Идея строится на том, что обычные тайм-трекеры отвечают на вопрос «сколько», но плохо объясняют рабочее состояние. LogAgent собирает сигналы из активных приложений, сайтов, рабочих директорий, git-контекста, IDE, терминала, AFK, фокус-сессий, переключений, перерывов, пользовательских подтверждений, правил классификации, проектов, задач, клиентов и биллинга. По отдельности эти сигналы слабы, но вместе они помогают отделять глубокую работу, ресерч, прокрастинацию, спорные сегменты и восстановление фокуса.

Агентность здесь не связана с LLM: в текущей версии классификация, аналитика и инсайты работают на правилах и эвристиках, локально и офлайн. Приложение должно само собирать сигналы, замечать аномалии, уточнять спорные моменты, готовить черновики отчётов и подсказывать перерывы только тогда, когда для этого есть основания. Отдельный упор сделан на объяснимость: каждый вывод должен раскрываться до понятных сигналов, уверенности сегмента и возможности ручного исправления.

Для анализа усталости LogAgent может использовать камеру, но автор подчёркивает privacy-first-подход: кадры не сохраняются и не отправляются в сеть, обработка идёт в памяти через локальную модель MediaPipe Face Mesh, а в историю попадают только числовые признаки и события. Отдельный сценарий — AI-native работа разработчика с Cursor, Claude Code, Codex, OpenCode, Grok, терминалом, браузером, документацией и git: агент должен показывать не только где писали код, но и как человек работал вместе с AI-инструментами, сколько времени ушло на промпты, ревью, исправления и результат в коммите.