Обзор Screenpipe 2026: AI-память для рабочего стола

Screenpipe — открытая AI-система для захвата, распознавания и поиска всего, что происходит на вашем экране, с полной локальной обработкой

📝 3960 words
Обзор Screenpipe 2026: AI-память для рабочего стола — qantcore.space
🤖 AI Обзор 2026

Обзор Screenpipe 2026:
AI-память для рабочего стола

Локальная запись экрана, OCR-распознавание, транскрипция аудио и семантический поиск — всё работает полностью офлайн, без облаков и подписок.

📅 Июль 2026 🦀 Rust + Python 🔒 100% Офлайн 🆓 Open Source (MIT) ⏱ ~12 мин чтения

🧠 Что такое Screenpipe

Вторая память для вашего компьютера — полностью локальная и конфиденциальная

Screenpipe — это open-source библиотека и демон, который непрерывно записывает ваш экран, извлекает текст через OCR, транскрибирует аудио, сохраняет всё в локальную векторную базу данных и предоставляет семантический поиск с помощью LLM. Проект написан на Rust (производительный слой захвата) и Python (AI/ML-слой), с плагинами на TypeScript.

В отличие от коммерческих аналогов вроде Rewind AI или Microsoft Recall, Screenpipe не отправляет ваши данные в облако. Все данные хранятся локально в SQLite и векторной базе. Вы полностью контролируете свою информацию — это критически важно для российских пользователей, работающих с конфиденциальными данными, персональной информацией и в условиях санкционных ограничений.

💡 Ключевая идея Screenpipe превращает ваш компьютер в систему с «идеальной памятью». Вы можете спросить: «Что я читал про микросервисы в прошлый вторник?» — и получить точный ответ с фрагментом экрана, временной меткой и контекстом.

Проект активно развивается: на GitHub более 18 000 звёзд, более 200 контрибьюторов. Стабильный релиз 0.x вышел в конце 2024 года, а версия 1.0 ожидается в третьем квартале 2026. Автор — Louis Beaumont, разработчик с опытом в AI/ML и системном программировании.

🏗 Архитектура системы

Как данные проходят путь от пикселя до ответа AI

Архитектура Screenpipe — Путь Данных 🖥 Screen Capture macOS ScreenKit Linux PipeWire/X11 Windows DXGI 🎤 Audio Capture CoreAudio / PulseAudio ⚙ Processing Layer OCR: Tesseract / Apple Vision Audio: Whisper.cpp (local) Embeddings: all-MiniLM-L6-v2 Frame dedup & compression 💾 Local DB Layer SQLite (metadata) LanceDB (vectors) ~/.screenpipe/data/ Encrypted at rest 🔍 Query & AI Engine Semantic search → RAG → Local LLM Ollama / LM Studio / llama.cpp API: REST + WebSocket (localhost:3030) непрерывный цикл Сбор данных Обработка Хранение AI-запросы Все данные хранятся локально — никаких облаков

Схема архитектуры: захват → обработка → хранение → AI-поиск. Все компоненты работают на устройстве пользователя.

🧩 Компоненты и агенты

Из чего состоит Screenpipe: основные модули и их роли

Компонент Язык Назначение
screenpipe-core Rust Основной демон: захват экрана, аудио, управление пайплайном. Работает как системный сервис.
screenpipe-vision Rust C++ OCR-движок: Tesseract (кроссплатформенный) + Apple Vision (macOS-ускорение через CoreML).
screenpipe-audio Rust C++ Захват системного аудио и микрофона, отправка на whisper.cpp для транскрипции.
screenpipe-db Rust Слой хранения: SQLite для метаданных, LanceDB (lance) для векторных эмбеддингов.
screenpipe-server Rust HTTP + WebSocket сервер на localhost:3030. REST API для поиска и управления.
screenpipe-pipes TypeScript Плагинная система: пользовательские пайпы для фильтрации, обогащения, автоматизаций.
screenpipe-cli Rust Утилита командной строки для управления записью, поиска, экспорта данных.
screenpipe-ai Python ML AI-слой: эмбеддинги (sentence-transformers), RAG-пайплайн, интеграция с локальными LLM.
screenpipe-desktop TypeScript Десктопное приложение (Tauri): интерфейс поиска, статус записи, настройки.
⚠️ Важно для пользователей из РФ Все компоненты работают локально. Для OCR можно использовать Tesseract с русским языковым пакетом (tesseract-langpack-rus). Для транскрипции аудио — Whisper multilingual модель. Никакие данные не покидают ваш компьютер.

