Не секрет что для продвижения рилза гораздо важнее “самолётики”, нежели чем сохранённое или даже репостнутое. Люди пересылают друг другу контент и появляется реально подтверждённая связь - по крайней мере, её попытка.

Я вот пересылаю себе материал на второй аккаунт. И сегодня руки дошли до того чтобы материал распарсить.

604 ролика и поста, которые копились полтора года. Для бесконечной ленты это на самом деле очень мало, но для меня ценно.

Я собрал всё в текст — расшифровкой речи, а там, где речи нет, распознаванием кадров. И конечно, накрутил на RAG, превратив это в векторный индекс.

Зачем?

В каждой своей новой сессии я хочу обращаться к другому я, тому что скроллил и собирал, не думая в моменте, но ожидая что я воспользуюсь его работой в будущем. И для этого нужен кастомный скилл - навык ИИ видеть неочевидные связи между моими сохранёнками и тем, что я делаю в моменте.

Так я работаю с копией самого себя, с ghost, по типу асинхронного мультиплеера, гонок с “призраками прошлого”.

Разбил тексты на куски по 1600 символов с перекрытием, посчитал эмбеддинги локальной моделью и сохранил рядом массив, который связывает кусок с исходной записью.

При поиске я беру лучший кусок на запись. Без этого одна длинная расшифровка занимает половину выдачи своими же кусками.

Отдельно решил, что делать с объектами без речи. У них расшифровка — это текст, снятый с экрана. Раньше он начинался служебной строкой, теперь на её месте стоит понятная пометка, и она видна прямо в выдаче.

Вышло 1042 куска на 604 записи, поиск с фильтрами по теме и типу.

Чего нет: индекс знает только то, что в ролике сказано или написано на экране. Зачем я его сохранил, он не знает. Да и я не знаю :)