NVIDIA VSS 3.3: видео-агент из одного промпта и skills для coding agent

Vision-language модели уже тянут видео-агентов на прод-масштаб, но узкое место — не «понять кадр», а собрать живую систему: приём потоков, обработка, детекция событий, поиск, суммаризация и отчёты без разъезжающегося зоопарка сервисов. Blueprint NVIDIA Metropolis для Video Search and Summarization (VSS) и его agent skills заточены под эту сборку — для сценариев, где стек поднимает coding agent, а не одиночный чат с моделью.

Из чего складывается контур

В материале NVIDIA перечисляют типичные звенья, которые должны жить в одном сопровождаемом контуре:

• приём видео и потоковая обработка;
• детекция событий;
• поиск по архиву (retrieval);
• суммаризация и отчёты.

Skills вокруг VSS переносят эту схему в слой, с которым агент вроде Claude Code или Codex может стартовать развёртывание, не проектируя каждый этап пайплайна заново в промпте.

Источник: Lower the Cost of Building and Running Visual AI Agents with NVIDIA VSS Blueprint 3.3.