视频理解省90% Token的旁路格式
推荐指数 58.0 NO. 005 · 2026.09.01
Stars103创建5 天前Forks6Issues1
为什么值得看
CDAF 是一种与视频文件同名的纯文本侧载格式，用带时间戳的文字描述替代 AI 反复观看视频。AI 代理只需读取几百 token 的文本，无需重复运行昂贵的视频理解模型。
CDAF (Cached Descriptive Asset Files) - open sidecar format for video so AI agents stop re-analyzing the same footage. Spec, CLI, agent skill, reproducible benchmark.
媒体预览
编辑判断
目前 AI 处理视频的主流做法要么是每次重新调用 Gemini Pro 1.5 或 GPT-4o 的视觉能力，要么是用 Twelve Labs 这类专用 API，成本按分钟计费且无法缓存。CDAF 的聪明之处在于把"描述"和"验证"解耦：描述可以来自任何模型甚至人工标注，哈希校验保证一致性，这让团队可以复用已有的视频字幕、剪辑脚本或人工标注数据。
跟直接集成视频理解 SDK 相比，这个方案的真正优势不是替代而是编排——它让多 Agent 协作时共享视频上下文成为可能，避免了每个 Agent 独立调用视觉模型的重复开销。如果你的产品涉及视频问答、内容审核或剪辑助手，且同一素材会被多个 Agent 或多次查询处理，这个格式值得作为基础设施层纳入架构设计。
Star History
生态分析
Experimental
视频理解赛道的侧载缓存标准，降低AI代理重复分析视频的成本
独特价值：以纯文本侧载替代重跑视频模型，实现token级成本优化与可复现基准
竞品：