# Sentinel Home AI — 家庭多模态智能监控系统

> 多模型容灾降级 + 交互式命名 + AI 对话的家庭监控系统。
> 本文档为项目需求文档与 README 的整合版，按当前代码实际状态（v1.0 E2E 已打通）编写。
> 最后更新：2026-08-20（云端多模型方案整合）

---

## 1. 项目简介与设计目标

系统持续分析家庭监控摄像头（Synology Surveillance Station）录制的视频，抽取关键帧后调用视觉语言模型（VLM）分析画面中的人物、动作、衣着，落库为结构化事件；用户通过 Web UI 浏览事件、给"人物A/B/C"命名（批量回溯历史记录）、以及用自然语言向 AI 询问"汤圆今天干嘛了"。

### 1.1 首期范围（已基本完成）

- **FAM-Core**（NAS 端单进程）：Task-Scheduler / Dispatcher / Event-Receiver / Chat-Handler / Member-Manager / Video-Server 六个子模块
- **FAM-Edge**（Oracle 端单进程）：接收视频上传 → FFmpeg 快速抽帧 → OpenCV 关键帧筛选 → 云端 VLM 视觉分析（Gemini/NVIDIA NIM）直出结构化 JSON → Edge 仅做格式化/校验 → 结果同步返回 全链路（**本地模型不参与视频分析**）
- **FAM-UI**（NAS 端）：Streamlit 直读 DB，事件列表 + 成员命名页 + AI 对话页 + 对话历史
- **数据库六张表**：process_tasks / monitor_events / event_details / chat_history / family_members / daily_summaries（预留）
- **任务状态机**：PENDING → PROCESSING → SUCCESS/FAILED，含退避重试与僵尸任务回收
- **AI 对话**：查 event_details 拼上下文 → 经 FAM-Edge 问答编排（Gemini → NVIDIA → 本地 Ollama 兜底）生成回答 → 返回并写 chat_history
- **交互式成员命名**：VLM 按特征提取"人物A/B/C"落库，用户命名后批量回溯更新历史，后续分析直接用真名

### 1.2 不在首期范围（推迟 v1.1+）

- Nginx 静态服务（Video-Server 用 Flask `send_from_directory` 替代，且推送模式下已不再必需）
- 资源保护策略 B（CPU/内存过载返回 503）
- 心跳监控（用整体超时 + 僵尸任务回收兜底）
- API 业务接口鉴权（`/api/edge/*` 和 `/api/core/*` 不加鉴权）
- Cron 兜底清理（`finally` 清理足够）
- daily_summaries 每日摘要（表已建，逻辑未实现）

### 1.3 已知遗留问题（v1.1 优先解决）

| 问题 | 现状 | 影响 |
|------|------|------|
| **llava-phi3 多图单请求失效（已替换）** | 原本地模型 llava-phi3 `analyze_frames` 多图单请求输出长度仅 3~4；**已替换为 qwen2.5:7b**（纯文本模型，专职融合与对话） | 历史遗留描述，新方案下视觉走云端，本地不参与视觉分析，该问题随之消除 |
| **吞吐不足** | 30s 视频全流程约 19 分钟（关键帧筛选 10min + VLM 5.5min + 融合 3min）；30min/360MB 视频实测 929s | 生产视频每 30 分钟新增一个，处理速度勉强跟上但无余量；改用云端模型后该问题随之缓解 |
| **Tailscale 端口不通** | NAS tailscaled 以 userspace 模式运行（无 TUN 网卡），Oracle 无法反向访问 NAS；当前 NAS→Oracle 走公网 IP | 推送模式已规避反向访问，但流量走公网 |
| **历史视频积压** | 正式目录 `/volume1/surveillance/Generic_ONVIF-001` 有约 285 个历史视频（~100GB），288 个历史任务已标记 FAILED 避免全量上传 | 切回生产目录前需确认回补策略 |

**规划方向（新框架）**：**云端大模型负责视觉识别与结构化输出、本地大模型仅做智能问答兜底**。按任务类型分工：

| 任务 | 执行方 | 模型 | 说明 |
|------|--------|------|------|
| **视觉分析 + 结构化输出**（看图识人/动作/衣着 → 直出 JSON） | 云端 | Gemini → NVIDIA NIM（fallback 降级） | 云端 VLM 直接产出 `global_summary` / `entities_json` / `frame_details`，Edge 仅做**格式化校验**后直存 NAS，**本地模型不介入** |
| **结果格式化**（云端 JSON → 入库 schema） | Edge 进程 | 无模型调用 | `format_cloud_result`：字段归一化、补 `source_providers`/`compute_provider`、推导 `entities`、缺失 `global_summary` 时事实拼接；纯数据转换，非 LLM 二次汇总 |
| **AI 对话**（"汤圆今天干嘛了"） | 云端优先 + 本地兜底 | Gemini → NVIDIA NIM → 本地 Ollama | 两云端任一成功即用；**仅当 Gemini 与 NVIDIA 都失败**才回退本地 Ollama qwen2.5:7b |

