llava:7b" \
  --data-dir /path/to/ollama/data

• 默认：分析完成后删除截图，控制台会显示 已删除截图: <路径>。
• 保留截图：

  ./target/release/screen_time --api-key your_api_key_here --keep-screenshots

• 使用环境变量：

  export KEEP_SCREENSHOTS=1
  ./target/release/screen_time --api-key your_api_key_here

• 特例：--test-prompt 模式会强制保留当次截图。

数据目录结构（自动创建）：

你的数据目录/
├── screenshots/              # 截图文件
├── logs/                    # 按日期分类的日志
│   ├── 2024-01-01.json
│   ├── 2024-01-02.json
│   └── ...
├── service_state.json       # 服务状态
└── service.sock            # 服务控制Socket

# 启动 MCP 服务器
./target/release/screen_time --mcp --api-key your_api_key_here

MCP 服务器将在 127.0.0.1:8000 启动，提供以下工具：

• monitor: 控制监控状态 (start/stop/status)
• read_logs: 读取活动日志
• take_screenshot: 手动截取屏幕截图

# 使用新prompt重新分析现有截图
./target/release/screen_time \
  --api-key your_api_key_here \
  --test-prompt "请详细描述这张截图中用户的工作状态和专注程度" \
  --test-log-path new_analysis_results.json

这个功能允许您：

• 使用新的prompt重新分析现有的截图
• 对比不同prompt的分析效果
• 优化AI分析的质量和准确性
• 保存测试结果到指定文件

# 使用默认设置（宽度1440，灰度转换）
./target/release/screen_time --api-key your_key

# 自定义宽度，保持灰度转换
./target/release/screen_time --api-key your_key --image-target-width 1024

# 保持原图尺寸，启用灰度转换
./target/release/screen_time --api-key your_key --image-target-width 0

# 自定义宽度，禁用灰度转换（保持彩色）
./target/release/screen_time --api-key your_key --image-target-width 800 --no-image-grayscale

# 使用环境变量配置图片处理
export IMAGE_TARGET_WIDTH=1200
export IMAGE_GRAYSCALE=false
./target/release/screen_time --api-key your_key

图片处理功能说明:

• 灰度转换: 默认启用，减少颜色信息干扰，提高AI分析准确性
• 智能缩放: 默认宽度1440像素，保持原始宽高比，使用高质量Lanczos3算法
• 灵活配置: 支持设置为0保持原图尺寸，支持完全禁用灰度转换
• 性能优化: 减少图片文件大小，提高传输和分析效率

ScreenTime 支持使用 Ollama 本地大语言模型进行图片分析，无需联网即可使用。

前置要求:

1. 安装并启动 Ollama: https://ollama.ai/
2. 拉取支持视觉的模型，如 llava:7b:

   ollama pull llava:7b

使用示例:

# 基本使用
./target/release/screen_time \
  --api-key ollama \
  --api-url "http://localhost:11434/v1/chat/completions" \
  --model "llava:7b"

# 使用环境变量
export SILICONFLOW_API_KEY=ollama
export SILICONFLOW_API_URL=http://localhost:11434/v1/chat/completions
export SILICONFLOW_MODEL=llava:7b
./target/release/screen_time

# 结合图片处理参数
./target/release/screen_time \
  --api-key ollama \
  --api-url "http://localhost:11434/v1/chat/completions" \
  --model "llava:7b" \
  --image-target-width 1024 \
  --no-image-grayscale

支持的模型:

• llava:7b - 轻量级视觉语言模型
• llava:13b - 更强大的视觉语言模型
• llava:34b - 最高性能的视觉语言模型
• 其他支持视觉的 Ollama 模型

将 ScreenTime 的计算结果（过去 N 分钟的本机活动摘要）定期提交到 OpenClaw Gateway 的 /hooks/agent，由智能体做总结并可在主会话/渠道中看到。仅当同时提供 --openclaw-url 和 --openclaw-token 时才会启用，默认每 30 分钟提交一次。

• URL：--openclaw-url 需填写完整的 agent webhook 地址（含路径，如 http://host:port/hooks/agent）。
• Token：--openclaw-token 必须与 OpenClaw Gateway 配置中的 hooks.token 完全一致（字符、首尾空格均需一致），否则会返回 401 Unauthorized。建议从 Gateway 配置中直接复制粘贴。

# 启用 OpenClaw agent 上报（默认每 30 分钟）
./target/release/screen_time \
  --api-key your_api_key_here \
  --openclaw-url http://127.0.0.1:18789/hooks/agent \
  --openclaw-token YOUR_WEBHOOK_TOKEN

