【学习工作赛道】ScreenShield —— 屏幕隐私守护者

TRAE AI 创造力大赛 【大赛初赛专区】
1

【标签】学习工作

【标题】 【学习工作赛道】ScreenShield —— 屏幕隐私守护者

0. 先和大家打个招呼吧 :waving_hand:

  • 你是谁：一名独立开发者，白天写 iOS / macOS 谋生，晚上折腾自己想做的产品。

    你是怎么用 TRAE 把 Demo 做出来的：

    老实说，做 ScreenShield 之前，我脑子里这个想法已经躺了快一年了。每次录视频教程差点把 API Key 录进去、同事开会共享屏幕弹出家庭聊天，我都在想「要是有个本地的小工具能盯着屏幕就好了」。但一想到要从零搭屏幕采集、OCR、正则、VLM、菜单栏 App 一整套，就反复搁置——不是不会写，是一个人写太累了，光是 VLM 那块 C++ 桥接就够我熬几个周末。

    直到我打开 TRAE。

    第一步，我没让它直接写代码，而是先把脑子里那本「PRD」交给Trace：产品是给谁用的、解决什么场景、不要做什么、隐私底线在哪里、分几个版本迭代。它听完直接帮我生成了一份 5 阶段开发方案，连模块依赖图、任务清单、验收标准都列好了。那一刻我意识到——原来「想清楚」这件事，可以靠对话把它逼出来。

    第二步是真正让我「原来这么简单」的瞬间：V0.1 阶段我让它用 subagent 并行推进 Models 数据结构、正则规则单元测试、ScreenCaptureKit 采集链路三件事。三路同时跑，我在主对话里只管 review 和决策。一个人干出了三个人协作的节奏。

    最让我意外的是 MiniCPM-V 4.6 那道坎。我自己写 Swift 调 llama.cpp 的 C++ API，光是想桥接方案就要翻半天 Stack Overflow。跟 TRAE 说「参考 MiniCPM-V-Apps 集成一下」之后，它直接给出了 VLMBridge.mm（Objective-C++ 桥接层）+ VLMManager.swift（Swift 调用层）的完整结构，还顺手处理了模型不可用时回退到 Vision 框架的逻辑。我以为要熬两个周末的事，一个下午就跑通了。

    最后一个坎是 NSPopover。App 跑起来发现菜单栏面板一点就消失，我自己 debug 了一晚上没头绪。把现象告诉 TRAE 后，它直接定位到 LSUIElement 应用里 NSPanel.hidesOnDeactivate=true 的问题，换成了 macOS 菜单栏 App 的标准模式 NSPopover——这个坑现在已经写进项目 memory，下次再写同类应用不会再踩。

    整个 ScreenShield 从空白工程到 136 个测试全通过、构建零警告，全是在 TRAE 里完成的。它没替我「想」产品，但它替我「扛」下了所有重复劳动和踩坑查资料的苦活。独立开发者最缺的不是想法，是把想法落地的耐心——TRAE 把这份耐心还给了我。

    每个屏幕背后都藏着一个不想被看见的瞬间。希望 ScreenShield 能让那些瞬间，少一点尴尬，多一点从容 :sparkles:

1. Demo 简介

  • 是什么：ScreenShield Local 是一款运行在 macOS 菜单栏的本地屏幕隐私与内容安全助手（原生 macOS App），基于 Swift / SwiftUI / ScreenCaptureKit / Vision / 本地 VLM（MiniCPM-V 4.6）构建，所有分析在本地完成，不上传任何屏幕内容。

  • 面向谁：核心用户为以下四类人群

    • 开发者 / 独立开发者 ：录屏教程、共享屏幕调试、使用 Claude Code / Cursor / AI Agent 时，避免 API Key、Token、 .env 内容外泄；
    • 老师 / 培训讲师 / 内容创作者 ：Zoom / 腾讯会议共享屏幕时，防止弹出私人聊天、邮箱、学生姓名、成绩；
    • 远程办公用户 ：客户演示、售前演示、远程支持时自动检查屏幕，敏感内容自动模糊；
    • 家长 / 青少年用户 ：在孩子使用 Mac 学习、上网时，自动识别并遮挡色情、赌博、暴力血腥等不雅内容，给青少年一个干净的屏幕环境。

