56个视频只值51分钟，他把它们全变成了笔记

我每天在 X 上存东西，然后几乎从不回头去看。几个月前我写了个小工具 bookmark-cli，每天把书签同步到本地数据库，方便搜写作灵感。库里现在躺着 12,309 条书签。

问题出在它只读文字。几年前这没什么，但这些年我存的东西里大约 9% 是视频。这个月更夸张：60 条里 45 条是视频，四分之三。也就是说，我存下的大部分内容，根本进不了我为自己造的那个工具，而我也从来不会重看它们。

我存它们，是因为它们让我着迷，也因为将来可能要从里面抄点思路——我在学分发。于是我把这活儿交给了夜班。

每天夜里，它翻出我存的、帖子内容与科技相关的视频，只留下 3 分钟及以内的，把每条变成一段可搜索的短笔记：视频讲什么、提到了哪些工具、给了哪些数字，再加一句逐字引用作为凭证。

干活的是两个开放模型：Whisper（small）负责把说的话转成文字；Gemma 4 E2B负责写笔记。视频完全没人说话时——我 72 条短科技视频里有 30 条属于这种——Gemma 改读屏幕上的四帧画面。Whisper 听错产品名时，Gemma 会去帖子里找正确拼写。

最好的点子都诞生于懒惰。我不想看那 97 个视频，现在不用看了。

慢而稳的那部分

我住在尼日利亚的哈科特港。电网（当地叫“light”）经常一停就是几个小时，而一台用 CPU 跑 AI 的笔记本掉电很快。所以夜班只在笔记本插着电时工作：一旦切到电池，它立刻停下、保存进度、等着；来电了再接着干。

这周它真刀真枪地这么干了三次，从没把电耗在视频上。有个限制：它只能分辨“插着电”和“用电池”，分不清电网来电和我的发电机。

它是怎么搭起来的

全部跑在我的笔记本上（Intel i5，没有模型能用的显卡，16 GB 内存），不往任何 AI 服务发数据。

• 代码挑视频：帖子带视频、文字里有科技词。yt-dlp 不下载就能读出时长，超过 3 分钟的直接跳过。
• yt-dlp 下载音频，Whisper small 在 CPU 上转写（中位数 23 秒一条），音频用完即删。
• 有语音时，Gemma 4 E2B（通过 Ollama）根据转写和帖子写笔记（中位数 16 秒）。
• 没语音时，代码从视频里取四帧，Gemma 读屏幕：画面内容、能认出的字、屏幕上的工具（中位数 38 秒）。
• 每条答案保存前都由代码检查，只重试一次，之后笔记标记为“未读取”。模型永远不会陷入循环。

检查环节花掉了大部分功夫。模型只能抄，不能编：引用必须逐字出现在转写里——Gemma 曾把“But there are...”写成“And there are some uniquely human things...”，差一个词就足以拒掉它，因为允许“差不多一样”也会放过一个被吞掉的“not”。工具名必须出现在帖子、转写或屏幕上；每个数字必须被说过或写过；名字修正只有在听到的词在转写里、正确的名字在帖子里、且两种拼写长得像时才生效。

最后这条规则来自一次翻车。我拿前 10 条笔记对照真实视频，10 条全标了正确。然后我逐条检查 Gemma 的名字修正，发现 8 条里有 4 条是错的。其中一条，说话人说的是“ChatGPT”，Whisper 写成“Chan GPT”，Gemma 因为帖子讲的是 Claude 就改成了“Claude”。那条就在我的 10 条里，所以真实成绩是 9/10。现在一次修正要求两种拼写至少 60% 的字母相同（“Olamar”和“Ollama”是 83%，“Chan GPT”和“Claude”是 31%）。

结果

把 Gemma 拿掉，56 条笔记里有 22 条根本不存在：那些视频没有语音，Whisper 无话可给，只有 Gemma 能读屏幕。

名字修正的作用比我期望的小，但确实存在。在笔记里搜“ollama”能搜到两个视频，而这两条的转写里 Whisper 写的是“Olamar”或“Olama”，直接搜转写什么也找不到。Gemma 也不是每条都抓得住：帖子写的是 DeepSeek，笔记里仍然是“DeepSeat”。

在这之前，我试过给 Gemma 派另一个活，结果也留在帖子里，因为它塑造了我后来的做法。我让它挑出哪些文字书签值得读，手工标了 100 条来测。在留出的 50 条上，用我近期帖子标题做简单关键词匹配，表现比 Gemma 还好（我挑的 8 条里，关键词前 5 命中 5 条，Gemma 命中 4 条）；按点赞数排序一条都没找到。所以现在挑选用关键词，Gemma 干关键词干不了的事：读视频。

开放创新为什么重要

• 它跑在我有的东西上：一台 CPU 笔记本，没有显卡，没有付费 API。Whisper 和 Gemma 4 E2B 小到能整夜干活，而你睡着的时候，慢一点没关系。
• 它能离线工作。模型下载完之后，夜班只有取视频时才需要联网，它写的东西一个字节都不离开我的笔记本。
• 我能好好测它。开放权重跑在自己机器上，我可以把同一个模型跑上几百次，拿它和纯关键词对比，在它输掉的地方把它换掉。换成按次计费的付费 API，我不会这么干。

懒惰的回报

说个诚实的数字：56 条有笔记的视频加起来是 51 分钟。但我本来就不会去看它们，所以在此之前，这 51 分钟就是白白丢掉的。现在它们是 56 条可搜索的笔记。

代价是一次检查：我把 10 条样本视频看了一遍，大约 8 分钟，换来的是剩下的再也不用看。

这周我就在用自己的收藏跑它。周四和周五它跑了两天，扛过了上面那三次断电；从周六起，它每天 23:00 自己启动，趁我睡觉处理我当天存的东西。

我在笔记里搜“distribution”，什么也没搜到。我存的视频都是讲工具的，不是讲人怎么把它们卖出去的。这个发现也挺有用。