企业官网建设流程全解析

很久之前我发过一篇VideoSeek的初版介绍——那时候它还是「抽帧 + CLIP + 向量索引，能把截图对应到本地视频」的小工具。

那篇文章里的动机我至今还记得：

领导甩来一张截图，让我在硬盘里找原片；网上搜不到，记忆也靠不住，只能自己写。

那个痛点没变。变的是：VideoSeek 不再只是「搜一下试试」，而是慢慢长成了我日常真的会打开的本地视频素材库。

这篇不重写旧文，只聊聊：从「能跑」到「能长期用」，走了那些路。

一、初版解决了什么

最早那版，核心就四件事：

1. 文本描述 → 找相似画面
2. 上传图片 → 以图搜视频
3. 维护多个本地视频目录
4. 命中后预览片段

很直白：FFmpeg 抽帧 → ONNX 跑 CLIP → 建向量索引 → 相似度搜索。

当时能跑、能演示、能救命，就已经值了。

二、用着用着，问题也来了

自己用 + 给朋友用之后，现实很快教育人：

「搜到了」不够，还要「搜得准、搜得快、库大了也不崩」。

陆续遇到的真实需求：

• 库里有几千个文件，只想在某几个文件夹里搜
• 领导给的是裁剪过的截图，不是整帧，普通图搜经常飘
• 同一套素材，有人想用中文 CLIP，有人更习惯SigLIP
• 索引更新到一半被打断，不能悄悄坏掉
• 视频改名、换文件夹，不想整片重算向量
• 删库之后磁盘占用还在，得真的释放空间
• 除了自己点 UI，还想让Cursor / 其它 Agent调本地搜索

这些都不是「再加一个按钮」能糊弄过去的，得动架构。

三、怎么解决这些问题

1. 索引与搜索：从 FAISS 实验栈，到 Lance 主线

早期为了快，向量检索走FAISS + 全局索引那条路，写 demo 很爽；库一大、要分库搜、要删库回收，维护成本就上来了。

现在本地搜索主线已经收敛到Lance 向量库：

• 同步视频库 → 抽帧、embedding、直接写 Lance
• 搜索 → 从 Lance 加载，在内存里做检索
• 删库 → 删向量行 + 压缩存储，占用会下来

对用户来说，界面还是「同步 / 搜索」；对开发者来说，少了很多「全局索引要不要重建」的心智负担。

（老用户从旧版升级时，应用内会自动做迁移，不用手搓。）

2. 搜索：从「全库一把梭」到「可控、可精、可预设」

现在搜索页比初版多了不少「真干活」的能力：

• 搜索范围：全库 / 指定库 / 指定视频
• frame / chunk：按帧命中，或按语义时间段聚合
• 以图搜 + 截图定位：裁剪截图可以走定位链路，不是简单整图相似度
• 搜索预设：常用条件存成 preset，下次一键复用

「毫秒级搜索」在中小库上依然成立；库特别大时，先收窄范围往往比硬全库扫更实用——这也是后面做 scope 的原因。

3. 模型：从「一套 CLIP 走天下」到多 Profile

不再绑死单一 CLIP 了。现在可以在设置里切换不同模型 Profile（例如 CLIP、SigLIP、Chinese-CLIP 等），各自有独立的向量资产目录。

这意味着：

• 你可以按素材类型选更合适的 embedding
• 换模型 ≠ 覆盖旧库，各 profile 各管各的

4. 视频库：从「能加文件夹」到「能长期维护」

库管理也成熟不少：

• 库内改名 / 搬家，会尽量对齐路径，不重算向量（内容没变就不浪费算力）
• 同步失败有本次问题视频列表，不用翻日志猜
• 删库后会清理对应向量并压缩，不是删了 UI 条目但磁盘不动
• 设置里可以看本地向量索引详情（帧数、块数、占用估算）

这些不 flashy，但决定了：你是偶尔玩一下，还是真的把几百 G 素材扔进去。

5. 预览：从「导出小段看看」到「搜完就能播」

命中结果现在更适合「确认是不是这一镜」：

• 预览走VLC 直接播源片，到点自动停
• 导出片段仍走FFmpeg，从原片裁 mp4

搜 → 看 → 导出，链路更顺了。

6. 新长出来的两条「可选胳膊」

核心仍是：本地库 + 语义搜索 + 预览导出。

在此基础上又加了两个不挡主链路的扩展：

理解笔录
对已同步视频，按需生成 chunk 级 YOLO 检测 + 画面描述 + 整片总结。要配描述服务，不做也能正常搜。

本机 Agent API（可选）
在127.0.0.1开 HTTP 接口，让 Cursor 等外部 Agent 调搜索、列库、导出、读/生成理解笔录。
详见仓库docs/for-agents.md，适合「人在 UI 里看，Agent 在后台帮找片」的玩法。

四、现在 VideoSeek 是什么

一句话：

本地视频素材库：用文字或截图找片段时间，预览后导出片段；数据在本地，不上传你的视频。

适合：

• 硬盘 / NAS 堆了大量自己拍的、网上搜不到的素材
• 剪辑前粗定位，再进 PR / 达芬奇精剪
• 想本地跑模型，又 optionally 让 Agent 帮忙调搜索

和初版比，灵魂没变（语义找画面），骨架更结实（Lance、多模型、范围搜索、库维护、Agent）。

五、技术栈

• PySide6— 桌面 UI
• ONNX Runtime— 多 provider 视觉/文本 embedding
• Lance— 本地向量存储与检索主路径
• FFmpeg— 抽帧、导出
• VLC— 预览播放

实现细节、模块划分、数据流：全在 GitHub 开源，比文章里贴代码实在。
初版文章里的代码示例已过时，以仓库为准。

六、给还在做本地 AI 工具的人

如果你也在做桌面端 + 本地模型的小工具，几条亲身感受：

1. 先让「一个场景跑通」，再谈架构；VideoSeek 第一版就值回票价。
2. 索引/存储会咬人——库一大、要删要迁要分 scope，越早想清越好。
3. 用户要的是「找对了」，不是「向量检索原理」；截图定位、chunk、预览比再快 10ms 重要。

VideoSeek 还会继续成长。欢迎试用、提 issue、或者在群里反馈。

链接