看過的影片找不回來？我把「影片記憶」整套搬回自己電腦

眾裡尋他千百度，驀然回首，那人卻在燈火闌珊處。

—— 辛棄疾《青玉案・元夕》（南宋）

那個畫面明明看過

你一定有過這種時刻：三週前看過一支教學影片，裡面某一分鐘的畫面正好是你現在需要的——某個設定介面、某張架構圖、某段示範。你記得畫面長什麼樣，卻想不起是哪支影片的第幾分鐘。搜尋救不了你，因為搜尋只認得標題和字幕，不認得你腦中那個畫面。於是你在進度條上來回拖，拖到心態全崩。

上週我看到 YouTube 頻道「小天fotos」發了一支影片，他把這個問題解掉了：一個瀏覽器插件（開源專案叫 Indexed），你看影片時它在背景把畫面和字幕每十秒切一段、各轉成一個數學座標——術語叫向量——存進索引。之後你用大白話問、用一句畫面描述問、甚至丟一張截圖問，它把候選片段連時間碼一起鋪出來，點下去直接跳到那支影片的那一秒。

看完我只有一個念頭：我要這個。

卡住我的那一步

裝之前我照習慣把它的架構看了一遍，卡在一個地方：這一版的向量要存到阿里雲的物件儲存服務。

先說清楚，這個設計本身沒有錯——作者算過帳，他近五小時影片的索引每月存儲費只要幾分錢人民幣，便宜到近乎免費。但「你看過哪些影片、看到第幾秒」這件事，本身就是一種對你的側寫。而我直說：我不信任中國的雲端服務，這種資料我不會放上去。這是我個人的信任判斷，你可以有不同的答案——但正因為答案因人而異，「只有這一條路」就成了問題。

一般到這裡有兩條路：等作者出本地版（他說在做了），或者放棄。我選了第三條：把原始碼打開看看，到底缺什麼。

缺的只是一小塊

這是整件事最有意思的轉折。讀完插件的原始碼我發現：本地模式的客戶端早就寫好了。插件裡有一個完整的分支，只要你在設定裡填一個本機網址，它就會把所有東西——影片片段、字幕、搜尋請求——送到那個網址，用的是八個很乾淨的 HTTP 介面。

它在等的，只是一台還沒被寫出來的伺服器。

所以那個晚上我做的事，嚴格說不是「造一個替代品」，是「把桌子的第四隻腳裝上」：

同一個插件，兩條路。差別只在右邊那兩格在誰的電腦裡。

伺服器本身不複雜：收到影片片段就抽一張代表畫面轉成向量，收到字幕就把文字轉成向量，全部存進一個嵌入式的本地向量資料庫；查詢時把你的問題轉成向量、找最近的鄰居。嵌入模型用 Google 開源的 SigLIP 2——支援中文查詢，而且在一台沒有獨立顯卡的普通筆電上，一段文字只要 0.06 秒、一張圖 0.3 秒（2026-08-28 實測），跟上「每十秒一片」的節奏綽綽有餘。

三個坑，一個晚上

過程不是一路順的，三個坑值得記：

第一個坑，選好的模型裝不上。 原本屬意另一家的開源模型，結果它的自訂程式碼跟新版工具鏈不相容——它引用的內部函式在新版裡被移除了。換成 SigLIP 2 反而更好：工具鏈原生支援，不用執行任何第三方動態程式碼，對一個要開源給別人裝的專案，這是安全性的升級不是妥協。

第二個坑，換模型後資料庫報天書。 測試時用的小模型輸出 64 維向量，正式模型輸出 768 維，兩者寫進同一個資料庫就炸出一串沒人看得懂的底層錯誤。修法不是把錯誤吞掉，是在啟動時就檢查維度、用人話報錯：「既有索引是 64 維，目前模型輸出 768 維，換了模型就要換資料目錄。」錯誤訊息是給三個月後的自己和陌生使用者看的。

第三個坑，我自己的測試污染了正式資料。 上一個坑的 64 維資料，正是我煙霧測試時留下的。測試資料和正式資料共用同一個目錄，是我自己埋的雷。教訓很老派但每次都有效：測試要有自己的沙盒。

修完這三個，端到端跑通：存入「顯示卡的散熱表現和跑分成績」這段字幕，用完全不同的措辭「GPU 溫度與效能測試」去查，它把正確的片段排在第一。

整個專案我開源在 bockybocky/indexed-local-server（MIT 授權）：一個 Python 檔、零網頁框架依賴。歡迎拿去試——

1. 照上游插件的說明把 Chrome 插件建起來、載入
2. git clone 我的 repo，pip install -r requirements.txt，跑 python server.py（首跑會下載約 1.5 GB 的模型）
3. 插件設定選「本地模式」、地址填 http://127.0.0.1:8321，開一支 YouTube 影片按下錄製

從此你的影片記憶只住在你的硬碟裡。裝的時候卡住、或有想法想聊，都歡迎開 issue 給我。

「這種功能就是要雲端」是哪來的

最後聊一個比程式碼更有意思的問題。我們有一個很深的預設：這種「AI 幫你記住一切」的功能，理所當然要連雲端、要訂閱、要把資料交出去。

這個信念有它的出身。過去十幾年它是對的：模型是封閉的、只在大公司的機房裡跑得動，你想要智慧功能，就得把資料送過去換。整個訂閱制軟體的時代都建立在這個交換上。

但支撐它的兩個前提，這兩年都鬆動了。開源權重的模型多到挑不完，而普通筆電的處理器已經跑得動其中夠好的那些。當「智慧」可以在你自己的機器上發生，「資料換功能」就從必然變成了選項——你還是可以選雲端，但那應該是你權衡後的選擇，不是唯一的路。

這次的專案就是一個小小的實證：同樣的功能，資料不出門的版本，一個晚上就補得出來。缺的從來不是技術，是有沒有人去看一眼「到底缺哪一塊」。

帶得走的一件事

想要一個工具卻卡在它的某個設計時，先去讀它的原始碼——你缺的可能不是整個替代品，而是一小塊別人早就留好接口的零件。

今天就能做的練習：挑一個你正在用、但有一點不滿的服務（不限軟體——訂閱、App、甚至一個生活流程都行），把你的不滿寫成一句話，然後問：「這個不滿對應到整個系統的哪一塊？那一塊能不能單獨換掉？」多數時候你會發現，讓你想整個放棄的，其實只是一個可以拆下來的零件。

Markdown 原文