- **Google Gemini**（`gemini-flash-latest`，API Key 已验证，支持多图单请求，视觉 + 问答均参与）
- **NVIDIA NIM**（`meta/llama-3.2-11b-vision-instruct`，OpenAI 兼容 API，云端 GPU 推理，单请求限 1 图故逐帧调用；视觉 + 问答均参与）
- **本地 Ollama**（qwen2.5:7b）**仅参与智能问答，且仅作兜底**：视觉链路两云端全失败 → 任务 FAILED 走重试，**绝不回退本地模型做视觉/融合**

Orchestrator 视觉阶段按 `fallback` 模式顺序降级：Gemini → NVIDIA NIM；云端模型直出结构化 JSON 后由 `format_cloud_result` 格式化。问答阶段按 `gemini → nvidia → ollama` 顺序，仅末位本地模型作兜底。

---

## 2. 系统架构

### 2.1 物理节点与部署

| 节点 | 角色 | 硬件 | IP | 服务与端口 |
|------|------|------|-----|-----------|
| Synology NAS | FAM-Core + FAM-UI + 数据库 | DS220+ (Geminilake), DSM 7 | 家庭局域网 192.168.50.64 / Tailscale 100.70.234.39 | FAM-Core :8000, FAM-UI :8501, MariaDB :3306, Surveillance Station |
| Oracle Cloud | FAM-Edge | Ampere A1 2C12G ARM64（无 GPU）, Ubuntu 20.04 | 公网 129.146.203.203 / Tailscale 100.74.137.126 | FAM-Edge :5000, Ollama :11434（仅本地） |
| 家庭网络 | 用户入口 | 普通终端 | 192.168.50.0/24 | 浏览器访问 `http://192.168.50.64:8501` |

**网络要点（推送模式）**：
- 服务间通信只有一条：**NAS → Oracle 公网 IP:5000**（HTTP 上传视频）。Edge 不需要反向访问 NAS（无 webhook、无视频拉取）
- Oracle 端 Ollama 端口 11434 不对外暴露，聊天请求经 FAM-Edge `/api/edge/chat` 代理转发
- Tailscale 两节点已安装在线，但 NAS tailscaled 为 userspace 模式且防火墙端口不通，暂走公网 IP

### 2.2 部署拓扑与数据流（推送模式）

```
┌─────────────────────────────── NAS (192.168.50.64) ──────────────────────────────┐
│                                                                                  │
│  Surveillance Station ──► /volume1/surveillance/Generic_ONVIF-001/               │
│                            （YYYYMMDDAM / YYYYMMDDPM 两级目录，~30min/350MB）      │
│                                     │                                            │
│                                     ▼                                            │
│  FAM-Core (Flask :8000, gunicorn)                                                │
│   ├─ Task-Scheduler: 60s 轮询视频目录，稳定文件建 PENDING 任务                     │
│   ├─ Dispatcher: 30s 轮询，multipart 上传视频 ──────────┐                         │
│   │    (push_timeout=1800s，同步等待响应)               │                         │
│   ├─ 僵尸回收: PROCESSING 超 push_timeout+120s 重置 PENDING                       │
│   ├─ Event-Receiver: /api/core/callback/event（兼容保留）                          │
│   ├─ Chat-Handler ── /api/edge/chat 代理 ──────────────┐                         │
│   ├─ Member-Manager / Video-Server(/media, token)      │                         │
│   ▼                                                    │                         │
│  MariaDB (sentinel_home_ai, 6 张表)                    │                         │
│                                                         │                         │
│  FAM-UI (Streamlit :8501) 直读 DB                       │                         │
└─────────────────────────────────────────────────────────┼─────────────────────────┘
                                                          │ HTTP (公网)
                                                          ▼
┌──────────────────────── Oracle Cloud (129.146.203.203) ──────────────────────────┐
│  FAM-Edge (Flask :5000, gunicorn --timeout 1800, 单 worker)                       │
│   ├─ POST /api/edge/video/push（multipart 视频，同步分析，结果随响应返回）          │
│   ├─ AI-Orchestrator: 健康检查 → 抽帧 → 选帧 → 压缩 → 云端VLM视觉直出结构化JSON → 格式化校验(无本地融合) │
│   ├─ POST /api/edge/chat/ask（问答编排: Gemini→NVIDIA→本地Ollama 兜底）            │
│   ▼                                                                               │
│  云端: Gemini / NVIDIA NIM (视觉直出结构化 + 问答)   本地: Ollama :11434 (qwen2.5:7b, 仅问答兜底) │
└───────────────────────────────────────────────────────────────────────────────────┘
```

