ChatGPT 的 Mac 电脑历史功能告别截图时代

ChatGPT 全新的 Mac 电脑历史功能是否真的在改变桌面端 AI 记录用户活动的方式？OpenAI 于 2026 年 8 月 13 日发布的更新传递出一个明确信号：桌面端 AI 正从基于截图的回溯方式，转向事件驱动的上下文捕获。该功能引入了一项基于选择加入（opt-in）的系统，在不持续捕获屏幕图像的情况下记录支持的跨应用活动。通过监听 macOS 无障碍功能和应用程序接口公开的受支持交互事件（如点击、按键和应用切换），该功能构建了一个可检查的本地语义时间轴。这使得 ChatGPT 和 Codex 能够在无需用户手动将之前的工作复制并粘贴到聊天界面的情况下，恢复丢失的上下文、识别过去的参考文档并建议自动工作流。

桌面计算与活动追踪的概念图

什么是 ChatGPT 电脑历史功能？

概览

OpenAI 于 2026 年 8 月 13 日针对 macOS 上的 ChatGPT Pro、Business 和 Enterprise 订阅者发布了电脑历史功能。
该功能取代了早期的 Chronicle 研究预览版，放弃了周期性屏幕截图捕获，转而采用事件驱动的交互日志记录。
临时事件数据在作为处理生命周期的一部分被删除之前最多可保留 48 小时，而生成的文本记忆则存储在可读的本地 Markdown 文件中。

ChatGPT 电脑历史功能充当了在 macOS 客户端本地运行的环境上下文层。在标准的对话界面中，语言模型存在一个根本性的输入壁垒：它们只知道用户在活动提示窗口中显式键入或上传的内容。对于跨代码编辑器、浏览器标签页、终端窗口和通信工具的复杂任务，重建该操作上下文需要重复的手动工作。

更大的转变不仅在于让 ChatGPT 记住更多文本，更在于推动操作系统本身更接近于成为桌面端 AI 的主要上下文层。随着桌面端 AI 获得更丰富的操作系统级上下文，应用程序内存与操作系统遥测之间的界限变得愈发重要。电脑历史功能通过被动整理来自获准的应用程序和网站的活动时间轴来解决这种摩擦。当用户询问“在我上次休息之前我在调试什么？”或“我今天早上查看的提案文档在哪里？”之类的问题时，助手会查询其本地时间轴，以识别满足请求所需的精确文件、对话或打开的标签页。

显示电脑历史时间轴和日常活动摘要的 ChatGPT 桌面界面

底层机制：事件驱动记忆与屏幕截图抓取的对比

电脑历史功能的核心技术差异化在于其从基于屏幕截图的记录向交互事件日志记录的转变。早期的行业尝试（例如 Microsoft Windows Recall 和 OpenAI 的实验性 Chronicle 预览版）严重依赖通过光学字符识别 (OCR) 处理的后台屏幕捕获。这种方法引入了显著的磁盘开销、高额的 Token 消耗，以及有关本地视觉缓存存储的安全隐患。

电脑历史功能不捕获屏幕像素或录制音频，而是记录通过 macOS 无障碍功能和应用程序接口公开的支持交互事件。这些事件捕获结构化元数据，包括窗口焦点更改、键盘快捷键、键入操作以及跨受支持浏览器的 URL 转换。

本地存储与事件处理生命周期

该架构将遥测处理划分为不同的本地和后台处理阶段：

本地事件日志记录：原始交互事件被写入在 macOS App Group 容器下管理的隔离本地目录中，将临时事件数据保持在应用程序的本地存储边界内。
短暂摘要生成：桌面客户端定期启动一个短暂的 Codex 会话，读取原始事件缓冲区，提取结构化的任务摘要，并将其作为标准生命周期的一部分来删除临时事件 data。
持久化 Markdown 记忆：生成的摘要作为纯文本 Markdown 文件本地存储在 $CODEX_HOME/memories/extensions/skysight/ 下，用户可以在其中直接通过访达（Finder）检查、修改或删除它们。

下图概述了从操作系统事件到本地记忆的交互流水线：

[用户操作 (点击 / 按键 / 应用切换)]
                 │
                 ▼
[macOS 无障碍 API 事件流]
                 │
                 ▼
[本地 App Group 缓冲区 (临时保留)] ──> [短暂处理] ──> [本地 Markdown 记忆]

