自动录制产品路径 → AI 结构化分析 → 生成 RAG 就绪的知识库
Automatically record product usage paths → AI-powered structured analysis → Generate RAG-ready knowledge base
Windows 用户可直接下载安装包，内嵌 Python 环境，开箱即用，无需任何配置： >>> 下载 PathMind 最新版安装包 <<<
产品经理、测试工程师、UX 研究员在分析产品体验时面临一个共同问题：记录散乱、分析耗时、知识无法复用。PathMind 用一条自动化流水线解决这三个痛点：
PMs, QA engineers, and UX researchers share a common pain point: scattered records, time-consuming analysis, and non-reusable knowledge. PathMind solves all three with one automated pipeline:
+-----------------+ +------------------+ +----------------------+
| 1. Record | --> | 2. AI Analyze | --> | 3. Knowledge Base |
| 自动录制路径 | | AI 结构化分析 | | RAG 就绪知识库 |
| | | | | |
| Screenshots | | Interaction | | Obsidian Markdown |
| + Text desc | | analysis, UX | | with RAG metadata |
| + Scores | | scoring, and | | ready for LLM |
| per step | | suggestions | | retrieval |
+-----------------+ +------------------+ +----------------------+
不只是记录工具：PathMind 的产出物是结构化的、AI 可直接检索的知识库，可以无缝接入 RAG 系统增强 LLM 回答质量，也可以用 Obsidian 手动浏览和管理。
More than a recording tool: PathMind outputs a structured, AI-retrievable knowledge base that plugs directly into RAG pipelines to enhance LLM responses, and is also browsable in Obsidian.
逐页面、逐步骤地记录产品使用路径，每一步包含截图 + 文字描述 + 评分。
- 悬浮窗录制 — 通过系统托盘打开置顶悬浮面板，可直接选择或新建流程，边操作边记录
- 自动录制模式 — 配置热键后，通过悬浮窗 REC 按钮或快捷键启动。每次鼠标左键点击自动截图，截图后输入标题或跳过即可继续，不理想的截图可在 Web 中删除
- 手动录制模式 — Ctrl+V 粘贴截图，输入描述和评分 (1-10)，精细控制每一步
- 多屏 DPI 适配 — 在不同分辨率屏幕间拖动悬浮窗自动适配
调用 AI Vision 模型对每一步截图 + 描述进行结构化专业分析（需先在 设置 中配置 AI API）：
- 悬浮窗自动生成 — 悬浮窗录制模式下，每步保存后自动在后台调用 AI 生成评论，不阻塞录制流程
- Web 端手动生成 — 在 Web 页面中可对单个步骤手动触发 AI 评论生成
- 流程 AI 总结 — 录制完成后一键生成整体流程分析报告，涵盖全局体验评估
- 后台异步 & 重试 — 失败自动重试（指数退避，最多 3 次）
- 结构化输出 — AI 结果按固定字段存储（交互描述、评分、改进建议等），便于检索和聚合
录制和分析的产出物不是孤立的笔记，而是直接可用于 RAG 检索增强的结构化知识库：
- Obsidian 导出 — 一键导出为 Markdown + 图片到 Obsidian Vault，保留完整结构
- RAG 元数据 — 每条记录包含产品名、流程名、步骤序号、AI 分析字段等结构化元数据，可直接被向量数据库索引
- 知识检索场景 — 接入 RAG 后，可实现："XX 产品的登录流程有哪些体验问题？""哪些步骤的评分低于 5 分？"等精准检索
- 人工友好 — 即使不接入 RAG，导出到 Obsidian 后也可用双链、标签、图谱等方式手动浏览管理
| Category | Feature | Description |
|---|---|---|
| Flow Management | 拖拽排序、置顶、颜色标记（6 色） | 多维度组织和筛选流程 |
| Full-text Search | 按描述、备注、AI 评论内容搜索 | 快速定位历史记录 |
| Data Sync | ZIP 全量/增量导入导出 | 跨设备迁移，导入前自动备份 |
| i18n | 中英文界面一键切换 | 内置翻译字典，无需配置，离线可用 |
| Beginner's Guide | 新手指南弹窗 | 首次启动自动弹出，导航栏 "?" 可随时打开 |
| Cross-platform | Windows 安装包 / macOS 源码运行 | Windows 内嵌 Python，开箱即用；macOS 暂未经充分测试 |
Environment Dependencies / 环境依赖：
- Strong / 强依赖： Python 3.10+, Windows 10/11 or macOS 12+
- Platform / 平台说明： 目前仅在 Windows 上经过完整测试。macOS 支持为实验性质，源码可运行但未经充分测试，欢迎反馈问题。macOS support is experimental and not fully tested — issues and feedback are welcome.