### 2.3 主链路时序（推送模式）

1. Scheduler 扫描到新视频（修改时间 > 60s 且大小稳定）→ 写 `process_tasks`（PENDING）
2. Dispatcher 领取 PENDING 任务 → 状态置 PROCESSING → 读本地视频文件，multipart POST 到 Edge `/api/edge/video/push`，payload 含 task_id / camera_name / event_start_time（文件 mtime）/ known_members_context
3. Edge 同步执行：
   - a. 保存上传视频到临时目录（超时 60s）
   - b. FFmpeg 快速 seek（`-ss <ts> -frames:v 1`）粗抽候选帧，帧数随视频时长自适应
   - c. OpenCV MSE 帧差分析筛选关键帧 → 压缩（长边 ≤ 1024px，JPEG 质量 80）
   - d. 云端视觉模型按 `orchestrator.mode`（fallback）顺序降级：Gemini（timeout 30s）→ NVIDIA NIM（timeout 20s）；首个**直出结构化 JSON** 成功的模型即采用，两云端全失败 → 任务 FAILED 走重试（绝不回退本地 Ollama，本地模型不参与视频分析）
   - e. `format_cloud_result` 格式化校验（无模型调用）：字段归一化、补 `source_providers=[provider]` / `compute_provider=[provider]`、缺失 `entities_json` 由 `frame_details` 推导、缺失 `global_summary` 时事实拼接 → 合法入库 schema
   - f. `event_end_time` = event_start_time + 视频时长（Edge 推算）
   - g. `finally` 清理临时文件
4. Edge 把结果 JSON 直接作为 HTTP 响应返回（无 webhook）
5. Dispatcher 收到响应 → 调用 `apply_success_event()` 写 `monitor_events`（1 条聚合）+ `event_details`（每关键帧 1 条）+ upsert 未命名成员 → 任务置 SUCCESS；失败则退避重试（`min(60×(retry+1)×2, 600)`s，超 3 次 FAILED）

**容错设计**：
- Dispatcher 僵尸回收：PROCESSING 状态超过 `push_timeout + 120s` 自动重置 PENDING（应对进程重启/Edge 重启导致 in-flight 请求丢失）
- fam-core 日志双写：stdout + `fam-core/logs/fam-core.log`（daemon 模式下 stdout 不可见）
- 所有日志带 `task_id` 作为 trace_id，各阶段耗时打 INFO

---

## 3. 模块设计

### 3.1 FAM-Core（NAS 端）

| 模块 | 文件 | 职责 |
|------|------|------|
| Task-Scheduler | `scheduler/scheduler.py` | 60s 轮询视频目录（`os.walk` 递归，支持 AM/PM 子目录），`video_path` 去重，稳定文件建 PENDING 任务 |
| Dispatcher | `dispatcher/dispatcher.py` | 30s 轮询 PENDING；multipart 上传视频至 Edge push 端点；收响应后经 `apply_success_event` 落库；僵尸 PROCESSING 回收；退避重试 |
| Event-Receiver | `event_receiver/event_receiver.py` | `/api/core/callback/event`（webhook 兼容保留）；核心逻辑抽为 `apply_success_event(data)` 供 Dispatcher 推送模式复用；未命名 abstract_label 自动 upsert `family_members` |
| Chat-Handler | `chat_handler/chat_handler.py` | `/api/chat/ask` 查 event_details 拼上下文 → 经 Edge `/api/edge/chat/ask` 问答编排（Gemini→NVIDIA→本地 Ollama 兜底）→ 写 chat_history；明细 > 50 条按小时聚合 |
| Member-Manager | `member_manager/member_manager.py` | `/api/member/unnamed` / `/api/member/name` / `/api/member/list`；命名后批量回溯 UPDATE event_details（MariaDB 不支持 `$[*]` JSON 路径，Python 层逐行更新） |
| Video-Server | `video_server/video_server.py` | `/media/<path>?token=xxx` 静态视频服务（推送模式下主链路不再使用，保留备用） |
| 公共层 | `db_layer.py` / `config_loader.py` / `logger.py` | PyMySQL 连接（unix_socket）；datetime 空串归一化 NULL + NOT NULL 列兜底；文件日志 |

