焦点

我让AI“偷窥”了我的屏幕，它有机会变成我第二个大脑

webmaster

7月 9, 2025 - 05:16

本文来自微信公众号：极客公园（ID：geekpark），作者：张勇毅，编辑：靖宇

几周前，我为了一份行业深度文章的撰写，在堆积如山的数据分析文件和浏览器标签页中挣扎了整整两天。

那种感觉，就像在自己的知识库里溺水——你明确地记得看过某个数据、某段论述，却无论如何也无法在信息的洪流中重新定位它。

我们早已习惯了这种数字时代的“失忆症”，也习惯了将希望寄托于AI。我们像一个耐心的饲养员，不断地在应用之间复制、粘贴、切换，把上下文一点点“喂”给ChatGPT，只为换取一次灵光乍现。

此时，一个名为“Glass”的项目引起了我的注意。这款据开发团队介绍致力于成为用户“数字大脑拓展”的应用，并非又一个AI聊天框的变体，而是一个完全迥异的存在。

它将“被动观察”这一理念，原汁原味地注入了我的macOS，并由此让我得以一窥，当AI成为你心智的延伸时，人机交互的终极形态，究竟有多远。

一、面向未来的AI助手，但是开发者版

Glass没有任何传统意义上的“界面”。它的“安装”，更像是一套开发者环境的配置流程，需要你熟悉Python和Node.js。它的“实体”，则只是一个静默地躺在菜单栏的图标。

Glass应用安装界面｜图片来源：极客公园

进入Glass，首先是几个直接的权限请求：

屏幕录制权限
麦克风访问权限
辅助功能权限

Glass需要的用户隐私权限都非常敏感｜图片来源：极客公园

没有任何花哨的引导，每一个权限都直指其核心：一个需要完整观察你、倾听你的AI。

如果仅看Glass安装完成之后的效果，可能很难意识到这是一个AI应用——你甚至是可以选择是否将其隐藏：这里并非物理意义上的隐藏，而是在数字世界中隐藏，即使你将屏幕分享给其他用户，他们也无法看到Glass的存在。

Glass以一个悬浮药丸的形式运行于系统中｜图片来源：极客公园

这正是Glass的核心理念：AI不应是一个需要被频繁唤起注意到的“工具”，而应是一个与你伴生的“记忆体”。

传统AI助手的工作模式是“你问，我答”，这个过程是割裂的、非连续的。而Glass颠覆了这一点，它的工作模式是“我观察，你随时问”。它会在后台默默地记录你的一切数字化行为，并将其内化为自己的记忆。

它不再需要你费力地去“解释上下文”，因为它本身就活在你的上下文里。

二、当记忆不再是负担

看完了它极简的“页面布局”，我很好奇Glass的实战表现如何。

先说结论，Glass主要有我们已经熟悉的部分，也有不同于现有任何AI工具使用体验的部分。

首先，它并不是一个现有AI大模型工具的便捷访问入口，Glass虽然可以直接提问，但问题的内容总是与屏幕中显示的内容相关。你可以直接通过快捷键，来向它提问各种关于当前屏幕的内容。

但这只是Glass真正能力的冰山一角：当你点击悬浮栏中的Listen按钮，Glass就会切换为监听模式，从静态读取你当前桌面上的内容，变为持续记录你电脑屏幕过去出现过的各种画面信息与音频，并基于此生成一份总结报告。

Glass监听屏幕内容改变并实时记录｜图片来源：极客公园

在会议纪要场景中，Glass不仅能实时生成一份会议纪要重点，并且还能实时转录音频，当然目前的体验中还只支持英文，对于中文语音的支持欠佳。

但Glass比起其他会议纪要类AI工具最大的不同，是它不受某个App的限制，可以全局记录并提取过去屏幕中的内容，并且根据记录下来的内容实时生成摘要以及问题总结。

除了老生常谈的会议记录功能，Glass的应用场景还能体现在看视频上：我在Glass开启的状态下，打开一个主题是关于F1车手刘易斯-汉密尔顿的采访视频。在不到三分钟之后，Glass就通过目前读取到的内容，帮我生成了一份当前内容摘要。

在这份摘要中，Glass还会主动提供数个进一步问题，供你进一步了解视频内容，当然在这个阶段，你同样可以自己提问你仍然感觉疑惑的问题。

Glass生成视频摘要｜图片来源：极客公园

这份摘要内容本身会随着屏幕内容数据的不断增加，进一步更新更多相关内容，目前，Glass分析本身支持中文内容，但自动生成的内容汇总目前还只能以英文的方式展示——这种情况我们在如今的Apple Intelligence中ChatGPT的体验中也曾见过，都是模型本身支持中文内容、应用层没有做适配而产生的问题。

