Pensieve（以前の名前はMemos）

May 14, 2026 · View on GitHub

名前をPensieveに変更しました。Memosという名前は既に使用されていたためです。

Pensieve（以前の名前はMemos）

Pensieveはプライバシーに焦点を当てたパッシブレコーディングプロジェクトです。画面の内容を自動的に記録し、インテリジェントなインデックスを構築し、過去の記録を取得するための便利なWebインターフェースを提供します。

このプロジェクトは、他の2つのプロジェクト、RewindとWindows Recallから多くのインスピレーションを得ています。しかし、これらとは異なり、Pensieveはデータの完全な制御を可能にし、信頼できないデータセンターへのデータ転送を避けることができます。

機能

🚀 簡単なインストール：pipを使用して依存関係をインストールするだけで開始できます
🔒 完全なデータ制御：すべてのデータはローカルに保存され、完全にローカルで操作でき、データ処理は自己管理できます
🔍 フルテキスト検索とベクトル検索のサポート
📊 インタラクティブなエンティティ詳細ビューとクロノロジカルコンテキストナビゲーション
🌐 Webアクティビティのブラウザ URL 取得を含むスマートメタデータキャプチャ
🤖 Ollamaと統合し、Pensieveの機械学習エンジンとして使用
🌐 任意のOpenAI APIモデル（OpenAI、Azure OpenAI、vLLMなど）に対応
💻 MacとWindowsをサポート（Linuxのサポートは開発中）
🔌 プラグインを通じて機能を拡張可能

📰 最新ニュース

Pensieve Agent Skill: バージョン v0.33.0 から、Pensieveは agent skill を同梱しています。Skill に対応した任意の AI ツール（Claude Code、Codex、opencode など）が、自然言語でスクリーンショットアーカイブを検索し、エンティティ詳細ページへ直接ジャンプできるようになりました。詳しくは Agent Skill で検索するを参照してください。
アプリケーションブラックリスト機能: バージョン v0.30.0 から、Pensieveはスクリーンショット記録から特定のアプリケーションを除外できるアプリケーションブラックリスト機能を導入しました。この機能には、記録とファイル監視プロセスの両方でのブラックリストチェックが含まれ、設定パネルでブラックリスト管理インターフェースが強化されています。
エンティティ詳細ビューの強化: バージョン v0.29.0 から、Pensieveは新しいエンティティ詳細ページを導入し、インタラクティブなコンテキストナビゲーションでスクリーンショットを時系列順に閲覧でき、改善されたビジュアルコンテキストとメタデータ表示を提供します。
設定管理インターフェース: バージョン v0.27.0 から、Pensieveは直感的な設定管理インターフェースを導入し、Webインターフェースからすべての設定を簡単に構成できるようになりました。

クイックスタート

memos-installation

Important

Pythonのsqlite3ライブラリのすべてのバージョンがenable_load_extensionをサポートしているわけではないようです。しかし、どの環境やPythonのバージョンでこの問題が発生するかはわかりません。私はPythonを管理するためにcondaを使用しており、condaを介してインストールされたPythonはmacOS、Windows x86、およびUbuntu 22.04で正常に動作します。

次のコマンドがPython環境で動作することを確認してください：

import sqlite3

# Check sqlite version
print(f"SQLite version: {sqlite3.sqlite_version}")

# Test if enable_load_extension is supported
try:
    conn = sqlite3.connect(':memory:')
    conn.enable_load_extension(True)
    print("enable_load_extension is supported")
except AttributeError:
    print("enable_load_extension is not supported")
finally:
    conn.close()

これが正しく動作しない場合は、Python環境を管理するためにminicondaをインストールすることができます。あるいは、他の人が同じ問題に遭遇しているかどうかを確認するために、現在の問題リストをチェックしてください。

1. Pensieveのインストール

pip install memos

Windowsでは素の pip install よりも uv tool install memos か pipx install memos を推奨します。詳細は Windows インストールガイドを参照してください。

