O autor lançou o Watch Skill, um projeto de código aberto que cria um pipeline de indexação de vídeo local-first para Modelos de Linguagem Grande. O sistema analisa os vídeos uma vez para extrair transcrições, dados de OCR, limites de cena e quadros representativos, permitindo que os LLMs recuperem evidências sem reprocessem o vídeo.
- Recuperação híbrida combinando busca de texto completo (FTS) e embeddings.
- Detecção de cenas usada em vez de amostragem fixa de quadros.
- Recuperação baseada em carimbos de tempo garantindo que as respostas vinculem ao vídeo original.
- Todos os dados armazenados localmente para que os vídeos indexados não saiam da máquina.
- Exposição via MCP, CLI e API REST para troca de modelos.
A abordagem posiciona o LLM como uma camada de raciocínio em vez de uma camada de processamento de vídeo, permitindo que os usuários troquem entre diferentes modelos locais sem alterar o pipeline de indexação.