📦 Установка

Пошаговая инструкция для macOS, Linux и Docker

🍎 macOS (Apple Silicon / Intel)

Terminal — macOS
# Установка через Homebrew (рекомендуется)
brew tap louis030195/screenpipe
brew install screenpipe

# Или собрать из исходников
git clone https://github.com/mediar-ai/screenpipe.git
cd screenpipe
cargo build --release
sudo cp target/release/screenpipe /usr/local/bin/

# Запуск демона (фоном)
screenpipe daemon start

# Проверить статус
screenpipe status
● screenpipe daemon running (PID 48291)
  Recording: active
  Frames captured: 12,847
  OCR events: 3,201
  Audio transcribed: 47 min

🐧 Linux (Ubuntu/Debian/Fedora/Arch)

Terminal — Linux
# Системные зависимости
sudo apt update && sudo apt install -y \
  libx11-dev libxcb1-dev libxcb-shm0-dev \
  libxcb-shape0-dev libxcb-xfixes0-dev \
  libasound2-dev libpulse-dev \
  tesseract-ocr tesseract-ocr-rus \
  ffmpeg libavformat-dev libswscale-dev

# Установка Rust toolchain
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
source "$HOME/.cargo/env"

# Клонирование и сборка
git clone https://github.com/mediar-ai/screenpipe.git
cd screenpipe
cargo build --release --features "linux,audio"

# Запуск с авто-определением дисплея
./target/release/screenpipe daemon start \
  --display ":0" \
  --fps 1 \
  --audio-device "default"

🐳 Docker

Terminal — Docker
# Готовый образ с whisper и tesseract (CPU)
docker pull ghcr.io/mediar-ai/screenpipe:latest

# Запуск с монтированием данных
docker run -d \
  --name screenpipe \
  -v "$HOME/.screenpipe:/root/.screenpipe" \
  -p 3030:3030 \
  -e SCREENPIPE_AUDIO_ENABLED="true" \
  -e SCREENPIPE_OCR_LANG="rus+eng" \
  ghcr.io/mediar-ai/screenpipe:latest

# Проверка через API
curl http://localhost:3030/health
{"status":"ok","uptime":3600,"frames_total":14400}
🔑 После установки При первом запуске Screenpipe загрузит модели: Whisper (для аудио, ~150 MB) и эмбеддинги (~90 MB). На macOS с Apple Silicon OCR работает через Apple Vision (встроен в ОС). На Linux потребуется Tesseract с языковым пакетом tesseract-ocr-rus.

⚡ Возможности

Ключевые функции Screenpipe, которые меняют взаимодействие с компьютером

📸

Непрерывная запись экрана

Захват скриншотов с настраиваемой частотой (0.2–30 FPS). Интеллектуальная дедупликация: одинаковые кадры не сохраняются повторно, экономя до 80% дискового пространства.

🔤

OCR в реальном времени

Распознавание текста со скриншотов через Tesseract или Apple Vision. Поддержка русского, английского и ещё 100+ языков. Результаты индексируются мгновенно.

🎙

Транскрипция аудио

Запись системного звука и микрофона с автоматической транскрипцией через Whisper (локально). Идеально для созвонов, лекций, подкастов.

🔍

Семантический поиск

Поиск по смыслу, а не по ключевым словам. Векторные эмбеддинги + RAG позволяют находить информацию по описанию: «тот график с retention rate из презентации».