2. 初期化

pensieveの設定ファイルとsqliteデータベースを初期化します：

memos init

データは~/.memosディレクトリに保存されます。

3. サービスの開始

memos enable
memos start

このコマンドは以下を行います：

すべての画面の記録を開始
Webサービスを開始
サービスを起動時に開始するように設定

4. Webインターフェースへのアクセス

ブラウザを開き、http://localhost:8839にアクセスします

init page

Macの権限の問題

Macでは、Pensieveは画面収録の権限が必要です。初回の memos start 実行時に、macOSが画面収録の許可を求めるプロンプトを表示するので、許可してください。

プロンプトを出さずに現在の許可状態を確認するには、以下を実行します：

memos doctor

権限が必要なPythonインタプリタのパスが表示され、システム設定 → プライバシーとセキュリティ → 画面とシステムオーディオ収録 のどのエントリを有効にすればよいかが分かります。

Pythonを更新する（brew upgrade python、pyenv で新バージョンに切替、conda 環境を作り直すなど）と、TCCはバイナリのパスで記録するため、以前付与した許可が無効になります。リセットして再認可してください：

tccutil reset ScreenCapture
memos stop && memos start

この煩雑さを避けるには pipx install memos か uv tool install memos でのインストールを推奨します。インタプリタのパスが固定されるため、memos のアップグレードで権限が失効しません。

Windows インストールガイド

Windowsでは memos をグローバルの site-packages に入れるのではなく、隔離されたツール venv にインストールするのが安定です：

# 方法 A: uv（単一バイナリ、高速）
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
uv tool install memos

# 方法 B: pipx
pip install --user pipx
python -m pipx ensurepath
pipx install memos

どちらも memos 専用の venv に格納されるため、アップグレード時にもインタプリタのパスが変わりません。インストール後は memos doctor で環境を確認してください。

memos enable && memos start の前に、2点だけ準備しておくと体験が大きく改善します：

# 管理者 PowerShell で実行

# 長いパスを有効化 — torch や modelscope などの ML パッケージはパスが深い
Set-ItemProperty -Path "HKLM:\SYSTEM\CurrentControlSet\Control\FileSystem" -Name "LongPathsEnabled" -Value 1

# ~/.memos を Defender の除外対象に追加（スクリーンショット書き込みのたびにスキャンされないように）
Add-MpPreference -ExclusionPath "$env:USERPROFILE\.memos"

%USERPROFILE% が OneDrive にリダイレクトされている場合、~/.memos 配下のスクリーンショット（1日 ~400MB）がクラウドに同期されてしまいます。~/.memos/config.yaml の base_dir を非同期のローカルパスに変更してください。

Windowsで推奨しない構成：

Microsoft Store 版 Python — サンドボックス化されたファイルシステムで ~/.memos や subprocess が正しく動作しない
WSL 内で memos を実行 — WSL は Windows ホストの画面をキャプチャできない
%USERPROFILE% が OneDrive 同期される構成（上記参照）

🚀 PostgreSQLデータベースの使用

PostgreSQLをPensieveで使用するには、PostgreSQLサポート付きのパッケージをインストールする必要があります：

pip install memos[postgresql]

バージョン v0.25.4 から、PensieveはバックエンドデータベースとしてPostgreSQLの完全なサポートを開始しました。SQLiteと比較して、PostgreSQLは大規模なデータ量でも優れた検索性能を維持できます。

スクリーンショットデータが大きい場合や、高速な検索応答速度が必要な場合は、バックエンドデータベースとしてPostgreSQLを使用することを強くお勧めします。

1. DockerでPostgreSQLを起動

Pensieveはベクトル検索機能を使用するため、pgvector拡張機能を備えたPostgreSQLが必要です。公式のpgvectorイメージを使用することをお勧めします：

Linux/macOSの場合：

docker run -d \
    --name pensieve-pgvector \
    --restart always \
    -p 5432:5432 \
    -e POSTGRES_PASSWORD=mysecretpassword \
    -v pensieve-pgdata:/var/lib/postgresql/data \
    pgvector/pgvector:pg17

