最近做了一个自己挺想继续往下挖的小项目： NexusGate / Re:Footage https://github.com/evjohn-icu/nexusgate 可以把它理解成 给 ChatCut 这类 AI Editor 准备的 footage retrieval layer。 我的问题是： ChatCut 可以帮我剪，但我的 NAS 里如果有几 TB、几年甚至十几年的素材，它怎么知道该拿哪一段？ 所以目前做了一条： footage → shot detection → VLM / ASR → retrieval index → MCP/API 查询不是文件级，而是 shot-level： “夜晚下雨，有人撑伞走过街道” → 找候选镜头 → 返回 asset + precise timecode→ 给 Agent 继续做剪辑决策 里面有个我比较在意的设计是： retrieval signal 和 evidence 分开。 embedding 相似度高，不代表画面里真的有某个东西。 所以目前检索结果还会区分： confirmed / possible / contradicted / unknown 目标是避免 Agent 因为一个 0.9 的 similarity，就非常自信地拿错 B-roll 😆 另外做了 MCP、HTTP API、transcript、proxy、分布式 worker，素材库本身 local-first / read-only。 暂时不准备把它做成一个新的剪辑器。 更想试试看： 能不能做一个 AI editor 共用的、独立于 NLE 的素材 intelligence / memory layer。 还在 alpha，欢迎拍砖： https://github.com/evjohn-icu/nexusgate