### 3.2 FAM-Edge（Oracle 端）

| 模块 | 文件 | 职责 |
|------|------|------|
| API-Gateway | `api_gateway/api_gateway.py` | `POST /api/edge/video/push`（multipart 上传 + 同步分析 + 结果返回）；`POST /api/edge/video/analyze`（旧拉取模式，兼容保留）；`POST /api/edge/chat`（Ollama 代理）；`GET /health`；单并发控制（处理中返回 429） |
| Video-Preprocessor | `video_preprocessor/preprocessor.py` | `save_upload` 保存上传视频；FFmpeg 快速 seek 粗抽候选帧（帧数自适应）；OpenCV MSE 帧差筛选关键帧（首末帧必选）；压缩；`compute_timestamps` 用 start+偏移算绝对时间戳；`video_duration` 供 event_end_time 推算 |
| AI-Orchestrator | `ai_orchestrator/orchestrator.py` | 模型健康检查 → 云端视觉适配器按 `orchestrator.mode`（fallback 顺序降级）调度，**直出结构化 JSON** → `format_cloud_result` 格式化校验（无本地融合）→ JSON schema 校验；`run_qa` 实现问答编排（Gemini→NVIDIA→本地 Ollama 兜底）；`process_push_task` 为推送模式入口（不触发 webhook）；记录各模型实际执行耗时与成功状态到 `compute_provider` 数组 |
| Model-Adapters | `model_adapters/` | `BaseModelAdapter` 抽象基类（`__init__` / `health_check` / `analyze_frames` / `chat` / `get_timeout` / 熔断器实例）；`build_adapter` 工厂函数按 `provider` 字段分发实例化；视觉适配器（gemini/nvidia）直出结构化 JSON，文本适配器（ollama）仅智能问答兜底 |
| └ OllamaAdapter | `model_adapters/ollama_adapter.py` | requests 直调本地 REST `/api/generate`，`num_predict` 可配；**role: text, usage: qa_fallback**（仅智能问答兜底，不参与视觉分析、不参与融合） |
| └ GeminiAdapter | `model_adapters/gemini_adapter.py` | requests 直调 Google REST `:generateContent`，**多图单请求直出结构化 JSON**；**role: vision**；`chat()` 参与问答 |
| └ NvidiaVisionAdapter | `model_adapters/nvidia_adapter.py` | **基于 openai SDK**（NIM 兼容 OpenAI API 规范），`base_url=https://integrate.api.nvidia.com/v1`，`api_key` 从 `${NVIDIA_API_KEY}` 展开；**逐帧返回结构化单帧 JSON 并聚合为 frame_details**（NIM 限 1 图/请求）；`health_check` 调 `client.models.list()`；**role: vision**；`chat()` 参与问答 |
| Storage-Cleaner | `storage_cleaner/` | `finally` 删除临时视频与帧图片 |

### 3.3 FAM-UI（NAS 端）

Streamlit 应用（`fam-ui/src/app.py`），侧边栏切换页面：

| 页面 | 功能 |
|------|------|
| 📊 事件列表 | 按日期筛选 + 分页（20 条/页）展示 monitor_events |
| 👤 成员命名 | 列出未命名人物 + 特征描述，输入真名后调 `/api/member/name` 批量回溯 |
| 💬 AI 对话 | 输入框 + 调 `/api/chat/ask`；按 queried_person 预设快捷提问 |
| 📜 对话历史 | chat_history 倒序展示 |
| 📈 统计图表 | compute_provider 占比（bar_chart） |

---

## 4. 数据库设计

库名 `sentinel_home_ai`，MariaDB 10.11.11，utf8mb4。完整 DDL 见 `scripts/ddl.sql`。

### 4.1 表清单

| 表 | 用途 | 关键字段 |
|----|------|---------|
| `process_tasks` | 视频处理任务 | task_id, video_path, video_url, status(PENDING/PROCESSING/SUCCESS/FAILED), retry_count, max_retries, next_retry_at, error_message, failure_stage(ENUM) |
| `monitor_events` | 事件聚合（每任务 1 条） | event_id, task_id, event_start_time, event_end_time, camera_name, global_summary, entities_json(JSON), compute_provider(JSON 数组) |
| `event_details` | 每关键帧一条明细 | detail_id, event_id, task_id, frame_index, frame_timestamp, person, action, clothing, is_attention_event, source_providers(JSON) |
| `family_members` | 交互式命名 | member_id, abstract_label(如"人物A"), real_name(NULL=未命名), feature_description, first_seen_at, named_at, named_by |
| `chat_history` | AI 问答记录 | chat_id, user_question, ai_answer, context_summary, queried_date, queried_person |
| `daily_summaries` | 每日摘要（预留） | target_date, summary_text |

### 4.2 表关系与命名回溯

```
process_tasks (1) ─── (N) monitor_events (1) ─── (N) event_details
family_members 独立表:
  - event_details.person 存 abstract_label（未命名）或 real_name（命名后）
  - 命名后: UPDATE event_details SET person = real_name WHERE person = abstract_label
  - monitor_events.entities_json 由 Python 层解析逐行更新（MariaDB 不支持 $[*] 路径）
chat_history 独立表
```