自研与采购：上下文捕获与上下文恢复

跨分布式环境捕获操作上下文提出了一个经典的架构挑战。虽然诸如 ChatGPT 等桌面助手利用原生操作系统挂钩来捕获客户端交互事件，但企业架构通常需要能够在断开连接的平台和网络边界之间运行的上下文保留能力。

构建自定义的系统级日志记录客户端需要大量的工程投资，以处理操作系统级权限、后台资源使用、敏感数据排除和本地存储控制。相反，部署成熟的状态同步协议使组织能够以极低的客户端开销保持上下文连续性。

这种比较是架构层面的，而非产品对产品的比较：每种方法都在用户旅程的不同层面上保留上下文。下表对比了上下文保留的不同架构方法：

维度	原生无障碍流 (电脑历史功能)	光学截图 OCR (传统 Recall / Chronicle)	服务端状态恢复
数据占用	极低 (事件元数据)	高 (庞大的位图捕获)	极低 (加密 Token 传递)
隐私边界	本地 App Group 存储 + 可选加入	高风险 (未加密的屏幕缓冲区)	权威服务端数据库
处理开销	轻量级后台监听器	繁重的本地 GPU/NPU OCR 推理	低客户端 CPU/内存使用率
跨平台范围	仅限单个桌面 OS	单个桌面 OS	跨平台 (Web、移动端、应用商店)
主要用例	个人工作区生产力	被动桌面存档	分布式旅程与上下文连续性

桌面端 AI 解决了跨应用程序的上下文连续性问题。当获客上下文必须经历从网页到应用商店、最后进入已安装应用程序的过渡时，移动端分发和归因也面临着结构上类似的问题。在该环境中，OpoInstall 利用 deferred deep linking 与服务端参数恢复技术，在交接过程中保留营销活动和推荐参数，且无需依赖持久的客户端 Cookie 或侵入式追踪。通过将状态解析转移到权威的服务端层，开发者可确保操作上下文平滑度过复杂的重定向和应用商店过渡。

集成检查清单：配置权限与隐私保护

由于桌面事件捕获触及日常应用工作流，IT 管理员和个人开发者必须执行严格的边界控制。

管理员与开发者检查清单

强制执行工作区级授权：确保 Enterprise 和 Business 管理员在成员单独启用该功能之前明确启用它。
配置域和应用程序排除项：阻止敏感应用程序（如密码管理器、银行软件和内部通信工具）进入收集流水线。
审计本地存储路径：验证 $CODEX_HOME/memories/extensions/skysight/ 上的权限是否将读取访问权限限制为授权的系统用户帐户。
建立提示注入防御：隔离来自不受信任域的网页浏览活动，以减轻嵌入在网页内容中的恶意指令风险。

常见问题 (FAQ)

ChatGPT 电脑历史功能会在 Mac 上记录屏幕截图或音频吗？

不会。电脑历史功能围绕受支持的交互事件设计，而不是连续的屏幕截图、屏幕录制、麦克风输入或系统音频。它仅记录通过 macOS 无障碍功能和应用程序接口公开的交互事件——如鼠标点击、键盘快捷键、键入输入和窗口转换。

生成的电脑历史记忆文件在本地存储在何处？

汇总的记忆文件作为纯文本 Markdown 文档存储在用户目录下的 `$CODEX_HOME/memories/extensions/skysight/` 中（通常解析为 `~/.codex/memories/extensions/skysight/`）。用户可以直接在访达中显示、编辑或删除这些文件。

哪些 ChatGPT 订阅计划可以访问电脑历史功能？

该功能正在向 macOS 上的 ChatGPT Pro、Business 和 Enterprise 订阅者推出。对于 Business 和 Enterprise 账户，管理员必须首先授予工作区级权限，然后各个团队成员才能选择启用该功能。

工程团队的核心要点

OpenAI 引入电脑历史功能标志着从被动对话提示向环境感知、事件驱动的上下文捕获的重大转变。通过依赖结构化的操作系统交互事件而非侵入式屏幕截图，该架构为桌面端 AI 集成建立了一个更高效、更注重隐私的模型。

对于软件架构师和开发者而言，此版本强化了解耦原始事件流与持久状态存储的价值。对于移动端归因，OpoInstall 将相同的连续性原则应用于不同的边界：在用户从网页营销活动通过应用商店交接进入已安装应用的过程中保留获取上下文，而无需持久的客户端 Cookie 或侵入式设备级追踪。现代基础设施越来越多地依赖服务端状态保留和结构化的遥测来维持无缝的上下文，同时不牺牲用户安全性。