# 使用环境变量
export OPENCLAW_URL=http://127.0.0.1:18789/hooks/agent
export OPENCLAW_TOKEN=YOUR_WEBHOOK_TOKEN
./target/release/screen_time --api-key your_api_key_here

# 自定义上报间隔（例如每 15 分钟）
./target/release/screen_time \
  --api-key your_api_key_here \
  --openclaw-url http://127.0.0.1:18789/hooks/agent \
  --openclaw-token YOUR_WEBHOOK_TOKEN \
  --openclaw-report-interval-minutes 15

测试 OpenClaw agent 连接（不依赖 ScreenTime 运行）：

curl -X POST http://127.0.0.1:18789/hooks/agent \
  -H 'Authorization: Bearer YOUR_WEBHOOK_TOKEN' \
  -H 'Content-Type: application/json' \
  -d '{"message":"用户电脑设备在过去30分钟内的活动摘要（共0条）：测试。请总结。","name":"ScreenTime","wakeMode":"now","deliver":true}'

成功时返回 202 Accepted（异步已接受），智能体会在后台处理并总结，主会话/渠道中可见。

ScreenTime 需要以下系统权限才能正常工作：

• 用途: 截取屏幕截图进行AI分析
• 设置路径: 系统偏好设置 → 安全性与隐私 → 隐私 → 屏幕录制
• 说明: 程序会自动检查此权限并引导您授权

• 用途: 获取当前活跃窗口和应用程序信息
• 设置路径: 系统偏好设置 → 安全性与隐私 → 隐私 → 辅助功能
• 说明: 此权限有助于AI更准确地分析您的使用情况

• 用途: 截取屏幕截图进行AI分析
• 设置路径: 设置 → 隐私 → 应用权限 → 屏幕录制
• 说明: Windows 10/11 需要允许应用访问屏幕内容

• 用途: 获取当前活跃窗口和应用程序信息
• 说明: 程序使用 Windows API 和 PowerShell 获取窗口信息
• 注意: 某些情况下可能需要管理员权限

首次运行时，程序会自动检查权限状态并打开相应的设置页面指导您完成授权。

系统默认目录:

• macOS: ~/Library/Application Support/ScreenTime/
• Linux: ~/.local/share/screentime/
• Windows: %APPDATA%/ScreenTime/

# SiliconFlow API 配置
export SILICONFLOW_API_KEY=your_api_key_here
export SILICONFLOW_API_URL=https://api.siliconflow.cn/v1/chat/completions
export SILICONFLOW_MODEL=Qwen/Qwen2-VL-7B-Instruct

# Ollama 本地模型配置
export SILICONFLOW_API_KEY=ollama
export SILICONFLOW_API_URL=http://localhost:11434/v1/chat/completions
export SILICONFLOW_MODEL=llava:7b

# 其他配置
export SCREEN_ANALYSIS_PROMPT="请描述这张截图中用户正在使用什么软件，在做什么，并进行分类，严格按照格式输出结果：【类型】【软件】【主要工作摘要】。"
export SCREENSHOT_INTERVAL_SECONDS=60
export SCREENTIME_DATA_DIR=/path/to/your/data
export IMAGE_TARGET_WIDTH=1440
export IMAGE_GRAYSCALE=true
export TEST_LOG_PATH=test_log.json
export KEEP_SCREENSHOTS=1

# OpenClaw agent 上报（可选，URL 为完整 /hooks/agent 地址）
export OPENCLAW_URL=http://127.0.0.1:18789/hooks/agent
export OPENCLAW_TOKEN=your_webhook_token
export OPENCLAW_REPORT_INTERVAL_MINUTES=30

ScreenTime 支持配置自定义的 API 端点，适用于以下场景：

• 私有部署: 如果您有自己的 SiliconFlow 服务实例
• 企业环境: 公司内部的API服务
• 测试环境: 开发或测试用的API端点
• 本地模型: 使用 Ollama 等本地大语言模型服务

使用示例:

# 使用私有部署的API
./target/release/screen_time \
  --api-key your_private_key \
  --api-url https://your-company.com/siliconflow/v1/chat/completions

# 使用测试环境API
export SILICONFLOW_API_URL=https://test-api.example.com/v1/chat/completions
./target/release/screen_time --api-key test_key

# 使用 Ollama 本地模型
./target/release/screen_time \
  --api-key ollama \
  --api-url "http://localhost:11434/v1/chat/completions" \
  --model "llava:7b"

