YZOS 产品愿景

完整规格见 00-product-spec.md。

一句话

YZOS 是本机观察系统。它把你真实工作中软件的状态、AI 工具会话、聊天、剪贴板、语音和屏幕证据，沉淀成可检索的上下文，让上层 AI 拥有事实基础。

核心立场

供料，不对话：YZOS 产出的是数据集，不是又一个聊天入口。
被动，不打断：你不需要切到 YZOS 才能完成工作。
本地，不外泄：原始观察数据默认留在你的机器上。
结构优先：先读 app/窗口/UI 结构，再退到 OCR 或 VLM。
OKF 是真源：长期知识写入 Markdown，PostgreSQL 只是索引。
可审查：你能看清 YZOS 究竟观察到了什么。

为什么不是截图 OCR 产品

整屏截图或视频流只能作为底层证据。直接用截图 OCR 推断行为，会混入菜单栏、Dock、后台窗口、通知和无关文本，也无法可靠区分你是在阅读、编辑、发送、复制还是运行命令。

YZOS 走的是另一条路径：

flowchart TD
  AW["Active app / window"] --> UI["UI structure"]
  UI --> REG["Layout regions"]
  REG --> OCR["ROI OCR"]
  OCR --> VLM["VLM semantic labels"]
  VLM --> DIFF["Temporal diff"]
  DIFF --> EVT["Behavior events"]

这把行为识别从「猜屏幕上有什么」变成了「比较结构化的状态变化」。

与上层 AI 的关系

上层 AI 的问题	YZOS 提供的内容
我今天做了什么	activity summary、sessions、apps、events
这个项目进展如何	project entity、AI sessions、knowledge、tasks
我刚才复制了什么	剪贴板最近记录/搜索结果
哪些人参与其中	person entities、links、sightings
某段知识在哪里	OKF knowledge search/read

YZOS 不回答世界知识类问题，也不替上层 AI 做通用推理。它只提供本机观察到的事实，以及这些事实的结晶结果。

关键对象

对象	来源
Activity Session	app/窗口/剪贴板/屏幕/语音事件的时间线
AI Tool Session	Claude Code、Codex、Cursor 等工具的日志
UI Snapshot	某一时刻活动窗口的结构化 UI 状态
Behavior Event	由 UI 状态差异推断出的行为
Person	由发送人、账号、姓名、语音、AI session 共同发现
Project	由 repo、路径、窗口标题、AI session、任务共同发现
Task	由行为事件、AI 工具摘要、OKF 共同更新
Knowledge	从观察中结晶出的可复用技术或业务事实

成功标准

零负担：你不需要在 YZOS 里记录自己的工作。
可追溯：每个结晶结果都能追溯到对应的 observation、session、来源。
可纠错：实体可以合并、重命名、归档。
行为准确：行为事件依赖 UI 状态差异，而不是单帧截图的猜测。
供料稳定：MCP 和 CLI 返回真实数据，失败时明确返回错误，而不是编造一个结果。
隐私可控：原文、脱敏文本、索引和导出之间的边界清晰。

当前的开发路线图见 08-roadmap.md。