你好 我是RaSteaks
我是一名摄影系在读大学生，目前正在学习调色与色彩科学。平时常在剧组担任 DIT（数字影像工程师），也多次为毕业设计剧情片和广告完成调色。除了拍摄与后期，我还喜欢把工作中遇到的问题写成工具，让一些重复、琐碎的流程变得顺手一点。
我 Vibe Coding 了不少项目，用在自己的个人 Agent 和 NAS 上。OpenClaw 和 Hermes 是一定要有的，Bug 也是修不完的——尤其是你，OpenClaw（服务时长0314-0915）。
为了让 Agent 更好地使用积累的资料，我开发了 RAG Pipeline，在本地部署 Embedding 和 Reranker 模型，为文本与文档建立向量索引，并将图片内容转换成可检索的描述，再结合关键词检索与重排序寻找相关资料。比起让资料一直躺在文件夹里，我更希望它们能在需要时被找到、被使用。同时我也开发了一个文档的网络拓扑展示（仅用于展示自己保存了多少资料）
NAS Dashboard 则服务于我的日常自托管环境。它基于 Glances 展示 CPU、内存、存储、网络与容器状态，也可以接入 mihomo 监控，通过 Synology Web Station 部署，无需前端构建。除此之外，我还 Fork 了 nas-tools 的特定版本，与朋友一起开发新功能、优化系统，也为 ComfyUI 开发功能性插件。
目前，我正在开发 SlateSync 场记单识别软件。它的起点来自剧组里一个很实际的问题：不少场记仍然习惯纸质场记单，但这些记录到了后期又需要重新整理、录入。我希望保留熟悉的记录方式，同时减少纸面信息进入后期系统时的重复劳动。
SlateSync 保留面向 macOS 和 Windows 的跨平台版本，目前重点推进 macOS 原生版。识别采用“本地 OCR＋云端多模态大模型”的流程，将 PDF 或图片场记单转换成可以人工校对的结构化数据：
- 本地预处理：将 PDF 逐页栅格化，通过 macOS 的 Apple Vision OCR 或可选安装的 PaddleOCR 提取文字、置信度与坐标，整理为统一的 OCR 证据。
- 云端识别：将页面图片与 OCR 证据共同发送给视觉模型，结合场记业务提示词和 JSON Schema，提取场、镜、次、条次状态等字段，并参照原图校验 OCR 结果。
- 结果整理：完成字段归一化、多页合并与冲突检查；高精度模式增加独立查漏和复核，最后由人工确认并导出。 目前已验证 DaVinci Resolve CSV 元数据回填，Avid／ALE 相关流程还需要继续完善和验证。不过Avid 还没学会，计划先借助 Silverstack 做相关元数据测试。
围绕摄影，我还开发了 FFFilm。它是一款面向 iPhone、iPad 和 Mac 的原生 SwiftUI 工具，提供相机码率、存储容量与快门计算，帮助规划拍摄方案；iPhone 和 iPad 版本加入了实时的负片预览，可以通过相机进行实时的预览负片；Mac 版本则提供胶片快捷切片功能。
这个博客本身也是一个开发项目：「今天色彩空间设对了吗？」。它使用 Next.js 与 Directus，承载文章、照片和视频作品，支持 SDR／HDR 相簿、HLS 播放与视频多母版切换。用合适的方式展示影像，让色彩管理从制作流程延伸到观看环节。
还有一些项目纯粹出于好奇，比如 Interstellar · 黑洞观测站。它把黑洞光线传播、引力透镜和吸积流变成浏览器里的交互画面，可以调整参数、改变视角，观察物理模型如何影响最终看到的影像。
技术栈
- 基于 Next.js App Router 与 React 服务端组件构建内容展示页面，封装 Directus 数据访问层，结合标签缓存和 Webhook 按需失效机制，实现内容更新后的缓存刷新。
- 使用 Busboy 与 Node.js Streams 实现视频流式上传，调用 FFmpeg 生成 HLS；针对 HDR 母版采用视频码流复制与 fMP4 封装，并通过 FFprobe 校验处理前后的色彩元数据。
- 封装 Shaka Player 播放器，支持 SDR、HDR10、HLG、Dolby Vision 多母版切换，保留播放进度与播放状态，并实现播放失败时的 SDR 回退。
- 构建文章、视频与相簿关联模型，实现 SDR/HDR 照片批量配对、文件签名和位深校验，以及上传失败后的资源回滚与写入结果核对。