- Floating Window / 悬浮窗依赖： PyQt6 — 悬浮窗录制模式必需（
pip install PyQt6）。Web 录制模式不需要。PyQt6 is required for floating window mode; web-based recording works without it.- Optional / 可选： Snipaste — 悬浮窗模式下增强截图体验（自动调用 Snipaste 截图），非必需。Optional but recommended for enhanced screenshot capture in floating window mode.
AI API Compatibility / AI 接口兼容性：
- 支持所有 OpenAI 兼容接口 — 包括 OpenAI (GPT-4o)、DeepSeek、Moonshot (Kimi)、智谱 GLM、通义千问、百川等，只需在设置中填写对应的
base_url、api_key、model即可- Vision 模型推荐 — AI 截图分析功能需要支持图片输入的模型（如 GPT-4o、GLM-4V、Qwen-VL-Max 等），纯文本模型仅可使用流程总结功能
- Omni 模型特殊处理 — 部分模型（如 LongCat-Flash-Omni）的消息格式和图片传输格式与标准 OpenAI 不同，代码中已做适配（通过模型名自动识别）。如你使用的 Omni 类模型调用异常，请参考
app/services/ai_service.py中的_is_omni_model()逻辑进行调整- 配置方式 — 在 Web 端设置页填写三项即可使用：API 地址（base_url）、密钥（api_key）、模型名（model）
- Supports all OpenAI-compatible APIs (OpenAI, DeepSeek, Moonshot, Zhipu GLM, Qwen, etc.). Vision-capable models recommended for screenshot analysis. Omni-format models have special handling — see
ai_service.pyif adjustments needed.
- 从 Releases 下载最新的
PathMind_Setup_vX.X.X.exe - 运行安装程序，按提示完成安装
- 桌面快捷方式启动 → 自动打开浏览器 + 系统托盘图标常驻
- 在设置页面配置 AI API（base_url, api_key, model）和录制热键
- 首次打开会弹出新手指南，按指引操作即可快速上手
# Prerequisites: Python 3.10+, pip, PyQt6（悬浮窗/托盘必需）
git clone https://github.com/Cjayan/PathMind.git
cd PathMind
pip install -r requirements.txt启动方式（二选一）：
| 方式 | 命令 | 说明 |
|---|---|---|
| 完整模式（推荐） | 双击 启动服务.bat 或 pythonw installer/launcher.pyw |
Web 服务 + 系统托盘 + 悬浮窗录制，支持全部功能 |
| 纯 Web 模式 | python run.py |
仅启动 Web 服务，无系统托盘和悬浮窗，适合仅需 Web 界面的场景 |
注意： 悬浮窗录制、自动录制等核心功能依赖系统托盘，请使用完整模式启动。纯 Web 模式下这些功能不可用。
创建产品 → 新建流程 → 录制步骤（截图+描述+评分）→ AI 分析（悬浮窗自动/Web 手动）→ 完成录制 → 导出知识库
- 创建产品 — 首页点击"新建产品"，对应你要分析的目标应用
- 新建流程 — 进入产品页，为具体的使用路径创建流程（如"用户注册流程"）
- 录制步骤 — 逐步上传截图、填写描述和评分；可手动触发 AI 生成单步评论（悬浮窗模式下保存后自动生成）
- 完成录制 — 点击"完成录制"，可一键生成 AI 流程总结
- 导出使用 — 导出到 Obsidian Vault，或通过 API 接入 RAG 系统
- 通过 系统托盘图标 打开桌面悬浮窗（启动应用后托盘区会出现 PathMind 图标）
- 在悬浮窗中 选择产品和流程（也可以直接新建流程）
- 手动录制： Ctrl+V 粘贴截图 → 输入描述 → 保存
- 自动录制： 需先在 [设置] 中配置开始/停止录制热键，然后通过悬浮窗 REC 按钮或快捷键启动
- 录制期间 每次鼠标左键点击 都会触发截图（点击空白处也会截图）
- 每次截图后弹出标题输入框，输入步骤标题或跳过 后才能继续下一次截图
- 不理想的截图可以稍后在 Web 页面中删除
- 录制完成后在 Web 界面查看完整的 AI 分析结果
在设置 > 数据管理中，支持 ZIP 格式全量/增量导入导出，导入前自动备份。
首次启动自动从 config.yaml.example 生成 config.yaml，也可在 Web 界面设置页面配置。
| Key | Description / 说明 | Default |
|---|---|---|
ai.base_url |
OpenAI-compatible API endpoint | https://api.openai.com/v1 |
ai.api_key |
API key | (empty) |
ai.model |
Model name (must support Vision) | gpt-4o |
ai.max_tokens |
Max response tokens | 4096 |