  • 主要功能：

  • 本地实时屏幕扫描 + 多模态检测

    • 通过 ScreenCaptureKit 低频采样（0.2~2 FPS 可调），结合 dHash 变化检测跳过静态帧；
    • 并行执行 OCR + 8 类正则规则检测（OpenAI/AWS/GitHub/Slack/Google Key、SSH 私钥、 .env 、邮箱、手机号、身份证、银行卡）；
    • 集成 MiniCPM-V 4.6 视觉语言模型，识别成人/色情、赌博、暴力血腥等视觉风险类别。

  • 多模式保护策略 + 风险分级动作

    • 支持 观察模式 / 会议保护 模式；
    • 风险分级 L0~L3，按模式策略矩阵执行「日志 / 提醒 / 全屏遮罩
    • 提供 ActionDebouncer 防抖（同区域 5 秒内不重复触发）和误报反馈学习。

  • 青少年护屏：不雅图片视觉识别 + 自动遮挡

  • 针对青少年使用电脑场景，VLM 会逐帧判断屏幕是否出现 色情 / 赌博 / 暴力血腥 三类高风险画面；

  • 一旦命中，风险等级直接升级为 L3 严重 ，自动触发全屏遮罩 + 强提醒，并要求用户明确选择「显示 5 秒 / 这是误报 / 关闭当前页面」；

  • 同时辅以中英文关键词正则双通道（中文： 赌场|博彩|百家乐|老虎机 ；英文： casino|gambling|poker|roulette|bet365 ），即使VLM 推理失败或模型未下载时，也能通过正则关键词兜底识别赌博类网页，做到双保险；

  • 所有视觉风险判断在本地完成， 不向任何云端服务器上传屏幕画面 ，孩子的屏幕隐私同样受保护。

  • 完整菜单栏 App 体验 + 隐私优先

    • NSStatusItem + NSPopover 标准菜单栏应用模式，点击盾牌图标弹出 Dashboard；
    • 4 步引导（欢迎 → 屏幕录制权限 → 通知权限 → 完成）；
    • 默认不保存原始截图、不保存 OCR 原文，事件日志仅记录结构化字段（时间、App、风险类别、动作），支持一键清除。

2. Demo 创作思路

  • 灵感来源：我自己是开发者，经常需要录屏做编程教程、用 Cursor / Claude Code 这类 AI Agent 操控电脑。一次录屏时差点把 .env 里的 OPENAI_API_KEY 录进去，回看视频时惊出一身冷汗。我也见过同事在 Zoom 共享屏幕时，微信弹出家庭聊天内容，场面一度非常尴尬。

    另一类灵感来自小朋友用 Mac 上网课、查资料，但有次我无意间看到他浏览器历史里跳出了赌博网站和擦边直播页。家长不可能 24 小时盯着屏幕，传统家长控制软件只能按域名拦截，而这类站点会不断换域名、用图片而非文字绕过关键词过滤。这让我意识到： 屏幕正在成为最大的隐私泄露入口，也是青少年接触不雅内容的隐秘通道 。

  • 想解决的问题：现有方案都有明显不足——

    1. 网址拦截器 只看域名，识别不了页面内部的图片、聊天窗口、PDF、嵌入内容，更识别不了不断换域名的赌博 / 擦边站点；
    2. 云端截图审核 准确率虽高，但要把屏幕内容（代码、邮件、订单、孩子屏幕画面）上传到服务器，对开发者、金融、医疗场景是「二次泄露」，对青少年保护场景更是不可接受—— 孩子的屏幕不应该上传给任何第三方 ；
    3. 家长控制 / 专注软件 只看 App 名称和网站分类，不理解屏幕实际内容，对图片型赌博页、擦边图、直播截图完全无能为力；
    4. AI Agent 读取屏幕 时更是完全没保护，Agent 可能会把孩子正在看的页面截图回传给云端模型。

  • 为什么做这个方向：我的判断和取舍是——

    • 本地化是刚需 ：开发者、讲师、远程办公用户对「不上传屏幕」的诉求极强；青少年保护场景更是天然要求本地化—— 孩子的屏幕不上云 是底线，这是云端方案无法逾越的护城河；
    • 视觉级是差异化 ：不是 URL 黑名单，而是真正看屏幕内容（OCR + VLM），可以处理任意 App / 网页 / PDF / 终端 / 聊天窗口 / 直播截图 / 擦边图片；
    • AI Agent 时代新需求 ：当 Agent 开始读屏幕、操作电脑，必须有本地脱敏层挡在前面——这是未来 2 年的增量市场；
    • MVP 聚焦 ：先做开发者/讲师/远程办公三类高痛人群 + 青少年护屏这一社会关切场景，不做企业合规（销售周期长、传播受限），用 5 个阶段从原型迭代到商业版本。