### 4.3 compute_provider / source_providers

- `monitor_events.compute_provider`：JSON 数组，记录本次任务实际成功调用（**视觉分析**）的云端模型，如 `["gemini"]` 或 `["nvidia"]`；本地 Ollama 不参与视频分析，不会出现在该字段
- `event_details.source_providers`：该条明细被哪些模型识别到（可能少于 compute_provider）
- 多模型交叉验证：多模型一致 → 可信度高；仅单一模型描述 → source_providers 仅含该模型；冲突 → 多数派为准

### 4.4 兼容性注意

- MariaDB 10.11 严格模式：**空字符串不能插 DATETIME 列**（1292 错误）。`db_layer._dt_or_none` 将空串归一化 NULL；`event_end_time` NOT NULL 列按 end→start→NOW 兜底；`frame_timestamp` 空值兜底 NOW
- MariaDB 不支持 MySQL 的 `$[*]` JSON 通配路径与 `->` 操作符，JSON 字段在 Python 层处理

---

## 5. API 规范（实际实现）

### 5.1 FAM-Edge（Oracle :5000）

**POST /api/edge/video/push**（主链路，推送模式）

- 请求：`multipart/form-data`，字段 `video`(文件) / `task_id` / `camera_name` / `event_start_time` / `known_members_context`
- 处理：同步执行完整分析流水线（可能耗时数分钟，gunicorn timeout 1800）
- 响应（200）：

```json
{
  "task_id": 289,
  "status": "success",
  "event_start_time": "2026-08-20 01:06:44",
  "event_end_time": "2026-08-20 01:07:13",
  "camera_name": "客厅",
  "global_summary": "...",
  "entities_json": [{"person": "汤圆", "action": "...", "clothing": "..."}],
  "frame_details": [
    {"frame_index": 1, "frame_timestamp": "...", "person": "...", "action": "...",
     "clothing": "...", "is_attention_event": false, "source_providers": ["gemini"]}
  ],
  "compute_provider": ["gemini"]
}
```

- 失败：`{"task_id": ..., "status": "failed", "failure_stage": "vlm_visual", "error_message": "..."}`
- 429：已有任务处理中（单并发）；503：全部模型不健康

**POST /api/edge/video/analyze** — 旧拉取模式（Edge 拉 video_url + webhook 回调），兼容保留，主链路不再使用
**POST /api/edge/chat/ask** — 智能问答编排（FAM-Core Chat-Handler 调用）：请求 `{"prompt"}` → 响应 `{"answer","provider"}`；内部按 Gemini → NVIDIA → 本地 Ollama 顺序，仅两云端都失败才用本地兜底
**POST /api/edge/chat** — Ollama 直连代理（兼容旧调用，保留）
**GET /health** — 服务与模型健康状态（任务处理中可能无响应，单 worker 忙）

### 5.2 FAM-Core（NAS :8000）

| 端点 | 方法 | 说明 |
|------|------|------|
| `/health` | GET | 服务健康 |
| `/api/status` | GET | scheduler/dispatcher 运行状态 |
| `/api/core/callback/event` | POST | Edge 回调（webhook 兼容保留）；推送模式下由 Dispatcher 内部调用 `apply_success_event` |
| `/api/chat/ask` | POST | 用户问答：`{"question","queried_person","queried_date"}` → `{"answer","context_summary","chat_id"}` |
| `/api/chat/history` | GET | 对话历史（`?date=` 或 `?person=&limit=`） |
| `/api/member/unnamed` | GET | 未命名人物列表（含特征描述、出现次数） |
| `/api/member/name` | POST | 命名：`{"abstract_label","real_name","named_by"}` → 批量回溯 event_details/entities_json，返回更新条数 |
| `/api/member/list` | GET | 全部成员 |
| `/media/<path>?token=xxx` | GET | 视频静态服务（token 鉴权，推送模式下备用） |

### 5.3 融合输出 JSON Schema

三层容错解析：直接 `json.loads` → 提取 markdown fence ` ```json ... ``` ` → 贪婪匹配最大 `{...}`；再过 `validate_schema`（必填字段检查 + 脏数据清洗，`action` 由 AI 自由生成无枚举过滤，`is_attention_event` 由 AI 自行判断，`source_providers` 必须非空数组）。三层全失败 → 任务 FAILED 走重试。

