SentrySearch 是一个对视频片段做语义搜索的开源工具：你用自然语言描述想找的画面（如「闯红灯的红色卡车」），它返回一段从原片裁好的对应短视频。它把视频切成重叠片段，用 Google Gemini Embedding、阿里 DashScope（qwen-cloud）或本地 Qwen3-VL 模型把每段视频嵌入向量、存进本地 ChromaDB；查询（文本或图片）嵌入同一向量空间后匹配，最佳片段自动从原文件裁出。它尤其面向 Tesla Sentry/行车记录仪海量录像，是「搜索→SentryMerge 多机位合一→SentryBlur 自动打码」三件套的第一环。Python、Apache-2.0、约 4,200 星。
来源：README 顶部简介/How it works/Getting Started、GitHub meta（ssrajadh/sentrysearch，Python，Apache-2.0） 查看 GitHub 仓库 →行车记录仪/Tesla Sentry 会攒下海量录像，出事要回看时人工翻找极其痛苦。SentrySearch 用「视频语义搜索」直接解决：一句话就能定位到某个事件并裁出片段，还能用图片搜、用 highlights 模式在「不知道找什么」时浮出最异常的片段；既可用云端嵌入也可本地模型（隐私、无需 API key），并与多机位合成、自动打码组成完整流水线。这种「把翻录像变成一句话搜索」的实用价值，加上 Tesla 车主群体的刚需，使它受到关注（约 4,200 星）。
来源：README 顶部简介/Highlights/Local Backend、GitHub meta（stars 4208、created_at 2026-03-17、pushed_at 2026-05-18）把视频切成重叠片段并嵌入向量存入本地 ChromaDB，用自然语言查询匹配后，自动把最佳匹配片段从原文件裁出保存为短视频，免去人工拖进度条。
来源：README How it works/Search 段除文本外可用图片在同一向量空间检索（search by image）；highlights 模式在你不知道该搜什么时，浮出录像里最异常/最值得看的片段。
来源：README Search by image/Highlights 段嵌入后端可选 Google Gemini Embedding（默认）、阿里 DashScope qwen-cloud，或本地 Qwen3-VL 模型（--backend local，无需 API key、数据不出本机），按隐私/成本/效果权衡。
来源：README How it works/Local Backend/Qwen Cloud 段作为流水线第一环：SentrySearch 找事件 → SentryMerge 把多机位录像自动剪成跟随主体的一段视频 → SentryBlur 自动打码敏感信息；并支持 Tesla 元数据叠加显示。
来源：README 顶部 The Pipeline/Tesla Metadata Overlay/Stitch/Redact 段SentrySearch 是 Python 命令行工具（包在 sentrysearch/，用 uv 安装、需 Python 3.11/3.12 因 PyTorch wheel 限制）。核心流程：index 把视频用 ffmpeg 切成重叠片段，按所选后端（Gemini Embedding / DashScope qwen-cloud / 本地 Qwen3-VL）将每段嵌入为向量，存入本地 ChromaDB；search 把文本或图片查询嵌入同一空间做相似度匹配，再用 ffmpeg 从原文件裁出最佳片段。命令含 init（配置/校验 Gemini key）、index、search、search-by-image、highlights、以及与 SentryMerge/SentryBlur 的对接和 Tesla 元数据叠加。ffmpeg 用于切片与裁剪（无系统级则用内置 imageio-ffmpeg）。仓库含 sentrysearch/、tests/、docs/、.env.example、pyproject.toml，文档中英双语。所有索引数据本地存储。
来源：README How it works/Getting Started/Usage、仓库目录（sentrysearch/tests/docs、pyproject.toml）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
嵌入：Gemini Embedding / DashScope qwen…ChromaDB（本地向量库）ffmpeg / imageio-ffmpeg（切片/裁剪）uv（安装）、PyTorch（本地后端）最贴合 Tesla Sentry/行车记录仪车主与安防场景：出事故或纠纷后用一句话定位事件片段、按可疑画面（图片）检索、用 highlights 在海量录像里浮出异常时刻；再用 SentryMerge 把多机位剪成连贯一段、用 SentryBlur 给车牌人脸打码后再分享，兼顾取证与隐私。更广义地，任何需要在大量视频里「按内容找片段」的人（监控、素材库）都适用。本地后端尤其适合注重隐私、不想把录像传云的用户。
来源：README 顶部 The Pipeline/Highlights/Local Backend、Tesla 相关功能项目以 uv 工具安装分发，迭代活跃，近期新增 highlights（异常片段发现）模式。功能已覆盖视频语义搜索与自动裁剪、图片搜、多后端（Gemini/DashScope/本地 Qwen3-VL）、Tesla 元数据叠加，并与 SentryMerge/SentryBlur 组成流水线。中英双语文档。仓库最近一次更新在 2026-05-18。
来源：README New/Usage、GitHub meta pushed_at 2026-05-18、created_at 2026-03-17SentrySearch 把「在海量行车/监控录像里找事件」从苦差变成一句话搜索：切片嵌入存 ChromaDB、文本或图片查询匹配、自动裁出片段，还能用 highlights 浮出异常时刻，并能选本地 Qwen3-VL 后端保隐私、配 SentryMerge/SentryBlur 完成合成与打码。对 Tesla 车主与需要按内容检索视频的人，它非常实用，工程与隐私选项也到位。要权衡的是云端后端的成本与隐私、对 Python/ffmpeg 与算力的依赖、以及处理含他人信息录像的合规问题。作为「视频语义搜索 + 取证流水线」的开源方案，它的实用性和完成度都很扎实。
来源：综合 README、How it works、流水线与 GitHub meta 的事实判断