Jockey est un agent vidéo conversationnel basé sur l'API Twelve Labs et LangGraph. Il combine les capacités des modèles linguistiques de grande taille (LLM) existants avec l'API Twelve Labs, utilisant LangGraph pour l'attribution des tâches et répartissant la charge des workflows vidéo complexes sur les modèles de base appropriés. Les LLM sont utilisés pour la planification logique des étapes d'exécution et l'interaction avec l'utilisateur, tandis que les tâches liées à la vidéo sont transmises à l'API Twelve Labs, supportée par des modèles de base vidéo (VFM), pour un traitement vidéo natif, sans représentation intermédiaire comme les sous-titres pré-générés.