AutumnWeb：基于 Django 的时间与项目追踪工具，支持图表可视化与 LLM 洞察

Fingolfin7/AutumnWeb · Time and project tracking with rich history, charts, and AI insights.

GitHub原文发布未知首次收录 2026-10-13上架 2026-10-13 09:00

ELI5：它是什么，解决什么问题

AutumnWeb 是一个极简的网页版时间与项目追踪工具，为原 Autumn CLI 的浏览器版本，采用相同的核心结构和导入导出格式。它以 Django 应用形式记录项目与子项目的时间，支持启动/停止/重启计时器、浏览与检索会话历史，通过硬性上下文与软标签组织项目，并管理基于时间或会话的承诺目标。数据可视化支持饼图、柱状图、散点图、折线图、日历、热力图、堆叠面积图、累计图、矩形树图、状态图、上下文图、直方图、雷达图、标签气泡图与词云等多种图表。此外提供可选的 LLM 驱动的 Insights 工作区，可就选定的会话数据提出自然语言问题，并支持通过 MCP 端点接入 ChatGPT 与 Claude。项目以 JSON 格式导入导出，兼容原 CLI 版本，并声明不使用分析或追踪。

# data-visualization # Django # llm-inference # timetracking # productivity

核心能力与快速开始

★ 1 · Python

能做什么: 在浏览器中追踪项目与子项目的时间，支持启动、停止、重启、删除计时器以及服务端自动停止截止时间。浏览和检索会话历史，支持按上下文、标签、日期、备注和排除项目过滤。以硬性上下文和软标签组织项目。创建基于时间或会话的承诺，支持周/月等目标及储蓄（banking）。通过 Chart.js 图表、散点图、热力图、矩形树图和词云进行数据可视化。支持与旧版 CLI 兼容的 JSON 数据导入导出，并可通过 API 进行 JSON 导入。可选 LLM 集成，就选定的会话数据提出自然语言问题。提供可选的浏览器推送计时器提醒，包含 VAPID 配置与调度器模式（cron 或进程内线程）。通过 MCP 端点让 ChatGPT 和 Claude 访问，支持选择账户与只读/读写权限，并可从 Profile 撤销连接。
适用场景: 个人或团队希望以网页方式追踪跨项目的时间投入并查看历史记录与统计图表。需要将时间数据按上下文和标签分类，并跟踪每周或每月的承诺目标。希望通过自然语言对话方式分析自己的会话数据。需要将数据导出为 JSON 以便备份或与原 Autumn CLI 互通。希望通过 MCP 在 ChatGPT 或 Claude 中查询时间追踪数据。需要浏览器推送提醒来管理计时器截止时间。
项目形态: 可直接使用的工具
部署方式: 提供在线演示实例（运行在 Render 上，可能在请求之间休眠）。支持本地部署：克隆仓库、创建虚拟环境、安装依赖、执行迁移、运行种子脚本后启动 Django 开发服务器，本地访问 http://127.0.0.1:8000/。浏览器推送提醒需要配置 VAPID 密钥与调度器（cron 或进程内线程）。MCP 端点使用统一的 https://autumn-lg0b.onrender.com/mcp。
主要依赖: 本地运行需要 Python 环境（README 提供 python -m venv 与 pip install -r requirements.txt 步骤）。技术栈为 Django、Django REST Framework、SQLite、HTML/CSS/JS（jQuery）、Chart.js、wordcloud2.js。可选 LLM 集成涉及 Gemini、OpenAI/Codex 登录、OpenAI API key 和 Claude。推送提醒需要 VAPID 密钥与调度器。具体硬件要求、LLM API 成本与配额未说明。
使用限制: 演示实例运行在 Render 上并可能休眠，休眠期间无法派发推送提醒，恢复后才送达。免费层服务休眠时不会调度。进程内调度器线程仅在 web 进程中启动，管理命令不会启动它。本地内存缓存仅协调单进程内的线程，跨多 worker 或实例的正确性依赖数据库比较与唯一事件键。推送投递成功仅表示推送提供方接受请求，不证明操作系统实际显示通知。LLM 集成标注为可选。项目许可证为 MIT，但未说明 API 成本、商用限制或数据隐私细节。
许可证: MIT
最近推送: 2026-10-12 22:19

