GDScribe 是什麼

GDScribe(GDScribe Daily Scribe) 是一款執行於 Windows 平台的電子設備操作行為紀錄裝置, 它在背景每隔 10 秒擷取一次螢幕內容, 透過 VLM(Vision Language Model)辨識當下的操作行為, 再以 LLM 彙整成結構化的 Markdown 工作日誌。

適用情境

核心特性

快速上手

首次啟動

雙擊 (或 dev 環境的 )開啟主視窗。 若是首次執行且未安裝 Claude Code CLI, 軟體會跳出安裝對話框。

按「立即安裝」會自動執行 Anthropic 官方的 安裝腳本, 等待 1 分鐘即可完成。安裝後可選擇登入 Claude 帳號或 改用 DeepSeek 金鑰(透過 Claude Code 相容 proxy 模式)。

主畫面

主畫面分三個面板:

頂部按鈕列

錄製與彙整流程

開始錄製

按「開始錄製」後, 左下角狀態變為「錄製中」, 截圖週期啟動。 每張截圖會通過五層過濾, 只有通過的才會送 VLM 並產生行為條目。

每筆行為條目含:

• 時間戳(HH:MM:SS)

• Active App(應用程式名稱)

• Screen Summary(畫面描述, 直接引用視窗標題等具體文字)

• Reason(送 VLM 的原因:first_frame / window_change / image_diff / periodic_force)

彙整為工作日誌

錄一段時間後按「彙整」, LLM 會吃下整批 , 依設定的文本指令 (工作日誌 / 詢問 / 資料庫查詢 / 摘要層級 / 敏感內容遮罩)組合 prompt, 輸出 Markdown 紀錄並渲染到中央面板。

彙整結果同時寫到 , 可直接拿去當週報 / 月報基礎。

歷史紀錄

點頂部「歷史紀錄」圖示開啟歷史 modal, 列出所有過往 session(時間倒序):

點任一筆即進入歷史檢視模式, 左 / 中面板換成該 session 的內容、即時錄製事件被 暫存(返回即時時自動補播), 不會干擾當前錄製。

費用統計

點「錢」圖示查看本 session 的 token 與費用統計, 含即時 USD→TWD 換算:

匯率背景 thread 啟動立即抓 , 之後每 1 小時刷新; 失敗時沿用上次值或預設 32.0。

設定

點右上齒輪圖示開啟設定 modal:

模型選擇

兩組 segment 控件分別設定 VLM 與彙整模型:

選 DeepSeek 時, 下方會跳出 API 金鑰輸入欄位, 填好後系統會寫入 , 並在後續呼叫 走相容 proxy 模式。

啟動行為

兩個 toggle 控制 Windows 開機時的行為:

兩者搭配可達成「開機即靜默錄製」, 完全免操作。

擷取調校(右側面板)

設定 modal 之外, 右側面板有錄製過程中常調的參數:

第三方授權

設定 modal 內的「第三方授權」按鈕開啟授權 modal, 列出 GDScribe 用到的所有 Python 套件與其 LICENSE:

點任一套件可展開看完整 LICENSE 全文。授權型別由 LICENSE 內容自動判斷: MIT / BSD / ISC 為綠色, Apache 為藍色, LGPL / GPL 為黃色(提示需注意 copyleft 條款)。

資料與隱私

資料儲存位置

所有資料存於本機 :

C:/orztrickster/GDScribe/
├── settings.json              使用者設定
├── deepseek-settings.json     DeepSeek 金鑰(僅在使用 DeepSeek 時建立)
└── sessions/
    └── <YYYYMMDD_HHMMSS>/
        ├── behaviors.jsonl    VLM 辨識的逐筆行為(每行一筆 JSON)
        ├── record.md          彙整後的 Markdown 工作日誌
        └── screens/           原始截圖 PNG
            ├── <ts>_m0.png    主螢幕
            ├── <ts>_m1.png    副螢幕(若有)
            └── ...

對外連線

GDScribe 僅在以下情況連網:

截圖 / 行為 / 工作日誌等所有產出資料完全不上傳, 全在本機 sessions 資料夾。

敏感內容處理

若 session 內可能含客戶資料 / 個資 / 帳號密碼等敏感資訊, 可在右側面板勾選 「敏感內容遮罩」, LLM 在彙整時會把符合指定類別的字串改成 [已遮罩]。

注意:此機制僅在彙整()生效;原始 與 仍含原內容, 若要更嚴格的隱私防護, 請關閉「保留原始截圖」並手動清理 jsonl。

系統需求

單張 VLM 成本估算

典型每日 50 次 VLM 呼叫, 約 NT$8 / 天。 透過多層過濾後實際成本通常比預估低。