Windows PowerShellの場合：

docker run -d `
    --name pensieve-pgvector `
    --restart always `
    -p 5432:5432 `
    -e POSTGRES_PASSWORD=mysecretpassword `
    -v pensieve-pgdata:/var/lib/postgresql/data `
    pgvector/pgvector:pg17

Windowsコマンドプロンプトの場合：

docker run -d ^
    --name pensieve-pgvector ^
    --restart always ^
    -p 5432:5432 ^
    -e POSTGRES_PASSWORD=mysecretpassword ^
    -v pensieve-pgdata:/var/lib/postgresql/data ^
    pgvector/pgvector:pg17

このコマンドは次のことを行います：

pensieve-pgvectorという名前のコンテナを作成
PostgreSQLのパスワードをmysecretpasswordに設定
コンテナのポート5432をホストのポート5432にマッピング
ベクトル検索サポートを備えたPostgreSQLバージョン17を使用
永続的なデータストレージのためにpensieve-pgdataという名前のデータボリュームを作成
Docker再起動後にコンテナを自動的に起動するように設定

注意：Windowsを使用している場合は、Docker Desktopがインストールされて実行されていることを確認してください。Docker DesktopはDockerのウェブサイトからダウンロードしてインストールできます。

2. PensieveをPostgreSQLで使用するように設定

~/.memos/config.yamlファイルのデータベース設定を変更します：

# 元のSQLite設定を変更：
database_path: database.db

# PostgreSQL設定に変更：
database_path: postgresql://postgres:mysecretpassword@localhost:5432/postgres

設定の説明：

postgres:mysecretpassword：データベースのユーザー名とパスワード
localhost:5432：PostgreSQLサーバーのアドレスとポート
postgres：データベース名

3. SQLiteからPostgreSQLへの移行

以前にSQLiteを使用していて、PostgreSQLに移行したい場合、Pensieveは専用の移行コマンドを提供します：

# Pensieveサービスを停止
memos stop

# 移行を実行
memos migrate \
  --sqlite-url "sqlite:///absolute/path/to/your/database.db" \
  --pg-url "postgresql://postgres:mysecretpassword@localhost:5432/postgres"

# 設定ファイルをPostgreSQLに指すように変更
# ~/.memos/config.yamlを編集してdatabase_pathを更新

# サービスを再起動
memos start

注意事項：

移行前にPostgreSQLサービスが実行されていることを確認
移行プロセスはターゲットPostgreSQLデータベースを完全にクリアします。重要なデータがないことを確認
移行は元のSQLiteデータベースに影響を与えません
データサイズに応じて移行プロセスには時間がかかる場合があります
移行後、元のSQLiteデータベースファイルをバックアップして削除することができます

以下はMacとWindowsの移行コマンドです：

# Mac
memos migrate \
  --sqlite-url "sqlite:///~/.memos/database.db" \
  --pg-url "postgresql://postgres:mysecretpassword@localhost:5432/postgres"

# Windows PowerShell
memos migrate `
  --sqlite-url "sqlite:///$env:USERPROFILE/.memos/database.db" `
  --pg-url "postgresql://postgres:mysecretpassword@localhost:5432/postgres"

# Windowsコマンドライン
memos migrate ^
  --sqlite-url "sqlite:///%USERPROFILE%/.memos/database.db" ^
  --pg-url "postgresql://postgres:mysecretpassword@localhost:5432/postgres"

