FOCAL：用于高效个人桌面摘要的过滤式端侧连续活动日志

桌面交互流提供了连续且隐私敏感的用户任务记录。将其转化为端侧任务组织的个人日志面临两大挑战：全面的视觉语言模型处理消耗本地资源，全局流处理导致跨任务上下文污染。本文提出 FOCAL，一种隐私优先的多智能体系统，采用统一的“过滤 - 规划 - 记录”架构。该系统级联轻量级过滤代理抑制噪声、纯文本大脑代理进行任务归因、记录代理执行选择性视觉推理，以及任务隔离的记忆代理实现上下文连贯的摘要。实验表明，FOCAL 显著降低令牌消耗与模型调用次数，同时在任务中断场景下保持高准确率，实现了高效的端侧无指令桌面流摘要。