---

## 6. 关键技术

### 6.1 视频预处理（自适应关键帧）

- **粗抽候选帧**：FFmpeg 快速 seek（逐帧 `ffmpeg -ss <ts> -frames:v 1`），替代 fps 滤镜全解码（30min 视频从 180s+ 降到 33s，6-8x 提速）
- **帧数自适应**：候选帧 `clamp(时长分钟×2, 30, 120)`；关键帧上限 `clamp(时长/150s, 8, 30)`（30min→12 帧，60min→24 帧，封顶 30）
- **帧差筛选**：OpenCV MSE，首末帧必选，MSE > 阈值 500 的保留，不足 min_key_frames=5 补足
- **压缩**：长边 > 1024px 才缩放，JPEG 质量 80
- **异常兜底**：ffprobe 失败退化为 60s 间隔抽帧；帧差异常退化为等距 5 帧

### 6.2 本地 Ollama（仅智能问答兜底，ARM CPU）

本地 Ollama（qwen2.5:7b，纯文本模型）**不参与视觉分析、不参与云端结果融合**。它只在**智能问答**场景下、且 Gemini 与 NVIDIA 两云端模型都失败时才被启用作为兜底。视觉分析与结构化输出全部由云端模型承担。以下参数作为问答任务的调优依据保留。

| 参数 | 值 | 依据 |
|------|-----|------|
| `OLLAMA_KEEP_ALIVE=-1` | 模型常驻内存 | 消除 55s 冷启动（常驻约 4.3GB，12GB 内存够用） |
| `num_predict=60` | 限制生成 token | ARM 约 5 tok/s，500 会单帧跑数分钟触发超时 |
| 视觉/模型 timeout | 600s | 实测 1024px 帧视觉编码 ~36s + 生成 ~12s/60token |
| 融合 timeout | 300s | — |
| gunicorn（Edge） | `--timeout 1800` | 同步分析模式，默认 30s 会杀 worker |
| push_timeout（NAS） | 1800s | 覆盖最坏情况（30min 视频实测 929s） |

**已知问题**：原 llava-phi3 多图单请求基本失效（N 张图一次调用输出长度仅 3~4）。**已替换为 qwen2.5:7b**（纯文本模型，专职融合与对话，不涉及视觉多图问题）。

### 6.3 模型适配器架构

**抽象基类 `BaseModelAdapter`**：定义统一接口，每个模型实现自己的适配器。

| 方法 | 职责 |
|------|------|
| `__init__(provider_name, config)` | 读取 api_key / base_url / model_name / timeout / 熔断器配置 |
| `health_check() -> bool` | 轻量请求验证连通性与 Key 有效性 |
| `analyze_frames(frame_paths, frame_timestamps, known_members_context) -> Optional[str]` | 接收多张关键帧路径 + 时间戳 + 已知成员特征，返回 VLM 文本描述（失败返回 None） |
| `get_timeout() -> int` | 返回该模型单次调用超时阈值 |
| 熔断器实例 | 每个云端模型独立熔断器 |

**模型清单由 `config.yaml` 的 `models` 数组动态决定**，新增模型 = 实现适配器 + 配置加一项，主流程不动。

**已实现 / 规划的适配器**（按 `role` 区分职责）：

| provider | 适配器类 | role | SDK / 协议 | 状态 |
|----------|---------|------|------------|------|
| `ollama` | `OllamaAdapter` | **text** | requests 直调 REST `/api/chat` | 已实现 |
| `gemini` | `GeminiAdapter` | **vision** | requests 直调 REST `:generateContent` | 待实现 |
| `nvidia` | `NvidiaVisionAdapter` | **vision** | **openai SDK**（NIM 兼容 OpenAI API 规范） | 待实现 |

**role 语义**：
- `vision`：参与视觉分析阶段，按 fallback 顺序降级，直出结构化 JSON
- `text`：仅参与智能问答（`usage: qa_fallback`），且为 Gemini/NVIDIA 都失败时的兜底，不参与视觉分析、不参与云端结果融合

**NvidiaVisionAdapter 关键实现**（`fam_edge/adapters/nvidia_adapter.py`）：

- 基于 `openai` Python SDK，`base_url=https://integrate.api.nvidia.com/v1`，`api_key` 从 `${NVIDIA_API_KEY}` 展开
- `health_check`：调 `client.models.list()` 轻量验证 Key
- `analyze_frames`：构建 OpenAI 标准 `content` 列表（1 个 text item + N 个 `image_url` item，图片以 `data:image/jpeg;base64,...` 格式内联），调 `chat.completions.create`，`temperature=0.2`、`max_tokens=1024`
- prompt 中文模板：要求按时间顺序分析人物数量/衣着/微动作/互动，重点标注异常高危行为

**Orchestrator 调度模式**（`config.yaml` → `orchestrator.mode`）：

| 模式 | 行为 |
|------|------|
| `fallback`（默认） | 顺序降级：按 models 数组顺序依次尝试，首个健康且返回非 None 的模型结果即采用；失败则降级到下一个；全部失败返回 503 |
| `ensemble` | 并行交叉验证：所有 enabled 模型并行调用，结果一致 → 可信度高；多数派为准；仅单一模型描述 → `source_providers` 仅含该模型 |

