Mathew Shen

SentrySearch：用自然语言搜索视频内容的开源工具 在几个小时的行车记录仪视频里找到"一辆红色卡车闯了停牌"那个画面，SentrySearch 能让你像搜文字一样搜视频，输入描述，直接导出对应片段。 这个开源命令行工具的原理并不复杂：把视频切成带重叠的片段，用 Google Gemini Embedding API 或本地的 Qwen3-VL 模型把每个片段编码成向量，存进本地向量数据库 ChromaDB。搜索时，文字查询被编码到同一个向量空间里做匹配，命中的片段自动从原文件中裁剪出来。 关键在于，整个过程没有转录、没有逐帧生成文字描述，视频像素直接和文字查询在向量层面比较。这是 Gemini Embedding 2 和 Qwen3-VL-Embedding 这类多模态嵌入模型带来的能力，让对海量视频的语义搜索变得可行。 想用云端 API，一小时视频的索引成本大约 2.84 美元。想完全离线也行，装上本地 Qwen3-VL 模型就不需要任何 API 密钥，24GB 以上显存或内存的 Mac 和 NVIDIA GPU 都能跑。它还专门做了特斯拉行车记录仪的适配，能在裁剪出来的片段上叠加车速、GPS 位置和时间信息。 还有 Skill 可以用：clawhub.ai/ssrajadh/natur… 项目地址：github.com/ssrajadh/sentr…

想起之前和 @OnlyXuanwo 聊天，我说我害怕创造，因为我好像从来没有做成功过什么，漩涡大致是这么宽慰我的： 一个好点子，做出来的时候其实可能只完成了 10% ，但是人往往会错误地估计进度，以为是八九十，看到状况没有那么理想就开始失望和放弃。 只是勉强迈出一步，十之一二罢了，可能你要做到六十分才能开始收获到一些积极的反馈，到八九十的时候才能有不错的响应，但是八九十之后可能是没有一百的。 这个世界上太多 too good to be true 的东西了，我感到惋惜。