🔒

Полная конфиденциальность

Всё работает локально. Никакие скриншоты, аудио или текст не отправляются в облако. Данные можно зашифровать (AES-256-GCM) на диске.

🔌

Плагины (Pipes)

Расширяемая архитектура на TypeScript. Пишите свои пайпы для фильтрации контента, отправки в Notion, генерации отчётов или интеграции с любым API.

🤖

AI-агенты

Автоматический анализ контекста: суммаризация встреч, извлечение action items, определение паттернов работы. Работает с Ollama, LM Studio, llama.cpp.

🌐

REST API + WebSocket

Полноценное API для интеграции с другими инструментами. WebSocket-поток для реального времени. Документация OpenAPI/Swagger на localhost:3030/docs.

📊

Аналитика использования

Статистика по приложениям, времени работы, прочитанному тексту. Тепловые карты активности. Экспорт в CSV/JSON для дальнейшего анализа.

💾

Умное хранение

Автоматическая ротация и сжатие данных. Настройка retention policy: хранить от 1 дня до нескольких лет. ~1 GB в сутки при стандартных настройках.

⌨️ CLI и примеры использования

Реальные команды для управления записью, поиска и экспорта

Управление демоном

screenpipe CLI
# Запустить демон с кастомными настройками
screenpipe daemon start \
  --fps "0.5" \
  --ocr-languages "rus,eng" \
  --audio-enabled "true" \
  --data-dir "~/.screenpipe" \
  --max-disk-usage-gb "50"

# Остановить демон
screenpipe daemon stop

# Просмотр логов в реальном времени
screenpipe logs --follow
[2026-07-27T15:10:03Z INFO  screenpipe] frame captured: 1920x1080, 847KB
[2026-07-27T15:10:04Z INFO  screenpipe] ocr: 142 chars extracted (rus)
[2026-07-27T15:10:05Z INFO  screenpipe] audio chunk: 30s transcribed

Поиск по истории

screenpipe search
# Семантический поиск (через API)
curl -X POST http://localhost:3030/search \
  -H "Content-Type: application/json" \
  -d '{"query": "архитектура микросервисов Kubernetes","limit": 5}'

{
  "results": [
    {
      "type": "ocr",
      "text": "Микросервисная архитектура в Kubernetes...",
      "app": "Google Chrome",
      "timestamp": "2026-07-27T14:32:10Z",
      "similarity": 0.92,
      "frame_id": "a1b2c3d4"
    },
    {
      "type": "audio",
      "text": "...и затем мы развернули поды в кластере...",
      "app": "Zoom",
      "timestamp": "2026-07-27T11:15:00Z",
      "similarity": 0.87
    }
  ],
  "total": 2,
  "took_ms": 124
}

# Поиск по ключевым словам + фильтрация по дате
screenpipe search "Docker Compose" \
  --from "2026-07-25" \
  --to "2026-07-27" \
  --app "VS Code" \
  --type "ocr"

# Поиск с AI-суммаризацией (требуется локальный LLM)
screenpipe search "встреча по бюджету" \
  --summarize \
  --model "llama3.2"

Экспорт и аналитика

screenpipe export
# Экспорт всей истории за день в JSON
screenpipe export \
  --from "2026-07-27" \
  --format "json" \
  --output "~/screenpipe-export-20260727.json"

# Экспорт транскрипций встреч в Markdown
screenpipe export \
  --type "audio" \
  --format "markdown" \
  --output "~/meetings/"

# Статистика использования
screenpipe stats
=== Screenpipe Stats ===
Uptime:          3d 7h 42m
Frames total:    248,912
OCR events:      87,443
Audio minutes:   1,247
Disk used:       4.2 GB
Top apps:        VS Code (34%), Chrome (28%), Terminal (15%)