ai.temperature |
Generation temperature | 0.7 |
obsidian.vault_path |
Obsidian Vault path / 知识库导出路径 | (empty) |
server.port |
Server port | 5000 |
recording.hotkey_start |
Start recording hotkey / 开始录制热键 | (empty) |
recording.hotkey_stop |
Stop recording hotkey / 停止录制热键 | (empty) |
recording.snipaste_path |
Snipaste executable path (Windows only) | (empty) |
当前 AI 功能针对 LongCat 模型优化。使用其他模型需要修改：
app/services/ai_service.py_build_step_prompt()— 单步评论 Prompt_build_summary_prompt()— 流程总结 Prompt- Response parsing — 当前兼容 LongCat 的 JSON 数组返回格式
config.yaml— 修改ai.model为你的模型名称
├── run.py # Entry point / 启动入口
├── config.yaml.example # Config template / 配置模板
├── requirements.txt # Python dependencies
├── app/
│ ├── __init__.py # Flask app factory
│ ├── config.py # Config manager
│ ├── models/ # Data models (Product, Flow, Step)
│ ├── routes/ # API & page routes
│ ├── services/
│ │ ├── ai_service.py # AI analysis & summary / AI 分析核心
│ │ ├── export_service.py # Obsidian & RAG export / 知识库导出
│ │ ├── summary_service.py # Flow summary generation / 流程总结
│ │ └── data_service.py # Data sync & backup / 数据同步
│ ├── floating_window/ # PyQt6 floating window / 悬浮窗
│ │ ├── main_window.py # Main floating window UI
│ │ ├── auto_recorder.py # Auto recording logic / 自动录制
│ │ ├── ai_comment_worker.py # Background AI worker / AI 后台线程
│ │ └── screen_capture.py # Multi-monitor screenshot / 截图
│ ├── platform/ # OS-specific code (Windows/macOS)
│ ├── templates/ # Jinja2 HTML templates
│ └── static/ # Frontend assets (JS, CSS)
│ └── i18n/ # Translation dictionaries / 翻译字典
├── installer/ # Installer build scripts / 安装包构建
└── data/ # Runtime data (auto-generated)
├── app.db # SQLite database
├── uploads/ # Screenshots
└── backups/ # Auto backups
| Layer | Technology |
|---|---|
| Backend | Flask 3.x, SQLAlchemy, SQLite |
| Frontend | Vanilla JS, Jinja2 Templates |
| Floating Window | PyQt6 |
| AI Integration | OpenAI-compatible API (Vision) |
| Screenshot | Pillow, Snipaste (optional), Quartz (macOS) |
| Auto Recording | pynput (mouse/keyboard listener) |
| Installer | NSIS (Windows) |
欢迎提交 Issue 和 Pull Request!
- Fork the repository
- Create your feature branch (
git checkout -b feature/amazing-feature) - Commit your changes (
git commit -m 'Add amazing feature') - Push to the branch (
git push origin feature/amazing-feature) - Open a Pull Request
Author: Kai Xiao (Cjayan)
If this project helps you, consider giving it a star! 如果这个项目对你有帮助，欢迎点个 Star！