ユーザーガイド

エンティティ詳細ビューの強化

Pensieve v0.29.0 は、スクリーンショットに対するより深い洞察を提供する包括的なエンティティ詳細ビューを導入しました：

インタラクティブなコンテキストナビゲーション: 任意の検索結果をクリックして、時系列コンテキストナビゲーション付きの詳細なエンティティビューを開きます
コンテキストバー: 底部の水平コンテキストバーを使用してスクリーンショットをナビゲートし、時系列順に前後のスクリーンショットを表示します
豊富なメタデータ表示: ブラウザURL、アプリケーション名、タイムスタンプ、抽出されたテキストを含む包括的なメタデータを表示します
強化されたビジュアルコンテキスト: 改善されたメタデータキャプチャにより、デジタルアクティビティをより良く理解できます

新しいエンティティビューにより、デジタルタイムラインの再構築と特定の瞬間の周辺の関連コンテンツの発見がより簡単になります。

Agent Skill で検索する

Pensieve v0.33.0 では、agent skill をリポジトリに同梱しました。これは特定のエージェントに依存しないポータブルな手順書で、Skill に対応した任意の AI ツール（Claude Code、Codex、opencode など）に、HTTP API 経由でスクリーンショットアーカイブを検索する方法を教えます。

できること：

自然言語クエリ: 「先週見たあれを探して」 や 「Mastra 連携を作業していたのはいつ？」 のように尋ねるだけで、エージェントが正しいテキスト・時間範囲・active_app フィルタ付きの /api/search 呼び出しに変換します。
検証可能な結果: 返ってくるのはランク付けされた entity id と /entities/<id> へのリンクなので、どの引用もワンクリックで実際のスクリーンショットに戻れます。
探索優先のレシピ: skill はエージェントに対し、まず広めのクエリを 1 回実行して active_app / url の分布を確認してから絞り込むよう指示します。ユーザーが口にするトピックは、キャプチャされたコーパス内ではほとんどの場合そのままの文字列としては現れないためです。

使い方は、エージェントを skill ファイルに向けるだけです。このリポジトリを作業ディレクトリとして開けば、skills/pensieve-search/SKILL.md から自動的に検出されます。他のプロジェクトで使うには、このファイルをエージェントが読み込む skill ディレクトリにコピー（またはシンボリックリンク）してください。たとえば ~/.claude/skills/pensieve-search/（Claude Code）、あるいは共有の .agents/ 規約に従うツール向けの ~/.agents/skills/pensieve-search/（Codex / opencode など）です。利用前にローカルで memos が起動していることを確認してください。skill はデフォルトで http://127.0.0.1:8839 を参照します。

設定管理インターフェースの使用

Pensieve v0.27.0では、システム設定を簡単に管理できる新しい設定管理インターフェースが導入されました：

ブラウザで http://localhost:8839/config にアクセスします
インターフェースは、一般設定、サーバー設定、記録設定、監視設定などの主要なセクションに分かれています
関連設定を変更した後、「変更を保存」ボタンをクリックします
サービスの再起動が必要な変更については、システムが自動的に通知し、サービス再起動オプションを提供します

この設定インターフェースを通じて、OCRやVLMオプション、アイドル処理戦略、データベース設定など、設定ファイルを手動で編集することなく、さまざまな設定を簡単に調整できます。

適切な埋め込みモデルの使用

1. モデルの選択

Pensieveは埋め込みモデルを使用してセマンティック情報を抽出し、ベクトルインデックスを構築します。したがって、適切な埋め込みモデルを選択することが重要です。ユーザーの主な言語に応じて、異なる埋め込みモデルを選択する必要があります。

中国語のシナリオでは、jinaai/jina-embeddings-v2-base-zhモデルを使用できます。
英語のシナリオでは、jinaai/jina-embeddings-v2-base-enモデルを使用できます。

2. Memos設定の調整

お好みのテキストエディタを使用して~/.memos/config.yamlファイルを開き、embedding設定を変更します：

embedding:
  use_local: true
  model: jinaai/jina-embeddings-v2-base-en   # 使用するモデル名
  num_dim: 768                               # モデルの次元数
  use_modelscope: false                      # ModelScopeのモデルを使用するかどうか

