作者发布了 Watch Skill，这是一个开源项目，为大型语言模型创建了本地优先的视频索引管道。该系统分析视频以提取转录文本、OCR 数据、场景边界和代表性帧，允许 LLM 检索证据而无需重新处理视频。
- 结合全文搜索 (FTS) 和嵌入的混合检索。
- 使用场景检测代替固定帧采样。
- 基于时间戳的检索确保答案链接回原始视频。
- 所有数据本地存储，因此索引后的视频不会离开机器。
- 通过 MCP、CLI 和 REST API 暴露以实现模型切换。
该方法将 LLM 定位为推理层而非视频处理层，使用户能够在不更改索引管道的情况下在不同本地模型之间切换。