在数字时代，我们常常面临信息过载的挑战，就像在知识的海洋中迷失方向。面对海量的数据分析文件和浏览器标签页，我们常常难以找到所需的信息，这种“数字失忆症”成为常态。尽管我们习惯性地求助于AI，但不断地在应用程序之间复制、粘贴和切换，将上下文信息逐步“喂”给AI，以期获得灵光一现的解决方案，这种方式效率并不高。
最近，我发现了一个名为“Glass”的项目，它声称要成为用户的“数字大脑拓展”。与传统的AI聊天框不同，Glass 致力于通过“被动观察”的方式，深入了解用户的使用习惯和信息需求。我开始体验这款应用，希望能够了解当AI真正成为心智的延伸时，人机交互的未来形态。
Glass 没有传统意义上的用户界面。它的安装过程更像是一个开发者环境的配置，需要用户熟悉Python和Node.js。安装完成后，Glass 只是一个静默地躺在菜单栏的图标。启动 Glass 后，它会请求屏幕录制、麦克风访问和辅助功能权限，这些权限都非常敏感，因为它们允许 AI 完整地观察和倾听用户。
安装完成后，Glass 甚至可以选择隐藏，不是物理上的隐藏，而是在数字世界中隐藏。即使你将屏幕分享给他人，他们也无法看到 Glass 的存在。这体现了 Glass 的核心理念：AI 不应是一个需要频繁唤起的工具，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”，这种模式是割裂的、非连续的。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。这样，AI 不再需要用户费力地解释上下文，因为它本身就活在用户的上下文里。
体验了 Glass 极简的“页面布局”后，我很好奇它的实际表现如何。Glass 的确有一些我们已经熟悉的功能，但也有一些不同于现有任何 AI 工具的使用体验。
首先，Glass 并不是一个现有 AI 大模型工具的便捷访问入口。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。你可以通过快捷键，来向它提问各种关于当前屏幕的内容。
更重要的是，当你点击悬浮栏中的 Listen 按钮时，Glass 就会切换为监听模式，从静态读取当前桌面上的内容，变为持续记录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，还能实时转录音频。虽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 最大的不同在于，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。
除了会议记录功能，Glass 的应用场景还能体现在观看视频上。在 Glass 开启的状态下，我打开了一个关于 F1 车手刘易斯-汉密尔顿的采访视频。不到三分钟，Glass 就通过目前读取到的内容，生成了一份当前内容摘要。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。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 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。
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。
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。”
几秒钟后，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。
另一个例子是 Glass 对非结构化信息（如会议语音）的处理能力。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。
尽管如此，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，因为它仍然给电脑造成明显的卡顿现象。
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。
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。
“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”。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。
