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。

01

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。

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。

02

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。

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。

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。」

几秒种后，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 即使是全时监控屏幕下，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，仍然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。

03

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距离还很遥远：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。

Pickle 脱胎于另一个开源项目 Cheating Daddy，而 Cheating Daddy 又是另一个「臭名昭著」的项目 Cluely 的开源版本——后者在今年曾因为闭源、付费以及最重要的面试作弊这一卖点颇受关注，同时也引来的诸多争议。

由于 Pickle 项目中存在大量 Cheating Daddy 项目的内容直接复用，目前 Cheating Daddy 创始人就这一点在 X 上对 Pickle 发起讨伐，指责「开源项目并不意味着可以拿来照抄」，但这件事尚未得到 Pickle 团队的正面回应。

但目前作为一个轻量级的解决方案，Glass 仍然不失为一种值得观察的思路；此前主打「全天候记录用户信息」的 Rewind.ai 项目，就因为对设备的内存占用过高，同时对结构化内容整理效果不尽人意，因而迅速退出 AI 工具的主流舞台。

Glass 这类产品所代表的「主动感知 AI」，这个曾在科幻作品中反复出现，代表着高效与智能的词汇，距离真正到我们的日常生活中落地，或许已经不远。

一个轻量级工具的脱颖而出，更是说明了这个过程中，用户核心需求的提炼——没错，一个完美的记忆体的确很强大，AI 的辅助也的确很努力，但人们想得到的，或许仅仅是一个能让自己工作更顺畅、思考更专注的普通的好工具。

来源：极客公园