本地优先的视频知识库，用 YOLO、DeepFace、Whisper 做多模态分析建立索引，支持自然语言语义检索视频内容，Docker 一键部署。

给 Claude Code 装上视频理解能力：用 ffmpeg 抽帧、Whisper 转写音轨，再交给多模态模型分析画面与声音，让 Agent 能直接看懂视频内容。