저자는 Watch Skill을 출시했습니다. 이는 대규모 언어 모델(LLM)을 위한 로컬 우선 비디오 인덱싱 파이프라인을 생성하는 오픈소스 프로젝트입니다. 이 시스템은 비디오를 한 번 분석하여 자막, OCR 데이터, 장면 경계 및 대표 프레임을 추출하므로 LLM이 비디오를 다시 처리하지 않고도 증거를 검색할 수 있습니다.
- 전체 텍스트 검색(FTS)과 임베딩을 결합한 하이브리드 검색.
- 고정 프레임 샘플링 대신 장면 감지 사용.
- 타임스탬프 기반 검색으로 답변이 원래 비디오에 연결됨을 보장.
- 모든 데이터를 로컬에 저장하여 인덱싱된 비디오가 기기를 벗어나지 않도록 함.
- 모델 교체를 위해 MCP, CLI 및 REST API를 통해 노출.
이 접근 방식은 LLM을 비디오 처리 레이어가 아닌 추론 레이어로 위치시켜 사용자가 인덱싱 파이프라인을 변경하지 않고도 다양한 로컬 모델 간에 전환할 수 있도록 합니다.