ScreenTime 会自动收集以下系统信息，为 AI 分析提供更丰富的上下文：

• 用户名和主机名
• 操作系统名称和版本
• 内核版本
• 系统运行时间

• 内存使用情况（总内存/已用内存）
• Top 10 进程（按内存使用量排序）
• 进程 CPU 使用率

• 当前活跃应用程序
• 前台窗口标题

• 网络接口列表
• IP 地址信息

ScreenTime/
├── src/
│   ├── main.rs              # 程序入口点
│   ├── config.rs            # 配置解析（简化版）
│   ├── screenshot.rs        # 屏幕截图功能
│   ├── siliconflow.rs       # SiliconFlow API 调用（包含token统计）
│   ├── logger.rs            # 日志记录功能（按日期分类）
│   ├── models.rs            # 数据模型定义（扩展版）
│   ├── capture.rs           # 截屏循环控制
│   ├── context.rs           # 系统上下文收集
│   ├── permissions.rs       # 权限检查和请求
│   ├── mcp_service.rs       # MCP 服务实现
│   ├── service_state.rs     # 服务状态管理
│   ├── standalone_service.rs # 独立服务实现
│   ├── openclaw.rs          # OpenClaw /hooks/agent 上报与智能体总结
│   └── test_prompt.rs       # 测试prompt功能

├── Cargo.toml              # 项目配置和依赖
├── CHANGELOG.md            # 更新日志
└── README.md               # 项目文档

运行时数据目录结构：

数据根目录/
├── screenshots/             # 截图文件（自动创建）
├── logs/                   # 按日期分类的日志（自动创建）
│   ├── 2024-01-01.json
│   └── ...
├── service_state.json      # 服务状态文件
└── service.sock           # 服务控制Socket

• tokio: 异步运行时
• image: 图像处理
• screenshots: 屏幕截图
• reqwest: HTTP 客户端
• serde: 序列化/反序列化
• chrono: 日期时间处理
• clap: 命令行参数解析

• sysinfo: 系统信息获取
• whoami: 用户信息获取
• get_if_addrs: 网络接口信息

• axum: Web 框架
• tower-http: HTTP 中间件
• rmcp: Model Context Protocol 实现

• tracing: 结构化日志
• tracing-subscriber: 日志订阅器

活动日志以 JSON 格式保存，按日期分类存储在 logs/ 目录下：

日志目录结构:

logs/
├── 2024-01-01.json    # 2024年1月1日的所有记录
├── 2024-01-02.json    # 2024年1月2日的所有记录
└── ...

日志条目格式:

{
  "timestamp": "2024-01-01T12:00:00+08:00",
  "description": "【工作】【VSCode】【正在编辑Rust代码，进行项目开发】",
  "model": "THUDM/GLM-4.1V-9B-Thinking",
  "token_usage": {
    "prompt_tokens": 1024,
    "completion_tokens": 156,
    "total_tokens": 1180
  },
  "context": {
    "username": "用户名",
    "hostname": "主机名",
    "os_name": "macOS",
    "uptime_secs": 3600,
    "total_memory_mb": 16384,
    "used_memory_mb": 8192,
    "processes_top": [...],
    "active_window": {
      "app_name": "Visual Studio Code",
      "window_title": "main.rs - ScreenTime - VSCode"
    },
    "interfaces": [...]
  },
  "screenshot_path": "screenshots/screenshot_20240101_120000.png"
}

当以 MCP 模式运行时，服务提供以下工具：

控制监控状态

• action: "start" | "stop" | "status"

读取活动日志

• start_time: 开始时间（可选）
• end_time: 结束时间（可选）
• limit: 限制返回条数（可选）
• detailed: 是否包含详细信息（可选）

手动截取屏幕截图

1. 权限要求: 请确保你的系统允许屏幕录制权限
2. API 费用: SiliconFlow API 调用可能会产生费用，请根据你的使用情况进行监控
3. 隐私保护: 截图和分析结果会保存在本地，请注意保护个人隐私
4. 系统兼容性: 支持 macOS 和 Windows 系统，Linux 系统的支持正在开发中
5. 网络连接: 需要稳定的网络连接以调用 AI 分析服务
6. 管理员权限: Windows 系统可能需要管理员权限来获取完整的窗口信息
7. 自定义API: 使用自定义API端点时，请确保端点支持与官方API相同的接口格式
8. OpenClaw 安全: 使用 OpenClaw 上报时，建议将 Gateway 的 webhook 端点置于 loopback、tailnet 或受信任反向代理之后，并使用专用 webhook 令牌

欢迎提交 Issue 和 Pull Request 来改进这个项目！

本项目采用 MIT 许可证。