3. Memosサービスの再起動

memos stop
memos start

埋め込みモデルを初めて使用する場合、Pensieveは自動的にモデルをダウンロードしてロードします。

4. インデックスの再構築

使用中に埋め込みモデルを切り替えた場合、つまり以前にスクリーンショットをインデックス化していた場合、インデックスを再構築する必要があります：

memos reindex --force

--forceパラメータは、インデックステーブルを再構築し、以前にインデックス化されたスクリーンショットデータを削除することを示します。

Ollamaを使用したビジュアル検索

デフォルトでは、PensieveはOCRプラグインのみを有効にしてスクリーンショットからテキストを抽出し、インデックスを構築します。しかし、この方法ではテキストが含まれていない画像の検索効果が大幅に制限されます。

より包括的なビジュアル検索機能を実現するためには、OpenAI APIに対応したマルチモーダル画像理解サービスが必要です。Ollamaはこの役割を完璧に果たします。

使用前の重要な注意事項

VLM機能を有効にする前に、以下の点に注意してください：

ハードウェア要件
- 推奨構成：少なくとも8GBのVRAMを持つNVIDIAグラフィックスカードまたはMシリーズチップを搭載したMac
- minicpm-vモデルは約5.5GBのストレージスペースを占有します
- CPUモードの使用は推奨されません。システムの重大な遅延を引き起こします
パフォーマンスと消費電力への影響
- VLMを有効にすると、システムの消費電力が大幅に増加します
- 他のデバイスを使用してOpenAI APIに対応したモデルサービスを提供することを検討してください

1. Ollamaのインストール

詳細なインストールと設定手順については、Ollama公式ドキュメントを参照してください。

2. マルチモーダルモデルの準備

以下のコマンドを使用して、マルチモーダルモデルminicpm-vをダウンロードして実行します：

ollama run minicpm-v "このサービスが何であるかを説明してください"

このコマンドはminicpm-vモデルをダウンロードして実行します。実行速度が遅すぎる場合は、この機能の使用をお勧めしません。

3. PensieveをOllamaで使用するように設定

お好みのテキストエディタを使用して~/.memos/config.yamlファイルを開き、vlm設定を変更します：

vlm:
  endpoint: http://localhost:11434  # Ollamaサービスのアドレス
  modelname: minicpm-v              # 使用するモデル名
  force_jpeg: true                  # 互換性を確保するために画像をJPEG形式に変換
  prompt: この画像の内容を説明してください。レイアウトや視覚要素を含めて  # モデルに送信されるプロンプト

上記の設定を使用して、~/.memos/config.yamlファイルのvlm設定を上書きします。

また、~/.memos/plugins/vlm/config.yamlファイルのdefault_plugins設定も変更します：

default_plugins:
- builtin_ocr
- builtin_vlm

これにより、builtin_vlmプラグインがデフォルトのプラグインリストに追加されます。

4. Pensieveサービスの再起動

memos stop
memos start

Pensieveサービスを再起動した後、しばらく待つと、PensieveのWebインターフェースで最新のスクリーンショットにVLMによって抽出されたデータが表示されます：

VLMの結果が表示されない場合は、以下を確認してください：

memos psコマンドを使用してPensieveプロセスが正常に実行されているか確認
~/.memos/logs/memos.logにエラーメッセージがないか確認
Ollamaモデルが正しくロードされているか確認（ollama ps）

フルインデックス

Pensieveは計算集約型のアプリケーションです。インデックス作成プロセスには、OCR、VLM、および埋め込みモデルの協力が必要です。ユーザーのコンピュータへの影響を最小限に抑えるために、Pensieveは各スクリーンショットの平均処理時間を計算し、それに応じてインデックスの頻度を調整します。したがって、デフォルトではすべてのスクリーンショットがすぐにインデックス化されるわけではありません。

すべてのスクリーンショットをインデックス化したい場合は、以下のコマンドを使用してフルインデックスを実行できます：

memos scan

このコマンドは記録されたすべてのスクリーンショットをスキャンしてインデックス化します。スクリーンショットの数とシステム構成に応じて、このプロセスには時間がかかる場合があり、システムリソースを多く消費する可能性があります。インデックスの構築は冪等であり、このコマンドを複数回実行しても既にインデックス化されたデータを再インデックス化することはありません。