Конфигурация Pipes (плагинов)

pipe.ts — пример плагина
// pipe.ts — отправка всех OCR-событий в Notion
import { Pipe, ScreenpipeEvent } from "@screenpipe/pipes";

const notionPipe: Pipe = {
  name: "notion-sync",
  onEvent: async (event: ScreenpipeEvent) => {
    if (event.type !== "ocr") return;

    await fetch("https://api.notion.com/v1/pages", {
      method: "POST",
      headers: {
        "Authorization": `Bearer ${process.env.NOTION_TOKEN}`,
        "Content-Type": "application/json",
      },
      body: JSON.stringify({
        parent: { database_id: process.env.NOTION_DB_ID },
        properties: {
          "Text": { title: [{ text: { content: event.text } }] },
          "App": { rich_text: [{ text: { content: event.app } }] },
        },
      }),
    });
  },
};

export default notionPipe;

🔗 Интеграции и интерфейс

Как Screenpipe встраивается в ваш рабочий процесс

Десктопное приложение

Screenpipe поставляется с лёгким десктопным приложением на Tauri (macOS, Linux, Windows). Интерфейс включает:

  • Строка поиска — семантический поиск по всей истории с мгновенной выдачей
  • Таймлайн — визуальная история скриншотов с возможностью пролистывания
  • Индикатор записи — статус демона и текущая активность в трее
  • Настройки — FPS, языки OCR, retention, пути хранения
  • Pipes Marketplace — каталог готовых плагинов сообщества

REST API + WebSocket

Полноценное API позволяет интегрировать Screenpipe в любые инструменты:

API Examples
# WebSocket — поток событий в реальном времени
websocat ws://localhost:3030/ws/events
{"type":"ocr","text":"def process_data...","app":"VS Code","ts":"..."}
{"type":"audio","text":"Давайте обсудим архитектуру...","app":"Zoom","ts":"..."}

# Health-check и метрики
curl http://localhost:3030/metrics
screenpipe_frames_total 248912
screenpipe_ocr_events_total 87443
screenpipe_audio_seconds_total 74820
screenpipe_disk_bytes 4509715660

# Управление через API
curl -X POST http://localhost:3030/control/pause
curl -X POST http://localhost:3030/control/resume

Готовые интеграции

📝

Obsidian

Автоматическая отправка заметок и транскрипций в хранилище Obsidian через плагин.

📋

Notion

Синхронизация OCR-событий и аудио-транскрипций в базы данных Notion.

🦙

Ollama / LM Studio

RAG-поиск с локальными LLM: llama3.2, mistral, qwen2.5, phi4 и другие.

🤖

n8n / LangChain

Встраивание в no-code/low-code пайплайны автоматизации через REST API.

⚖ Сравнение с аналогами

Чем Screenpipe отличается от Otter.ai, Rewind AI и Tactiq

Характеристика Screenpipe Rewind AI Otter.ai Tactiq
Запись экрана ✓ Полная ✓ Полная ✗ Нет ✗ Только zoom/meet
OCR текста ✓ 100+ языков ✓ Да ✗ Нет ✗ Нет
Аудио-транскрипция ✓ Локальная ✓ Локальная ✓ Облачная ✓ Облачная
Локальное хранение ✓ 100% ✓ 100% ✗ Облако ✗ Облако
Open Source ✓ MIT License ✗ Проприетарный ✗ Проприетарный ✗ Проприетарный
Linux поддержка ✓ Полная ✗ Только macOS ~ Web только ~ Web только
Windows поддержка ✓ Экспериментальная ✗ Нет ~ Web только ~ Web только
Семантический поиск ✓ Векторный + RAG ~ Базовый ✓ По аудио ✗ Нет
Плагины / API ✓ Pipes + REST ✗ Нет ~ REST API ✗ Нет
Стоимость Бесплатно $19–29/мес $17–30/мес $12–25/мес
Русский язык ✓ Tesseract + Whisper ~ Частично ✗ Английский ✗ Английский
🏆 Вывод Screenpipe — единственное решение, которое одновременно: открытое, бесплатное, полностью локальное, поддерживает Linux и русский язык. Для российских пользователей, которым важны конфиденциальность и работа без внешних сервисов, это безальтернативный выбор.

