Argus（取名自希腊百眼巨人 Argus Panoptes）是我独立设计开发并开源的长视频理解 agent harness——只有前端、没有后端，视频完全在浏览器本地解码处理，API Key 与模型全部用户自填。让多模态 LLM agent 自己调用工具去"看"视频：抽帧、局部放大、记笔记、派子代理，典型场景如监控视频数人数、找特定物品。
它解决什么#
让 LLM 理解长视频的痛点不在模型，而在怎么把视频喂给它：整段上传太贵，盲抽帧又漏信息。Argus 把这个问题交给 agent 自己决策——它先看视频元信息，再自主决定抽哪些帧、用什么频率、哪里需要放大细看，上下文要爆了就派子代理分段处理。同时视频不离开浏览器，没有服务器，没有数据上传。
架构亮点#
- 手写 Agent Loop — 基于 Vercel AI SDK
streamText手动驱动工具循环：拿到 tool calls 自行执行，把抽帧图片作为ImagePart注入下一轮，循环直到 agent 给出结论。 - 8 个视频理解工具 —
get_video_info/extract_frames（范围+频率抽帧带时间戳）/extract_frame_at/list_frames/inspect_region（局部放大细看）/remember/recall（状态记忆，防长上下文遗忘）/spawn_subagent（超长视频分段，防上下文爆炸）。 - 浏览器本地硬解码抽帧 — 原生
<video>+<canvas>seeked + rAF 抽帧（含黑帧重试），mediainfo.js（wasm 懒加载）只用于 fps/编码/码率等富信息，加载本地性能优先。 - 211 个 Provider 运行时目录 — 接入 models.dev 目录并归一化为 provider 预设，下拉可搜；自动标记视觉模型并优先默认选中（适配视频理解）；OpenAI 兼容 / Anthropic / Gemini 三类传输自动判定，附带 CORS 提示与连接测试。
- 子代理隔离上下文 — 子代理 = 去掉
spawn_subagent工具的嵌套 agent 运行，长视频分段理解的中间过程不污染主上下文。
技术栈#
前端 · Vite 8 + React 19 + TypeScript 7（native tsc）+ Tailwind 4 + zustand
LLM 接入 · Vercel AI SDK（ai + @ai-sdk/openai / @ai-sdk/anthropic / @ai-sdk/google，均支持自定义 baseURL）· models.dev provider 目录
基建 · GitHub Actions CI/CD · 双线发布（国内阿里云 CDN + OSS，海外 Cloudflare Pages）· Let’s Encrypt DNS-01 证书自动续期
工程实践#
- 零后端 — 纯静态站点，构建产物 7 个文件即可双线发布；用户 API Key 仅存浏览器本地。
- 同产物双线发布 — 国内（阿里 CDN→OSS）与海外（Cloudflare Pages）从同一次构建的
dist/发布，DNS 分线路由，保证两条线内容一致。 - 证书自动化 — 每周自动检查国内 CDN 证书，剩余不足 30 天走 DNS-01 免费续签并做边缘核验。
我的角色#
独立完成：产品设计 · Agent harness 架构 · 前端实现 · 多 provider 接入 · CI/CD 双线部署——从 0 到开源发布，一个人全链路。
开源项目，源码见 GitHub。