找监控里“夜间有人走近大门”的一刻，通常得打开一段段录像来回拖动。video-grep 把这件事搬进终端：输入一句英文描述，它会按画面里实际发生的动作、场景或物体检索，而不是猜文件名，再返回匹配视频和时间戳——也就是片段在录像中的位置。
它会对文件夹里的视频建立索引，每 6 秒取样分析视频帧。选中结果后，可以查看路径和时间范围，或只保存对应片段，不必搬走整段录像。索引可在 SSH 断开后继续运行，也能增量处理新增或改动的视频；模型下载一次后，视频、画面和查询都留在本机。对 Agent 来说，这相当于多了一双不依赖屏幕和播放器的“眼睛”，适合远程服务器、监控设备和批处理流程。
不过项目目前只在 macOS 上测试过；Linux 虽被列为支持平台，实际兼容性仍需验证。它还要求 ffmpeg 和较新的 Python，并提供 320 MB 至 1.5 GB 的三种模型规模。