智能化的深度专注力辅助工具
Flow State 是一个旨在帮助用户量化心流状态、识别注意力模式并提供实时反馈的桌面应用。它不仅仅是一个时间追踪器，更是一个能够“理解”你正在做什么的智能助手。通过 AI 模型，它将无形的“专注力”转化为可视化的数据指标，引导你进入并维持高效的心流状态。
-
🧠 AI 驱动的语义理解 区别于传统的黑白名单机制，Flow State 利用本地大模型（Ollama）深度理解你的屏幕活动。它能区分你在 GitHub 上是在“查阅文档”还是在 Bilibili 上“观看教程”，而非简单地屏蔽整个浏览器。
-
🎯 全景行为捕捉与量化
- 实时监控：精准记录当前活跃窗口与进程。
- 多维指标：独创“意志力胜利”、“效能指数”、“碎片率”等高阶指标，全方位评估工作质量。
-
🧘 沉浸式无感交互
- 桌面悬浮球：便捷式桌面交互功能，极简且不打扰。
- 专注卡片：鼠标悬停即可查看详细的任务摘要与持续时长。
- 智能干预：在检测到长时间娱乐或过度疲劳时，提供柔性的提醒。
-
🔒 隐私优先，完全本地化 所有数据存储在本地 SQLite 数据库中，AI 分析可选择通过本地 Ollama 服务完成。你的屏幕活动隐私完全掌握在自己手中，无需上传云端。
-
📊 深度复盘报告 自动生成每日专注度报告，提供可视化的时间轴回顾和 AI 生成的每日洞察，帮助你复盘当日工作状态。
- Python 3.8+
- Ollama: 请确保已安装 Ollama 并下载了相应的模型（例如
qwen2.5或llama3）(建议没注册ollama的可以去注册一下，才可以用项目默认的云端模型)。
克隆项目到本地后，在项目根目录下运行：
pip install -r requirements.txt-
运行程序: 在项目根目录下执行启动脚本：
python run.py
-
服务自检: 程序会自动检查本地 Ollama 服务状态。如果服务未运行，程序将尝试自动在后台启动它（Windows 下无弹窗干扰）。
-
选择 AI 模型:
- 启动时会弹出模型选择窗口。
- 系统会自动列出你本地 Ollama 已安装的所有模型，以及默认配置的云端模型。
- 选择你希望使用的模型（建议使用参数量适中且响应速度快的模型），点击“启动项目”即可。
-
1. 桌面悬浮球与状态卡片 (核心交互)
- 启动成功后，桌面会出现一个清新绿色的水滴状悬浮球（常驻入口）。
- 鼠标悬停：即可呼出详细状态卡片，查看当前任务摘要、持续时长及今日核心指标（快速概览）。
-
2. 每日复盘报告 (深度回顾)
- 点击卡片上的“历史”图标，打开桌面端的每日复盘界面。
- 核心功能: 可视化的时间轴回顾、AI 生成的“致追梦者”成长寄语。
- Web 扩展: 点击界面底部的“历史回溯”按钮，可跳转至Web 看板 (
localhost:8080)，查看更长周期的历史趋势和复杂图表。
本项目采用模块化和面向服务的架构设计：
- UI 层 (PySide6): 负责悬浮球、卡片、报表等界面展示。
- 业务层 (Services):
monitor_service.py: 后台监控进程，采集窗口数据。detector_logic.py: 调用 AI 进行行为分析。
- 数据层 (SQLite): 统一的数据持久化管理。
- AI 引擎: 通过本地 Ollama API 进行自然语言处理。
详细目录结构请参阅 PROJECT_STRUCTURE.md。
让专注成为一种习惯，让心流成为一种常态。