Glass的屏幕内容摘要功能支持中文，但支持的不多｜图片来源：极客公园

在直接针对屏幕内容的提问中，由于我可以直接使用中文提问，因此回答也会采用中文回复，这很大程度上提高了这一功能对中文用户的友好程度。

Glass可以针对记录的屏幕内容提问｜图片来源：极客公园

全局读取屏幕信息并记录，是一个潜力几乎无上限的功能，我遇到的第一个震撼瞬间，是在VSCode里重构一个复杂的项目。

当我使用Gemini修改完一串代码，然后脑中突然闪过一丝不确定。此时，我没有急于修改撰写的那段代码，而是直接通过快捷键唤出Glass，问道：“帮我分析一下修改的那部分代码的核心逻辑。”

几秒钟后，一个对话框以通知的方式弹出，用清晰的列表总结了函数的用途和我的修改点。

我没有复制任何代码，没有跳转任何页面。我只是提出了一个基于“屏幕内容”和“需求”的问题，Glass就从屏幕中为我提取了答案。

另一个，则是Glass对非结构化信息（如会议语音）的惊人处理能力。在一场持续一个多小时的线上脑暴会中，我全程投入讨论。会议结束后，Glass已经自动生成了一份详尽的会议纪要，不仅区分了不同发言人，甚至提炼出了关键的结论和待办事项列表。

它就像一个永不疲倦的书记员，将稍纵即逝的多模态内容流，沉淀为结构化的信息资产。

可以说，Glass的首秀，就将目前AI助手最大的痛点——上下文的缺失和跨应用操作的割裂感解决了。同时，作为一个开源项目，Glass即使是在全时监控屏幕的情况下，也没有对电脑的内存产生特别巨大的压力——这一点足以让我愿意让它全天运行在我的电脑上，在我需要它的时候将它唤醒。

话虽如此，但我仍然不建议电脑内存在16GB以下的Mac设备（当前Glass只有macOS版本，Windows版本在开发中）长时间运行Glass，这仍然会给电脑造成明显的卡顿现象。

但简单的产品应用逻辑，也说明Glass放弃了所有取巧的路径，它依赖云端服务器对你的行为进行分析（至少在开源版本中），同时选择在本地进行大量的结构化信息整理任务。这意味着所有的屏幕录制、语音识别，几乎都直接压在了处理器本身上，自然也就带来了更高的硬件负载。

三、记忆延伸的源流与未来

Glass的推出，虽然只是一个名为Pickle的小团队的开源项目，但其背后的理念，却可以追溯到上个世纪。

1945年，在美国科学家范尼瓦·布什（Vannevar Bush）发表于《大西洋月刊》的著名文章《诚如所思》（As We May Think）中，一个名为“记忆扩展器”（Memex）的革命性概念被首次提出。这个构想远早于个人电脑和互联网的诞生，却以惊人的前瞻性预示了未来信息技术的发展方向，并对后来的超文本（Hypertext）和个人计算领域产生了深远的影响。

《诚如所思》（As We May Think）｜图片来源：Wikipidia

“记忆拓展器”的核心逻辑，是通过技术手段，将个人的知识和记忆外部化，使其成为一个可供随时访问的“外接大脑”。

是不是很熟悉？Glass所做的事情，正是Memex理念在AI时代的具象实现。它不再局限于存储文档和书籍，而是将用户动态的、实时的“行为”本身作为记录对象，通过大型语言模型的“关联索引”，最终实现一个远超任何传统知识库的、活的、个人的记忆系统。

Glass这个项目更深远的目标——“为每个人建立一个活的数字克隆”，则更是这一理念的极致延伸。它不仅要成为你的记忆，更渴望成为你的“代理”，一个可以理解你、模仿你，甚至代替你执行任务的数字孪生。

但回到现实，目前Glass的体验显然距离这个目标还很遥远：Glass需要你手动输入OpenAI或Gemini的API Keys，现阶段Glass也提供了登录账号、免费试用开发团队提供的API Key额度的解决方案。同时正常使用也需要前置安装Python与Node环境库，虽然门槛实际上并不高，但也并没有达到“开箱即用”的地步。

即便如此，Glass在开源之后还是迅速在GitHub上吸引了不少关注，短短四天已经破超过3K Star，迅速在AI工具圈走红。

在Glass背后，开发团队Pickle是一家致力于构建“数字思维扩展（Digital Mind Extension）”的公司。他们刚刚在上个月从Y Combinator吸引到了60亿韩元（约3100万人民币）的投资。