cerul

让 AI 记住视频内容，秒级检索关键画面

Cerul 是一个面向 AI 产品的视频记忆基础设施，为开发者提供 SDK、CLI、MCP 及多种集成方式，帮助 AI 应用理解和利用视频内容。它解决的是 AI 产品中视频数据难以结构化、检索和记忆的问题，核心能力包括视频语义搜索、多模态理解、RAG 支持以及基于 pgvectorscale 的向量存储。通过将视频转化为可查询的语义记忆，Cerul 使 AI 代理能够基于视频内容进行推理和交互，适用于需要视频知识库的智能体场景。项目采用 TypeScript 编写，处于早期阶段，但架构清晰，旨在成为 AI 视频记忆的标准层。

开源 unknown 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 159

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类智能体

开发团队cerul-ai

所属国家

官网地址https://cerul.ai

GitHubhttps://github.com/cerul-ai/cerul

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Rust

技术栈/模型ai-agent,ai-agents,cli,computer-vision,lerobot,multimodal,ocr,open-source,rag,rust,semantic-search,understanding,video-search,video-search-engine

GitHub 星标★ 159

30天Star增速

HF 下载量

上线时间2026-03-09 00:00:00

最近更新2026-09-24 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

核心亮点

提供 SDK、CLI、MCP 多种接入方式，开发者可灵活集成到现有 AI 工作流
基于 pgvectorscale 和 Neon Postgres，实现高效向量存储与语义搜索
支持多模态与 RAG，可直接用于构建视频问答和智能体记忆

不足之处

项目处于早期，文档和社区生态尚待完善
依赖 Neon Postgres 和 pgvectorscale，可能限制非 Postgres 用户

适用场景

构建视频知识库，供 AI 助手回答视频内容相关问题
为智能体提供长期视频记忆，实现跨会话的上下文理解
视频内容审核与检索，快速定位特定事件或物体

替代项目

Twelve Labs、Marqo、Pinecone

项目介绍

cerul 是基础设施领域的开源项目，由 cerul-ai 开发，是 2026 年新上线的项目。

它收录于基础设施分类，该分类目前共有 1,132 个项目，GitHub 星标数为 159。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-24。从国内网络环境看，可直接访问。

它主要面向的使用场景是：构建视频知识库，供AI助手回答视频内容相关问题。同类可对比的替代方案包括 Twelve Labs、Marqo、Pinecone。

上一篇：vestauth

下一篇：telnyx-code-examples