tldw_server 自托管媒体研究与 RAG 工作流

解决什么问题

媒体类 RAG 链路常卡在三件事：视频/音频要先转写、文档/网页要先解析，不同来源的片段放进向量库后检索效果难以验证，且外部 API 调用容易带来成本与合规压力。

技能如何工作

• 媒体接入：把 video、audio、documents 与 web pages 作为输入，统一进入本地研究层，减少多工具串联。
• 本地 RAG：在自托管环境里构建检索与上下文装配流程，便于把转录文本、文档切片和页面内容混合索引。
• 可观测：提供 evals，能对检索/问答结果做基础评估，降低“看起来能跑但不知道效果”的盲改风险。
• 对外接口：暴露 OpenAI-compatible APIs 与 MCP access，方便工程侧把流程接进现有 agent 或服务。

适用边界

• 运行环境需要满足 Python 3.10+、ffmpeg，以及 Docker 或本地 Python 部署；缺少这些组件时流程难以稳定执行。
• 上游说明提到可通过二进制包装在 Windows/Linux/macOS 运行，但这是部署选项，不代表本技能自带开箱即用的安装体验。
• 商业 API 支持对象包括 GPT-5.1、Anthropic models、Kimi k2、DeepSeek 等，属于可选集成而非承诺的固定清单。
• 官方文档：https://tldwproject.com；上游说明来自 tldw_server README。