看過 DeepSRT v1 架構圖的人都會問一個合理的問題:「你們有完整的雲端後端、有一整池輪替代理去抓 YouTube 字幕——好好的服務,為什麼 v2 全部丟掉,改成一個 Mac App?」
短版答案:因為使用者自己的 IP 是比任何代理池都好的基礎設施。長版答案如下。
貓抓老鼠
v1 的做法和所有「幫使用者抓 YouTube 資料」的服務一樣:使用者的請求進到我們的伺服器,伺服器去 YouTube 抓字幕,回傳。問題是 YouTube 對資料中心 IP 的容忍度是結構性的低:一個 IP 服務一千個使用者,它的請求模式就是機器人。被擋是常態,不是意外。
所以你開始建代理池。然後代理也會被擋,所以你需要健康檢查、輪替、換供應商。我們後端有一半的程式碼在做這件事——不是產品功能,是維持管道暢通。每一層 workaround 都是在跟平台的風控玩貓抓老鼠,而貓永遠比你大。
集中式抓取讓所有使用者共享同一個命運。一個出口 IP 被限流,所有人一起壞。你的可靠性上限,就是你最像機器人的那一刻。
把抓取還給使用者
v2 把整個管線反過來:App 在你的 Mac 上,用你家的 IP、以一個正常人類的觀看量,直接跟 YouTube 的公開字幕端點拿資料。對 YouTube 來說,你就是你——一個看影片的人,不是一個代理池。風控問題不是被解決了,是被架構消除了。
AI 摘要也一樣:你自己的 Google Gemini 金鑰(BYOK),存在 macOS Keychain,App 直接呼叫 Gemini API。你看了什麼影片、生成了什麼摘要,不經過任何第三方伺服器——包括我們的,因為我們沒有伺服器。
隱私通常是一段政策文字:「我們承諾不看你的資料。」DeepSRT 的版本是一個架構性質:「我們想看也沒有地方看。」
成本誠實
沒有伺服器帳單,就沒有要轉嫁給你的固定成本,也就不需要用訂閱制來養基礎設施。你付一次 App 的錢;AI 的部分,Gemini 的免費額度對絕大多數人的觀看量綽綽有餘。我們不在中間賺差價,也不用擔心哪天 API 漲價要偷偷調整方案。
誠實的邊界
BYOK 有真實的門檻:你要自己去申請一把 Gemini 金鑰(免費,但多一個步驟)。這是「零伺服器」換來的代價,我們認為值得,但它確實不是零摩擦。
本機抓取也不是免疫的。我們自己在開發時就踩過:短時間打太多字幕請求,一樣吃 YouTube 的 429。差別在於處理方式——因為量是一個人的量,快取(記憶體+磁碟)、合併請求、退避重試就足以讓它幾乎不發生;而在集中式架構裡,這是一場永遠燒不完的火。
還有:目前只有 macOS。這個架構的代價是它綁定在「你自己的機器」上——沒有機器,就沒有 DeepSRT。
門沒有上鎖
App 內建一個本機 API(127.0.0.1),Chrome 擴充功能靠它變成一個薄客戶端——所有邏輯都在 App 裡。這個輕量版擴充功能即將開源;私有 MCP 支援也在路上,讓你的 AI agent 直接跟 DeepSRT 對話。
架構裡沒有任何東西阻止更多客戶端。沒有伺服器不代表封閉——恰恰相反:因為一切都在你的機器上,一切都能被你的工具使用。
順帶一提:常駐的本機 API 是 native app 才做得到的事——瀏覽器擴充功能的背景程序,隨時會被平台回收。為什麼 DeepSRT 最後落腳在 Mac App,是下一篇的主題。