一个Mac开发者的本地AI实验：让视频搜索不再上传云端

周三下午，视频剪辑师小林盯着外接硬盘里3TB的素材发愁。客户要一段"新娘在草坪上微笑"的镜头，他翻了47个文件夹，打开又关闭，时间在一分一秒流逝。这种场景，对任何需要管理海量媒体文件的人来说都不陌生。

一位开发者决定自己动手解决这个问题。他做了款叫Invenio的macOS应用，核心思路很直接：让苹果的神经引擎（Neural Engine）在本地完成所有AI计算，视频和照片的描述搜索、语音识别、时间码定位，全部不出设备。

技术栈选得相当"果味"：Swift和SwiftUI做原生界面，CoreML跑模型，针对M1/M2/M3芯片深度优化。按他的说法，索引速度够快，还不怎么耗电。隐私层面是彻底的本地主义——没有向量数据发往任何第三方服务器，连云端这个词都不存在。

具体能做什么？输入"红色路虎""无人机拍森林""婚礼上的新娘"，应用返回的是语义匹配结果，不是文件名匹配。它理解物体、动作、情绪和品牌，不需要人工打标签。对长视频，它能定位到具体的时间码。Pro版还支持语音搜索，直接找某句话出现的时刻。文件可以拖拽到Premiere、Final Cut、DaVinci Resolve等剪辑软件里，整个设计是菜单栏常驻的极简风格。

开发者自己就是被痛点驱动的用户。他有数TB的原始素材，烦两件事：手动打标签，以及把私人生活上传到云端的隐私顾虑。苹果神经引擎的本地算力，被他当作解题的杠杆。

商业模式是订阅制或终身许可。他给dev.to社区放了个限量优惠码DEVTO49，前500个激活可以用49美元买断终身版。应用已上架App Store，开发者正在密集收集反馈，功能路线会根据用户意见调整。

他在文末抛了两个问题：你更倾向本地优先的隐私工具，还是云端AI的便利性？你的视频/照片工作流里，AI工具已经介入，还是主要靠手动整理？

这款应用的独特之处，在于把"本地"从卖点变成了基础设施。不是"也支持本地"，而是100%本地、零数据收集。开发者认为，正因为模型专门为苹果芯片优化，搜索反而更快更准——这是硬件垂直整合带来的红利。对担心素材外泄的创作者，或者网络条件不稳定的用户，这种架构确实切中要害。当然，代价也明显：仅限macOS，仅限苹果芯片，生态围墙之内才能运转。