**视觉分析降级链路（fallback 模式，仅云端 role=vision 模型）**：

```
Gemini (gemini-flash-latest, role=vision) —— 多图单请求直出结构化 JSON
   │ 失败 / 熔断 OPEN / 超时
   ▼
NVIDIA NIM (llama-3.2-11b-vision-instruct, role=vision) —— 逐帧结构化聚合
   │ 失败 / 熔断 OPEN / 超时
   ▼
任务 FAILED（走重试，绝不回退本地 Ollama —— 本地仅负责问答兜底）
```

**格式化阶段（无模型调用，仅数据转换）**：

```
云端成功 provider 直出的结构化 JSON（frame_details / 可选 global_summary / entities_json）
   ▼
format_cloud_result：字段归一化 → 补 source_providers=[provider] / compute_provider=[provider]
   → 缺失 entities_json 由 frame_details 推导 → 缺失 global_summary 则事实拼接 → schema 校验
   ▼
合法入库结构，随响应返回 NAS 直接落库（本地模型不介入）
```

**智能问答降级链路（chat 场景）**：

```
Gemini (role=vision, 也参与问答)
   │ 失败 / 熔断 OPEN / 超时
   ▼
NVIDIA NIM (role=vision, 也参与问答)
   │ 失败 / 熔断 OPEN / 超时
   ▼
本地 Ollama (qwen2.5:7b, role=text, usage=qa_fallback) —— 仅当两云端都失败才启用
   │ 失败
   ▼
返回"所有模型均不可用"
```

**熔断器策略**（按 provider 独立，仅云端模型启用）：

| provider | role | threshold | cooldown | enabled |
|----------|------|-----------|----------|---------|
| Gemini | vision | 3 次连续失败 | 600s | true |
| NVIDIA NIM | vision | 3 次连续失败 | 600s | true |
| Ollama | text | — | — | false（本地，不熔断） |

**健康探测**：Ollama `GET /api/tags`；Gemini `GET /v1/models?key=...`；NVIDIA `client.models.list()`。视觉模型全部不健康返回 503。

**多模型标签兼容**：`compute_provider` 与 `event_details.source_providers` 的 JSON 数组值新增 `"nvidia"` 标签（与 `"ollama"` / `"gemini"` 并列）；`validate_schema` 校验非空数组。

**执行可观测性**：Orchestrator 在每次调用记录各模型的 `provider / 耗时 / success` 三元组到日志，并落库到 `monitor_events.compute_provider` 数组。

### 6.4 任务可靠性

- 状态机 PENDING → PROCESSING → SUCCESS/FAILED，退避重试 `min(60×(retry+1)×2, 600)`s，max_retries=3
- **僵尸任务回收**：PROCESSING 超过 `push_timeout + 120s` 自动重置 PENDING（应对 fam-core 重启 / Edge 重启 / in-flight 请求丢失）
- `failure_stage` ENUM：download / extract / vlm_visual / vlm_fusion / callback

---

## 7. 性能基准（实测）

### 7.1 单图推理（原 llava-phi3, Oracle ARM 2C12G — 已替换为 qwen2.5:7b）

| 场景 | 总耗时 |
|------|--------|
| 冷启动（首次加载 2.9GB 模型） | 109s（已由 keep-alive 消除） |
| 预热 + num_predict=30 | **4.3s** |
| 1024px 真实帧 + num_predict=60 | ~48.6s（视觉编码 36s 固定成本 + ~5 tok/s） |

### 7.2 真实视频全流程（30min / 360MB / 1080p H.264）

| 步骤 | 耗时 |
|------|------|
| 视频上传 NAS→Oracle（公网，5.1 MB/s） | 70s |
| FFmpeg 快速 seek 抽 60 候选帧 | 33s |
| OpenCV 关键帧筛选（→12 帧） | 5s |
| 压缩 | 0.6s |
| Ollama 视觉分析（12 帧） | 820s（avg 68s/帧，0.9 tok/s） |
| **总计** | **929s（15.5min）** |

### 7.3 E2E 验证（2026-08-20）

task_id=289（30s 测试片段）全链路打通：推送 5.7MB → Edge 分析 1129s → 同步返回 → `monitor_events` event_id=1 + `event_details` 2 条落库，`event_end_time` 推算正确（start+29s）。

