https://jiajia.fun/a/67f7f86b-6ea5-45e0-9e24-ebc22c4b5938-scenemind%E5%A6%82%E4%BD%95%E6%8F%90%E9%80%9F%E5%8F%8A%E5%9C%A8%E4%BD%8E%E9%85%8Dvps%E5%81%9A%E5%AE%9E%E9%AA%8C

# SceneMind如何提速及在低配VPS做实验

SceneMind的延迟瓶颈在Executor串行生成与Critic二轮重跑，提速应从局部重写与前置校验入手；低配实验可将预处理放本地、VPS只留在线入口。

## 要点

1. 仅对可修的证据缺口按claim粒度局部重写并拼接，避免整篇重新生成，同时将证据覆盖率判断前移至Executor阶段。
2. Planner与Critic可换用擅长结构化输出的中小模型，并按内容哈希缓存视频索引层以跨目标复用。
3. 通过上传后预取与流式输出降低感知等待，帧级并发OCR并按需压小MAX\_FRAMES，保持vision caption默认关闭。
4. 低配机器做实验无需升级VPS，可在本地完成抽帧与OCR预处理并落盘缓存，后续Prompt与阈值迭代直接复用缓存。
5. 线上VPS仅作排队与展示入口，重任务走异步队列或按量实例；切勿为求快关闭Critic或降帧率而破坏可核验性与基线对比。

## 来源

- [原始讨论 1](https://jiajia.fun/qa/2dfdb146b71479e1c159ccae)
- [原始讨论 2](https://jiajia.fun/qa/6b96e4d5ea671a3fa949b25d)