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-13 07:00 · 卡片整理：2026-10-13 09:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

用于记录和统计在项目与子项目上的开发时间，浏览与检索会话历史，并通过图表查看时间分布；可选 LLM Insights 工作区可就选定会话数据用自然语言提问。

查看内容依据

Track time spent on projects and subprojects

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

用于按项目/子项目追踪时间投入，管理基于时间或会话的承诺目标，并用饼图、热力图、累计图等可视化活动数据，辅助项目进度与投入分析。

查看内容依据

Create time-based or session-based commitments with weekly/monthly/etc. targets and banking, in the browser or API

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

Richardson Attention：面向混合注意力 Transformer 的免训练长上下文多跳推理与解码时注意力干预方法

Richardson Attention（又称 Superconducting Attention）是一种免训练、权重不变的运行时推理干预方法，用于缓解混合注意力 Transformer（如 google/gemma-4-E2B-it、gemma-4-E4B-it）在滑动窗口注意力与稀疏全局注意力交错结构下，多跳指针追踪退化为极低准确率的问题。README 报告称，该方法在 8,270 token 的 3 跳检索上把准确率从 0.0380% 提升到 98.5919%，在 9,912 token 的 5 跳链式追踪上从 2.2398% 提升到 93.8942%，并显著降低对抗性诱饵的捕获率，同时基本保持语言建模困惑度不变；在 NVIDIA RULER VT、BABILong qa3 和 Lost in the Middle 的评测中也报告了提升。项目包含论文、Colab 演示、评测脚本和结果文件，面向对长上下文推理与机制可解释性感兴趣的研究者。

FreeToken（Qwen3.8 视觉分支）：面向消费级硬件的边缘原生 MoE 推理部署引擎

FreeToken 是一个边缘原生 MoE 推理服务引擎，目标是在个人与消费级硬件上运行前沿规模的开源权重 MoE 模型，把 GPU、CPU、主机内存和互联带宽视为统一的弹性推理平台。上游能力包括带宽自适应的 CPU–GPU 协同执行、全层双缓冲 prefill 流式加载、全局 LRU 专家缓存、FTW 快速权重格式、语义锚点检查点缓存、运行时显存动态重分配，以及 OpenAI/Anthropic 兼容 API。该仓库是个人 fork，在上游 main@2757bb5 基础上新增 Qwen3.8-27B NVFP4（modelopt 与 compressed-tensors 两种量化方言）支持、Qwen3.5/3.6/3.8 视觉输入（离线与在线，含 OpenAI image_url 与 Anthropic image 块）、FP8 KV 缓存、MTP 投机解码，以及单卡 LLM 与 ComfyUI 分时共用的 GPU 网关脚本。

Atomic Chat：本地运行开源权重大模型的 AI 聊天应用与推理引擎

Atomic Chat 是一个本地 AI 应用与推理引擎，可在本机运行来自 HuggingFace 的开源权重 LLM（如 Llama、Gemma、Qwen、Mistral、Phi 等），强调隐私与离线使用。它提供桌面端（macOS/Windows/Linux）与移动端（iOS/Android）应用，内置 OpenAI、Anthropic、Mistral、Groq、MiniMax、Qwen、Moonshot 等云端模型提供商（自带 API Key），支持 MCP 服务器、自定义助手、项目会话树和 Artifacts 实时预览。同时通过 localhost:1337/v1 提供 OpenAI 兼容的本地 API，可被各类 Agent、CLI 和 IDE 插件调用。

ScreenMind：本地化屏幕记忆与检索对话工具

ScreenMind 是一款 AI 驱动的屏幕记忆应用，通过内容变化检测捕获屏幕截图，使用 Gemma 4 多模态模型在本地完成视觉分析、语音转写与推理，构建语义与关键词混合检索的可搜索历史记录，并支持基于屏幕记忆的对话问答、会议转写总结、Agent 自动化、MCP 集成与数据分析面板。项目强调全部数据与推理留在本机、无遥测、提供敏感信息过滤与静态加密等隐私措施。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。