你的时间去了哪里？让数据告诉你答案。
10 月 13 日，照见 TimeMirror 正式上架 Mac App Store。
App Store 下载： https://apps.apple.com/hk/app/timemirror/id6774962690?mt=12
这是一款本地优先的 macOS 时间追踪与自我觉察工具：它自动记录你在各应用上的使用时长、专注时段和空闲时间，用数据如实映照每一天。
它也是我用 AI 从零写出的第一个上架产品——从一句话原型到通过审核，全程 AI 协作开发。这篇文章既是产品介绍，也是一次 AI 开发实践的完整复盘。
01 它是什么
照见 TimeMirror 是一款 macOS 时间追踪与自我觉察工具。产品理念只有八个字：
照，如实映照。见，觉知真相。 它不评判、不打扰、不上传——只是安静地把「时间花在哪里」如实记录下来，让你自己判断。
- 所有数据存储在本机 SQLite 数据库，不上传任何服务器
- 不记录任何键盘输入内容，不进行屏幕录制或截图
- 没有账号体系，没有云端存储，没有第三方统计 SDK，没有广告
02 六个核心功能
- 今日概览：实时统计当天各应用使用时长，按分类聚合展示。「时间去哪了」一眼看清。
- 历史回溯：按天 / 周 / 月查看完整使用记录，支持自定义时间段筛选，并可对比昨日、上周、上月的数据变化趋势。
- 习惯养成：把日常应用分组归类（工作、社交、娱乐、学习等），追踪各类习惯的每日投入时长和趋势曲线，帮助你看见长期行为模式。
- 专注分析：自动识别番茄钟式专注时段，结合动态分母算法计算真实专注率；区分「深度专注」与「碎片化使用」，让「看起来在忙」和「真正专注」一目了然。
- AI 洞察：接入 DeepSeek，在设置中填入自己的 API Key 后，根据你的时间使用数据生成个性化洞察与提醒。发送的只是聚合后的统计特征，不含应用名与窗口标题；Key 只保存在本机钥匙串。
- 24 小时时间线：以 24 小时时间轴可视化展示一天的活动轨迹：使用时段、空闲间隔与专注块，一天的时间结构清晰呈现。
03 为什么做这款产品
每天在电脑前十个小时，晚上回想，脑子里只剩两个字：忙。但说不出忙了什么。写代码是 2 小时还是 5 小时？刷网页是 20 分钟还是 2 小时？人的记忆是出了名的不可靠——感受深刻的，未必是花时间最多的。
macOS 自带的「屏幕使用时间」给了个粗糙答案，但有三个硬伤：数据不能导出、分类不够细、看不到应用切换的精确时间线。我想要的是一个完全自动、无感的系统：后台静默运行，不需要任何手动开始 / 停止，精确到秒，把时间分配的真相还给我自己。
注意力是程序员最稀缺的资源，而管理注意力的第一步，是看清它流向哪里。我需要一面镜子。
04 隐私设计：本地优先
- 数据本地优先：全部使用数据只写入本机 SQLite，不上传任何服务器
- 零第三方 SDK：不含统计、遥测或广告组件
- 核心功能零权限：前台应用切换走 macOS 公开接口，不申请辅助功能权限
- AI 功能最小暴露：只发送聚合后的统计特征；API Key 只存本机钥匙串；不使用该功能时，应用零网络请求
- 想删就删：开机自启默认关闭；删除数据目录或卸载应用，数据随之彻底清除，无残留
05 它是怎么写出来的：AI 开发实践复盘
技术栈很简单：Swift 6.2 + SwiftUI + SQLite，零第三方依赖，纯 macOS 原生 API。真正的特别之处在于——整个项目是用 AI 写出来的。
1、从一句话到原型
项目的第一行代码，来自对着 AI 编程助手说的一句话：
「帮我写一个 macOS 菜单栏 App，检测前台应用切换，记录名称和时间，用 SQLite 存储。」
10 分钟后，代码跑起来了。第一次看到真实的数字：Safari 2.3h、CodeBuddy 3.1h、WeChat 1.5h——像一个近视的人第一次戴上眼镜，世界突然清晰了。
2、三层架构：从信号到洞察
- 传感器层：五条采集通道（前台应用切换、键盘事件、系统资源、空闲检测、系统事件），每秒采样、事件驱动。这些是最原始的物理事实，不经过人的判断
- 会话层：一个两态状态机（active ↔ inactive），每秒执行 Snapshot → Reduce → Transition，把离散信号拼成有头有尾、精确到秒的会话记录
- 统计层：Dashboard 上的所有数字都是「算出来的」，不是「存起来的」。存原始数据、算统计结果——今天想按小时看，明天想按分类看，换一个角度问它问题就行
3、渐进式 Schema 生长
6 张数据表不是第一天画 ER 图设计出来的，而是 14 天里被一个个真实需求催出来的：
- 第 1 天
app_sessions（想知道用了什么应用） - 第 3 天
