Watch Skill：用检索管道替代视频多模态重复推理

Fearless-Role-2707 · reddit · 2026-07-06

独立开发者发布开源项目 Watch Skill，解决 LLM 应用中对同一视频反复执行多模态推理的低效问题。管道流程：提取字幕/OCR/场景边界/关键帧 → 生成 embedding 建立本地索引 → 存储时间戳 → 使用全文搜索+embedding 混合检索回答后续问题，仅将相关证据传回 LLM。

该设计将 LLM 的角色从"理解整段视频"转变为"对相关证据进行推理"，支持 MCP、CLI 和 REST API 接口，已开源。这一架构对构建持久化视频知识库的应用有较强参考价值。