3. Demo 体验地址（三选一）

视频链接： 视频号

4. TRAE 实践过程

  • 清晰展示用 TRAE 完成 Demo 开发的完整流程：
    整个 ScreenShield 完全在 TRAE 中完成开发，遵循「PRD → 开发方案 → 分阶段实现 → 测试验证 → 修复完善」的流程：

    Step 1：需求与方案设计 将产品 PRD（ ScreenShield.md ）输入 TRAE，让其生成可执行开发方案（ 开发方案.md ），包含 5 个版本阶段（V0.1 技术原型 → V0.2 MVP → V0.3 视觉检测 → V0.4 AI Agent 护栏 → V1.0 ）、四层技术架构、模块代码结构、任务清单、测试策略与风险应对。青少年护屏（色情/赌博/暴力视觉检测）作为 V0.3 视觉内容检测阶段的核心目标之一被纳入计划。

    Step 2：分阶段代码实现 按 V0.1 → V1.0 顺序逐阶段实现，每个阶段通过 subagent 并行处理无依赖任务（如 Models 数据结构 + RegexDetector 单元测试 + ScreenCaptureManager 采集链路同时推进），最终一次性通过 131 个单元测试，构建零错误。

    Step 3：本地 VLM 集成 + 青少年护屏视觉检测 参考 MiniCPM-V-Apps 项目，让 TRAE 集成 MiniCPM-V 4.6 视觉语言模型：通过 Objective-C++ 桥接层（ VLMBridge.mm ）解决 Swift 调用 C++ API 问题，架构为 ProtectionCoordinator → VLMManager → VLMBridge → llama.xcframework → MiniCPM-V 4.6 模型 ，VLM 不可用时自动回退到 Vision 框架。

    在这一步，我特别让 TRAE 在 VLM prompt 中明确写入**「色情/成人内容、赌博内容、暴力血腥」三类视觉风险**的识别要求，并在 VLMManager.parseAnalysisResult 中针对 色情/裸/成人/nsfw/pornograph 、 赌博/赌场/棋牌/彩票/竞猜/gambling 、 暴力/血腥/打斗/武器/violence/blood 等关键词做分类映射，命中后 DetectionEngine 直接将其归为 L3 critical 严重风险 ，触发全屏遮罩。同时 RegexDetector 内置中英文赌博关键词正则作为兜底，即使 VLM 模型未下载也能识别赌博类网页。

    Step 4：功能完整性检查与修复 让 TRAE 做了一次全量功能完整性扫描，发现 18 个问题（Agent 脱敏硬编码 bundleId、ActionDebouncer 未集成、launchAtLogin 假开关、logRetentionDays 未生效、窗口标题为 nil 等），修复 15 个关键问题，最终 136 个测试全部通过。

  • 附开发关键步骤截图（不少于 3 张）；

Screenshot 2026-07-07 at 23.30.39
Screenshot 2026-07-07 at 23.30.391854×1053 321 KB

Screenshot 2026-07-07 at 23.31.16
Screenshot 2026-07-07 at 23.31.161860×1051 346 KB

Screenshot 2026-07-07 at 23.29.36
Screenshot 2026-07-07 at 23.29.361856×1053 348 KB

  • 附关键任务对话的 Session ID（不少于 3 个），用于证明作品由 TRAE 开发完成。

.2733858957307492:ef99eb4f05eeb582f7ca3220c69ca10e_6a4480a65d4f29e28760b9a3.6a44c5945d4f29e28760bfaa.6a44c593eb64915bb38c6682:Trae CN.T(7/1/2026, 3:45:24 PM)

.2733858957307492:ef99eb4f05eeb582f7ca3220c69ca10e_6a4480a65d4f29e28760b9a3.6a44c5945d4f29e28760bfaa.6a44c593eb64915bb38c6682:Trae CN.T(7/1/2026, 3:45:24 PM)

.2733858957307492:041c68cd9f145fd906e441265910461d_6a4480a65d4f29e28760b9a3.6a44cd0b5d4f29e28760c0b1.6a44cd0beb64915bb38c6683:Trae CN.T(7/1/2026, 4:17:15 PM)

5. 对应的报名审核通过的帖子链接

1 个赞