system_snapshots（想看 Mac 什么时候变卡） - 第 5 天
alerts（要主动提醒） - 第 7 天
idle_periods（区分「在用」和「离开了」） - 第 10 天
boot_events（统计重启次数） - 第 14 天
keystrokes（想知道一天敲了多少键盘）
不为「将来可能需要」而设计，只为「现在就需要」而演进——每张表加出来，都立即投入使用。
4、AI 协作的真实面貌
「AI 写代码」不是一句话搞定一切，而是一个人类主导的迭代循环：
我提出需求 → AI 生成代码 → 我运行看结果 → 对吗？ 对 → 继续下一个需求；不对 → 描述现象给 AI → 修改 → 再试
AI 是那个打字飞快的助手，但决定做什么、判断对不对、选择走哪条路的，始终是人。这个过程里 AI 犯了大量错误，最典型的六个：
- 忽略 NULL：SUM 空了直接返回 NULL，Dashboard 白屏
- 时区遗漏：SQLite 存 UTC 时间戳，按北京时间直接算，凌晨数据全错位
- 忘了去重：统计没用 DISTINCT，数字虚高
- 边界条件：整点切分时间线时，边界上的数据被丢弃
- 过度优化：小表加了一堆索引，写入速度反而变慢
- SQL 注入：应用名 "O'Reilly" 的单引号直接把 SQL 语法炸了
这些错误不是 AI 的缺陷，恰恰相反——它们是最好的老师。每踩一个坑，就被迫去学背后的原理：NULL 为什么有「传染性」？时区转换到底发生了什么？B-Tree 索引为什么会减慢写入？
5、比语法更重要的三件事
- 提出正确的问题：把模糊的需求翻译成计算机能精确执行的查询
- 读懂 AI 的回答：知道它在干什么，而不是盲目复制粘贴
- 验证结果的正确性：COUNT(*) 看总量、LIMIT 10 看抽样、ORDER BY DESC 看极端值、IS NULL 看空值、用常识心算验证——我称之为「验 SQL 五步法」
做完这个项目，我对自己的角色也有了清晰认知：你不是 SQL 程序员，你是产品经理 + QA。 你能做的最重要的事，不是记住所有语法，而是知道什么值得做、怎么把需求拆成 AI 能理解的步骤、怎么验证 AI 产出的质量。
你不是在学数据库，你是在做产品。数据库是你路上的工具，不是目的地。这不是「学了再做成」，而是「为了做成而学」。
06 一个真实的技术细节：分母决定结论
Focus 页面有一张 24 小时活跃比例图。同一个分子（本周某小时共活跃 9000 秒），分母的算法不同，结论天差地别：
- 固定分母（旧）：7 天 × 3600 秒 = 25200 → 活跃比例 35.7%，看起来「大部分时间在摸鱼」——它把根本没开机的天数也算进了分母，严重低估真实活跃度
- 动态分母（新）：只算实际开机的 3 天 × 3600 秒 = 10800 → 83.3%，真实含义是「只要开机就很专注」
修正方案没有引入复杂 SQL，只是在遍历会话时用一个 Set 按小时去重统计「活跃天数」——大约 5 行代码，替代了原来 30 行的 switch-case。
分母的定义决定结论。而好的设计，往往更简单。
07 版本与获取
Mac App Store 版
- 售价 HK$8，当前版本 0.25，要求 macOS 15.6 及以上
- 在 App Store 搜索「照见 TimeMirror」即可下载
- 受沙盒与审核限制：暂不支持 iCloud 多设备同步；键盘击键统计有所裁剪
官网版（功能完整）
- vizwise.cn 提供下载，要求 macOS 14 及以上
- 多设备同步：iCloud Drive 增量同步，按条目 UUID 幂等合并，本地库始终权威
- 键盘击键统计：按应用与输入法统计击键次数并估算 Token 输出量，仅统计次数、不记录任何内容
- 另有 iLife 生命进度：108 格生命网格、天干地支纪年、翻页时钟，以及一记敲木鱼
图：Tokens 统计界面——分小时击键次数与输入法占比
08 结语
最让我感慨的是：这面镜子本身，就是 AI 帮我打磨出来的。从一个想法到一个完整产品，从「数据库是什么」到能用递归 CTE 拆分 24 小时时间线，整个过程不过几个星期。
AI 让「从想法到产品」的距离变得前所未有的短——但前提是：你确实有一个值得去做的想法。
数据和工具都只是手段，看清自己、改进自己，才是目的。
App Store 下载： https://apps.apple.com/hk/app/timemirror/id6774962690?mt=12
产品页与帮助：vizwise.cn/pages/timemirror ｜ 联系：wyp@vizwise.cn
唯有知识，让我们免于平庸。—— XILEJUN · 2026 年 10 月
No comments yet