LifeTrace 更像个人工作轨迹 + 可检索上下文的底座，比如把你电脑上的活动（窗口、应用、操作痕迹等）落地成结构化记录，并配合向量检索，让你之后能搜得到、对得上、可以随时复盘。再往上就是接任务面板（FreeTodo）以及智能体，这些就可以把你正在做什么、刚做过什么全部自动喂给你的专属助手，而不是每次都需要手动复制背景。

本次教程以 雨云RainYun 服务器为主。
点击享受一杯奶茶钱购买 雨云 海外云服务器进行部署
点击查看详细的服务器开通教程
点击查看详细的宝塔面板安装教程
更多优质文章请前往 Flow Ciotter 论坛

常见的用法：

• LifeLog / 工作回溯：你可以按时间、应用、关键词去找，比如当时在干嘛，那段资料从哪来的，我为什么做了这个决定。
• 上下文自动化（给 AI 喂背景）：让助手基于你的轨迹来理解当前任务，少问废话，不会总是让你补充背景。很多AI 助理不好用其实就是上下文断裂造成的，LifeTrace 特点就是可以把上下文补齐。
• 任务管理联动（比如 FreeTodo）：前端是任务/事项 UI，后端提供 API，本地库+向量库支撑检索与智能能力，你可以把它理解成ui负责管理，LifeTrace负责记住以及查询。

注：（隐私提示）：这类工具本质就是在采集活动信息，自然也会碰到密码、聊天或者工作机密，如果真的要投入正式环境使用，推荐优先选择本地部署，数据目录、保留周期以及过滤规则都必须先定好，再开启记录功能。

怎么部署（本地自托管：后端 + 前端）

项目是典型的前后端分离架构：

后端：Python / FastAPI（lifetrace/）
前端：Next.js（free-todo-frontend/）
数据：SQLite + ChromaDB（向量检索）

首先打开终端

如果是纯净环境则打开雨云-我的云服务器-（选择你的云服务器）- Xtermjs 模式链接

如果安装了宝塔面板，则以宝塔面板为主

1）环境准备

Python 3.12
执行以下指令后验证：python3.12 --version

sudo apt update
sudo apt install -y software-properties-common
sudo add-apt-repository ppa:deadsnakes/ppa -y
sudo apt update
sudo apt install -y python3.12 python3.12-venv python3.12-dev

Node.js 20+
执行以下指令后验证：
node -v
npm -v

curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash -
sudo apt install -y nodejs

pnpm
执行以下命令后验证：pnpm -v

corepack enable
corepack prepare pnpm@latest --activate

推荐用 uv 管 Python 依赖（项目的 quick start 就按这个来的）
执行以下命令后验证：source ~/.bashrc

curl -LsSf https://astral.sh/uv/install.sh | sh

2）克隆项目

git clone https://github.com/FreeU-group/LifeTrace.git
cd LifeTrace

粘贴指令后回车，等待跑完即可。

跑完后回到命令行：

3）安装 uv + 安装后端依赖

macOS/Linux（我们执行这一条，大概几秒钟就好）：

curl -LsSf https://astral.sh/uv/install.sh | sh

Windows（PowerShell）：

irm https://astral.sh/uv/install.ps1 | iex

接下来在项目根目录装依赖并进虚拟环境：

# 对应示例第一步
uv sync

# 对应示例第二部：macOS/Linux
source .venv/bin/activate

# Windows
# .venv\Scripts\activate

示例第一步，等待 172 项跑完即可（无需分布执行，这里只是为了方便大家了解每个步骤的详细过程）：

跑完后是这样：

示例第二步，把当前 Shell 切换到项目专用的 Python 虚拟环境里。

最后在虚拟环境执行python -m pip install rapidocr-onnxruntime安装 RapidOCR。

注：如果该条命令报ERROR，就开始执行修复：
在宿主机装 libGL.so.1 所在包即可：

> sudo apt update
> sudo apt install -y libgl1
> 
为了避免后面又缺别的 OpenCV 依赖（常见还会缺 libglib2.0-0），我建议一次装齐：
> 
sudo apt update
sudo apt install -y libgl1 libglib2.0-0
> 
装完后，先验证 import：
> 
source /root/LifeTrace/.venv/bin/activate
python -c "import cv2; print('cv2 OK', cv2.__version__)"
> 
python -c "import rapidocr_onnxruntime; print('rapidocr_onnxruntime OK')"

4）启动后端（lifetrace 服务）

python -m lifetrace.server

最后，你需要知道的只有这三点：

• 首次运行会生成配置：如果没有 lifetrace/config/config.yaml，会从 default_config.yaml 复制出一份。你真正要改的基本都在这个 config.yaml 里（模型、存储路径、采集策略、过滤规则等）。
• 端口不是死的：默认从 8001 起找可用端口，占用就自动往上跳，一般不需要你手动配置，控制台也会打印最终端口，通常就是：
  • API：http://localhost:8001
  • 文档：http://localhost:8001/docs（以日志为准）
• 先把后端跑稳后，后面前端会探测它，就会省很多事情。

5）启动前端（Web UI）

cd free-todo-frontend
pnpm install
pnpm dev

说明：

• dev 端口通常从 3001 起跳（同样会自动找可用端口）
• 前端会用 /health 去探测后端端口并做代理，所以后端先开更顺。

浏览器打开控制台给你的地址（一般为 http://localhost:3001）。

---

常见坑（特别注意，极大可能会出现）

1. 端口冲突 后端/前端都会自动换端口，如果要做反代或写死地址时，别拿默认端口作为实际端口，必须按照日志输出的端口信息来配置。
2. config.yaml 如果不改就可能卡住 重点就看着 lifetrace/config/config.yaml的模型提供商、API Key、embedding、数据目录、采集频率以及过滤规则，如果这些没有配置好，轻则功能缺一半，重则直接启动报错（通常会在启动后端时报错，如果存在其他报错则可查询官方文档或直接询问deepseek）。
3. 资源占用上来很快，比如高频记录 + 向量化 + 本地模型，很容易就会把 CPU/RAM 拉满，常用的降压手段就是降低采样频率以及加过滤规则，同时也要换轻量 embedding 并减少入库字段。