Contextberg
Contextberg是一款本地记忆应用，为AI代理提供屏幕和浏览器历史监控，让Claude Code等工具记住上下文，提升连续工作效率。
Maker 说
Hey Product Hunt 👋厌倦了向自己的AI智能体反复解释自己？
我是Tiger。每次会话重置。每次任务切换都意味着要从头让我的智能体跟上进度。我的大脑在做本应由智能体完成的记忆工作。
所以我构建了Contextberg——缺失的那块拼图。
🧩 它做什么一款本地记忆应用，在后台运行，通过MCP向你的智能体提供上下文。监视你的屏幕、浏览器历史和智能体对话历史。在后台构建短期和长期记忆。使用内置技能命令通过MCP向智能体提供上下文。无需构建步骤。只需从Microsoft Store安装并注册——就这么简单。免费开始。🪟 为Windows开发者打造这类工具之前都是Mac专属。Windows开发者总是被排除在外。
Contextberg以Windows为先——专为Windows构建，运行高效且不占用CPU。
周五晚上合上笔记本，调试到一半。
周一早上打开。“我该从哪里开始？”
你的智能体已经知道了。
🔭 长期愿景
最终目标：将你的个人上下文积累到自己的数据仓库中，并用作微调材料，打造真正个性化的LLM。一个了解你——而不仅仅是你上一次会话的AI。
路线图：
- macOS & Linux支持
- Hermes模型集成
- 技能命令自动生成
- 技能管理视图
有想法？在评论区留言——你的反馈决定我们下一步构建什么。
🚀 v1.0.0今日上线你希望你的智能体已经知道哪些上下文？
各位觉得，把屏幕/浏览器历史纳入记忆层后，隐私和用户控制方面该怎么看？
不过我很好奇你们是怎么处理信噪比问题的……屏幕和浏览器历史噪声非常大。你们在存储前会做相关性过滤吗？还是全盘接收，让检索层自己修剪？因为根据我用ChromaDB检索的经验，当向量库被不相关的chunk污染时，垃圾进垃圾出的问题会很严重。