📊 Метрики и производительность

Реальные замеры на разном оборудовании

Метрика MacBook M2 Pro Ubuntu i7-13700 Raspberry Pi 5
CPU (idle запись) 2–4% 3–6% 12–18%
CPU (OCR spike) 8–15% 12–22% 35–50%
RAM 180–250 MB 220–320 MB 300–450 MB
Диск / сутки (0.5 FPS) ~800 MB ~900 MB ~700 MB
Диск / сутки (1 FPS) ~1.5 GB ~1.7 GB ~1.3 GB
Задержка OCR 15–40 ms (Vision) 60–120 ms (Tesseract) 200–500 ms
Задержка поиска 50–150 ms 80–200 ms 300–800 ms
Whisper RTF (Real-Time Factor) 0.08x (CoreML) 0.15x (CPU) 0.4x (CPU)

Потребление диска сильно зависит от FPS и активности на экране. При стандартных 0.5 FPS и 8-часовом рабочем дне это примерно 250–300 MB в день. С включённой аудио-транскрипцией добавляется около 15–20 MB в час аудио. Рекомендуется выделить минимум 20 GB под хранилище Screenpipe для комфортной работы с историей за 1–2 месяца.

⚡ Совет по производительности На слабых машинах (Raspberry Pi, старые ноутбуки) используйте FPS 0.2 и отключите аудио-транскрипцию в реальном времени. Вместо этого запускайте транскрипцию по расписанию (например, ночью) через screenpipe transcribe --batch.

🗺 Дорожная карта

Что уже сделано и что планируется в Screenpipe

v0.1 — Базовый захват и OCR (Q4 2024)

Захват экрана через ScreenKit/PipeWire, базовый OCR через Tesseract, сохранение в SQLite, простой API поиска.

v0.3 — Аудио и эмбеддинги (Q1 2025)

Захват аудио, интеграция Whisper.cpp, векторные эмбеддинги через LanceDB, семантический поиск.

v0.5 — Плагины и десктоп (Q2 2025)

Система Pipes на TypeScript, десктопное приложение на Tauri, WebSocket-стриминг.

v0.7 — RAG и AI-агенты (Q4 2025)

RAG-пайплайн для локальных LLM, AI-суммаризация, автоматическое извлечение сущностей.

v0.9 — Мульти-дисплей и шифрование (Q2 2026)

Поддержка нескольких мониторов, AES-256-GCM шифрование данных на диске, улучшенная компрессия.

v1.0 — Релиз (Q3 2026)

Полная Windows-поддержка, стабильный API, marketplace плагинов, федеративный поиск между устройствами.

v1.2+ — Федерация и коллаборация (2027)

Поиск по всем устройствам в локальной сети, общие индексы для команд, интеграция с корпоративными хранилищами.

🏁 Вердикт

9.2
из 10 — qantcore.space

Screenpipe — это революционный инструмент, который переосмысливает взаимодействие с компьютером. Возможность спросить «что я читал про gRPC три дня назад?» и получить мгновенный ответ с контекстом — меняет подход к работе с информацией. Проект зрелый, активно развивается и, что критически важно, полностью работает локально.

Плюсы

  • ✅ Полностью локальный — данные никогда не покидают компьютер
  • ✅ Open Source (MIT) — можно аудировать, форкать, допиливать под себя
  • ✅ Поддержка русского языка в OCR и аудио-транскрипции
  • ✅ Linux — полная поддержка, включая Wayland и X11
  • ✅ Гибкая система плагинов (Pipes) на TypeScript
  • ✅ Семантический поиск с векторной базой — ищет по смыслу, а не по словам
  • ✅ RAG-интеграция с Ollama/LM Studio/llama.cpp

Минусы

  • ❌ Windows-поддержка пока экспериментальная (ждём v1.0)
  • ❌ Потребление диска может быть значительным при высоком FPS
  • ❌ Требуется некоторое время на первоначальную настройку
  • ❌ Документация местами отстаёт от кода (активный проект)

Обзор подготовлен qantcore.space • Июль 2026 • Все тесты проведены на реальном оборудовании