autoskill

Requer um daemon screenpipe em execução. Esta skill não possui fonte de dados alternativa — ela lê exclusivamente da API HTTP local do screenpipe (padrão http://localhost:3030). Se o daemon não estiver em execução, run() levantará ScreenpipeUnreachable com instruções de instalação.

Acesso à rede e variáveis de ambiente. Esta skill faz requisições HTTP autenticadas para (a) o daemon screenpipe local do usuário em loopback e (b) o backend LLM configurado pelo usuário — um entre http://localhost:1234/v1 (LM Studio, padrão), https://api.anthropic.com (Claude opt-in) ou um gateway Foundry BYOK fornecido pelo usuário. Os adaptadores leem SCREENPIPE_TOKEN, LM_API_TOKEN, ANTHROPIC_API_KEY e FOUNDRY_API_KEY para o serviço configurado correspondente. HTTPX também respeita suas configurações padrão de proxy e ambiente de CA; sentence-transformers usa as configurações de cache/download do Hugging Face. Backends de nuvem opt-in recebem resumos de cluster expurgados e descrições de skills correspondentes. A instalação do modelo de embedding pode também baixar arquivos de modelo públicos; inferência local não implica em zero acesso à rede.

Visão Geral

Transforme o histórico de fluxo de trabalho do próprio usuário — capturado passivamente pelo daemon screenpipe local — em novas skills. Esta skill é sob demanda: o usuário a invoca com uma janela de tempo, ela consulta a API HTTP local do screenpipe, agrupa padrões de fluxo de trabalho repetidos, compara cada padrão com as skills existentes neste repositório e produz uma pasta de propostas em estágio que o usuário pode revisar, editar e promover.

Quando Usar Esta Skill

Invoque esta skill quando o usuário pedir para:

• "Analise minhas últimas 4 horas / dia / semana e proponha novas skills."
• "Veja o que tenho feito e me diga o que ainda não está coberto."
• "Crie uma skill a partir do meu fluxo de trabalho recente."
• "Encontre receitas de composição para fluxos de trabalho que repito."

Não a invoque para perguntas pontuais sobre o próprio screenpipe, para consultas de tela em tempo real ou sem uma solicitação explícita do usuário — a skill analisa conteúdo local sensível e deve permanecer explicitamente acionada pelo usuário.

Postura de Privacidade

• Configure a filtragem de captura no Screenpipe antes de coletar o histórico. references/screenpipe-config.yaml é uma lista de verificação de substrings literais, insensíveis a maiúsculas e minúsculas, de aplicativos/títulos, não um arquivo YAML importável pelo Screenpipe. Aplique-os nas configurações do Screenpipe ou como argumentos repetidos de --ignored-windows; * não é um glob. Verifique exclusões com janelas sintéticas. A filtragem não pode remover material sensível já capturado nem garantir a exclusão completa.
• OCR bruto não é enviado para o backend de síntese por este pipeline. scripts/fetch_window.py puxa dados via HTTP localhost. scripts/cluster.py reduz a linha do tempo a resumos de aplicativo/duração/título. scripts/redact.py remove e-mails reconhecíveis, chaves de API, tokens de portador e formatos de telefone selecionados como defesa em profundidade antes que qualquer resumo de cluster chegue ao LLM.
• O backend LLM é padrão para local. Use um modelo de chat já instalado servido pelo LM Studio; seu ID exato do modelo do servidor deve estar em local.model. Os resumos permanecem na máquina apenas enquanto este endpoint estiver em loopback. Um endpoint HTTPS remoto também envia resumos para fora da máquina. Backends de nuvem (claude, foundry) permanecem opt-in. A inferência de detecção e embedding é executada localmente, independentemente da escolha do backend.
• Modo de teste (--dry-run) pula o correspondente de skill e a síntese LLM e grava um plan.md agrupado. Revise os nomes de aplicativos retidos e os títulos das janelas antes de selecionar um backend de nuvem; o limpador de regex não garante anonimização ou remoção de detalhes de pesquisa não publicados.
• TLS para localhost (opcional, para política corporativa): veja references/https-proxy.md para o padrão Caddy.

Pré-requisitos

1. Daemon Screenpipe

Instale a versão oficial ou compile a partir do código-fonte. De qualquer forma, o daemon se vincula via HTTP em localhost:3030 por padrão.

A partir do código-fonte (recomendado se você quiser o daemon CLI sem a GUI desktop):

git clone --depth 1 https://github.com/screenpipe/screenpipe.git
cd screenpipe
cargo build -p screenpipe-engine --release
# Dependências do sistema (macOS): cmake + Xcode.app completo (não apenas Ferramentas de Linha de Comando).
#   brew install cmake
#   # se ocorrer erro de plug-ins xcodebuild: sudo xcodebuild -runFirstLaunch
./target/release/screenpipe doctor   # confirma permissões + ffmpeg
./target/release/screenpipe record --disable-audio --use-pii-removal \

…