L'auteur a publié Watch Skill, un projet open-source qui crée un pipeline d'indexation vidéo local-first pour les grands modèles de langage (LLM). Le système analyse les vidéos une seule fois pour extraire les transcriptions, les données OCR, les limites de scènes et les images représentatives, permettant aux LLM de récupérer des preuves sans retraiter la vidéo.
- Récupération hybride combinant la recherche en texte intégral (FTS) et les embeddings.
- Détection de scènes utilisée au lieu de l'échantillonnage fixe d'images.
- Récupération basée sur les horodatages garantissant que les réponses renvoient à la vidéo originale.
- Toutes les données sont stockées localement afin que les vidéos indexées ne quittent pas la machine.
- Exposition via MCP, CLI et API REST pour le changement de modèles.
L'approche positionne le LLM comme une couche de raisonnement plutôt que comme une couche de traitement vidéo, permettant aux utilisateurs de basculer entre différents modèles locaux sans modifier le pipeline d'indexation.