サンプリング戦略

Pensieveは、スクリーンショット生成の速度と個々の画像処理の速度に基づいて、画像処理の間隔を動的に調整します。NVIDIA GPUがない環境では、画像処理がスクリーンショット生成の速度に追いつくことが難しい場合があります。これに対処するために、Pensieveはサンプリングベースで画像を処理します。

システム負荷を防ぐために、Pensieveのデフォルトのサンプリング戦略は意図的に保守的です。しかし、この保守的なアプローチは、より高い計算能力を持つデバイスのパフォーマンスを制限する可能性があります。より柔軟性を提供するために、~/.memos/config.yamlに追加の制御オプションが導入されており、ユーザーはシステムをより保守的またはより積極的な処理戦略に設定することができます。

watch:
  # number of recent events to consider when calculating processing rates
  rate_window_size: 10
  # sparsity factor for file processing
  # a higher value means less frequent processing
  # 1.0 means process every file, can not be less than 1.0
  sparsity_factor: 3.0
  # initial processing interval for file processing, means process one file 
  # with plugins for every N files
  # but will be adjusted automatically based on the processing rate
  # 12 means processing one file every 12 screenshots generated
  processing_interval: 12

すべてのスクリーンショットファイルを処理したい場合は、次のように設定を構成できます：

# A watch config like this means process every file with plugins at the beginning
# but if the processing rate is slower than file generated, the processing interval 
# will be increased automatically
watch:
  rate_window_size: 10
  sparsity_factor: 1.0
  processing_interval: 1

新しい設定を反映させるために、memos stop && memos startを実行してください。

アイドル処理戦略

Pensieveは、システムのアイドル時に未処理のファイルを処理するためのインテリジェントな処理戦略を実装しています。これにより、システムのアクティブな使用時のパフォーマンスへの影響を最小限に抑えながら、すべてのスクリーンショットが最終的に処理されることを保証します。

アイドル検出と処理

システムは5分間新しいスクリーンショットの活動がない場合、アイドル状態に入ります
アイドル状態では、Pensieveは以下の条件が満たされた場合に未処理のファイルの処理を試みます：
- システムがバッテリー電源で動作していない
- 現在時刻が設定された処理時間枠内である
- 処理待ちのファイルが存在する

設定

アイドル処理の動作は ~/.memos/config.yaml でカスタマイズできます：

watch:
  # アイドル状態とみなすまでの秒数
  idle_timeout: 300
  # 未処理ファイルを処理する時間枠
  # 形式：["HH:MM", "HH:MM"]
  idle_process_interval: ["00:00", "07:00"]

idle_timeout：活動がない状態が何秒続いたらアイドル状態とみなすか
idle_process_interval：未処理ファイルを処理できる時間枠
- 形式は ["HH:MM", "HH:MM"] で24時間表記
- 時間枠は深夜をまたぐことができます（例：["23:00", "07:00"] は有効）
- 深夜をまたぐ時間枠の場合、開始時刻は12:00以降である必要があります（曖昧さを避けるため）

この戦略により、以下が保証されます：

システムリソースは作業時間中は主にアクティブな使用のために確保
バックグラウンド処理は非作業時間中に実行
バッテリー駆動時の処理を避けることでバッテリー寿命を延長

設定の変更を反映させるには、memos stop && memos start を実行してください。

プライバシーとセキュリティ

Pensieveの開発中、私は特にRewindとWindows Recallの進展を密接に追っていました。これらの製品の理念には非常に感銘を受けましたが、プライバシー保護の面では十分ではありません。これは多くのユーザー（または潜在的なユーザー）が懸念している問題です。個人用コンピュータの画面を記録することは、銀行口座、パスワード、チャット記録など、非常に機密性の高いプライベートデータを露出させる可能性があります。したがって、データの保存と処理が完全にユーザーによって制御され、データの漏洩を防ぐことが特に重要です。

Pensieveの利点は次のとおりです：

コードは完全にオープンソースであり、理解しやすいPythonコードであり、誰でもコードをレビューしてバックドアがないことを確認できます。
データは完全にローカルに保存され、すべてのデータはローカルに保存され、データ処理は完全にユーザーによって制御されます。データはユーザーの~/.memosディレクトリに保存されます。
簡単にアンインストールできます。Pensieveを使用しなくなった場合、memos stop && memos disableでプログラムを閉じ、pip uninstall memosでアンインストールし、最後に~/.memosディレクトリを削除してすべてのデータベースとスクリーンショットデータをクリーンアップできます。
データ処理は完全にユーザーによって制御されます。Pensieveは独立したプロジェクトであり、使用する機械学習モデル（VLMおよび埋め込みモデルを含む）はユーザーが選択します。Pensieveの運用モードにより、小さなモデルを使用しても良好な結果を得ることができます。

もちろん、プライバシーの面で改善の余地はまだあります。コードの貢献を歓迎し、Pensieveをより良くするために一緒に取り組みましょう。

その他の注目すべき内容

ストレージスペースについて

Pensieveは5秒ごとに画面を記録し、元のスクリーンショットを~/.memos/screenshotsディレクトリに保存します。ストレージスペースの使用量は主に次の要因に依存します：

スクリーンショットデータ：
- 単一のスクリーンショットサイズ：約40〜400KB（画面解像度と表示の複雑さに依存）
- 日次データ量：約400MB（10時間の使用時間、単一画面2560x1440解像度に基づく）
- マルチスクリーンの使用：画面の数に応じてデータ量が増加
- 月次推定：20営業日を基準に約8GB
スクリーンショットは重複排除されます。連続するスクリーンショットの内容があまり変わらない場合、1つのスクリーンショットのみが保持されます。重複排除メカニズムは、内容が頻繁に変わらないシナリオ（読書、文書編集など）でストレージ使用量を大幅に削減できます。
データベーススペース：
- SQLiteデータベースのサイズはインデックス化されたスクリーンショットの数に依存します
- 参考値：10万枚のスクリーンショットをインデックス化した後、約2.2GBのストレージスペースを占有

消費電力について

Pensieveはデフォルトで2つの計算集約型タスクを必要とします：

1つはOCRタスクで、スクリーンショットからテキストを抽出するために使用されます
もう1つは埋め込みタスクで、セマンティック情報を抽出してベクトルインデックスを構築するために使用されます

リソース使用状況

OCRタスク：CPUを使用して実行され、異なるオペレーティングシステムに基づいてOCRエンジンを最適化して選択し、CPUの使用を最小限に抑えます
埋め込みタスク：計算デバイスをインテリジェントに選択
- NVIDIA GPUデバイスはGPUを優先的に使用
- MacデバイスはMetal GPUを優先的に使用
- その他のデバイスはCPUを使用

パフォーマンス最適化戦略

ユーザーの日常使用に影響を与えないようにするために、Pensieveは次の最適化措置を講じています：

インデックスの頻度を動的に調整し、システムの処理速度に適応
バッテリー駆動時に処理頻度を自動的に低下させ、電力を最大限に節約

開発ガイド

最初のレイヤーを剥がす

実際、Pensieveが起動すると、3つのプログラムが実行されます：

memos serveはWebサービスを開始
memos recordはスクリーンショット記録プログラムを開始
memos watchはmemos recordによって生成された画像イベントをリッスンし、実際の処理速度に基づいてサーバーにインデックスリクエストを動的に送信

したがって、開発者である場合、またはプロジェクト全体の実行ログをより明確に表示したい場合は、これらの3つのコマンドを使用して各部分を前景で実行し、memos enable && memos startコマンドの代わりに使用できます。