---

## 8. 部署说明

### 8.1 部署位置与启动命令

| 组件 | 节点 | 路径 | 启动 |
|------|------|------|------|
| FAM-Core | NAS | `/volume1/web/sentinel-home-ai/fam-core/` | `./venv/bin/gunicorn --chdir <路径> -w 1 -b 0.0.0.0:8000 --timeout 120 --daemon --pid /tmp/fam-core-gunicorn.pid src.fam_core.app:app` |
| FAM-UI | NAS | `/volume1/web/sentinel-home-ai/fam-ui/` | `./venv/bin/streamlit run src/app.py`（headless, :8501） |
| FAM-Edge | Oracle | `/opt/fam-edge/` | `venv/bin/gunicorn -w 1 -b 0.0.0.0:5000 --timeout 1800 src.fam_edge.app:app`（日志 `/tmp/fam-edge.log`） |
| Ollama | Oracle | systemd 托管 | 环境变量 `OLLAMA_KEEP_ALIVE=-1` |

### 8.2 依赖

- **FAM-Core/UI（NAS, Python 3.10 venv）**：Flask, Gunicorn, **PyMySQL**（45KB 纯 Python 替代 19MB mysql-connector）, PyYAML, requests；FAM-UI 另需 Streamlit + pandas
- **FAM-Edge（Oracle, Python 3.8+ venv）**：Flask, Gunicorn, requests, PyYAML, opencv-python, numpy, **openai**（NVIDIA NIM 兼容 OpenAI API 规范，复用同一 SDK）；Gemini 用 requests 直调 REST（不依赖 google-generativeai SDK）
- **系统级**：FFmpeg（两端）、Ollama + qwen2.5:7b（Oracle）、MariaDB 10.11（NAS）

### 8.3 配置文件要点

**fam-core/config/config.yaml**（NAS）：

```yaml
scheduler:
  video_dir: "/volume1/web/sentinel-home-ai/e2e-test"   # 当前指向 E2E 测试目录
  # 正式目录: /volume1/surveillance/Generic_ONVIF-001（YYYYMMDDAM/PM 两级子目录，
  # os.walk 递归支持；切回前需处理 285 个历史视频积压，避免全量上传 ~100GB）
dispatcher:
  edge_url: "http://129.146.203.203:5000/api/edge/video/push"
  push_timeout: 1800
chat_handler:
  ollama_url: "http://129.146.203.203:5000/api/edge/chat"   # 经 Edge 代理
```

**fam-edge/config/config.yaml**（Oracle，多模型池配置）：

```yaml
# 调度模式配置: fallback(顺序降级) 或 ensemble(并行交叉验证)
orchestrator:
  mode: "fallback"
  overall_timeout: 600

# 关键帧配置
video:
  candidate_frames: 30
  min_key_frames: 5
  max_key_frames: 12
  mse_threshold: 500
  jpeg_quality: 80
  max_long_edge: 1024

# 多模型池配置（视觉: Gemini → NVIDIA NIM 降级；文本: 本地 Ollama）
models:
  # 1. Google Gemini 1.5 Flash（视觉主）
  - provider: "gemini"
    role: "vision"              # 视觉分析
    enabled: true
    model_name: "gemini-1.5-flash"
    api_key: "${GEMINI_API_KEY}"
    timeout: 15
    circuit_breaker:
      enabled: true
      threshold: 3
      cooldown: 600

  # 2. NVIDIA NIM 托管 API（视觉备）
  - provider: "nvidia"
    role: "vision"              # 视觉分析
    enabled: true
    model_name: "meta/llama-3.2-11b-vision-instruct"   # 或 qwen/qwen2-vl-72b-instruct
    base_url: "https://integrate.api.nvidia.com/v1"
    api_key: "${NVIDIA_API_KEY}"
    timeout: 20
    circuit_breaker:
      enabled: true
      threshold: 3
      cooldown: 600

  # 3. 本地 Ollama（文本融合 + AI 对话，不参与视觉）
  - provider: "ollama"
    role: "text"                # 文本融合 + AI 对话
    enabled: true
    model_name: "qwen2.5:7b"
    base_url: "http://localhost:11434"
    timeout: 60
    circuit_breaker:
      enabled: false
```

**环境变量**（Oracle 节点，写入 `~/.bashrc` 或 systemd 环境变量文件）：

```bash
export GEMINI_API_KEY="AQ.Ab8RN6I0l8hC7hLnNHRY6qOXdch5CTWczDNlS4c1XrneGHipUQ"
export NVIDIA_API_KEY="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"
```

**NVIDIA NIM 单图连通性验证**：

```bash
pip3 install openai
python3 -c "
import os
from openai import OpenAI
client = OpenAI(
    base_url='https://integrate.api.nvidia.com/v1',
    api_key=os.environ['NVIDIA_API_KEY']
)
response = client.chat.completions.create(
    model='meta/llama-3.2-11b-vision-instruct',
    messages=[{'role': 'user', 'content': 'Hello, are you ready?'}],
    max_tokens=30
)
print('NVIDIA NIM 连接成功:', response.choices[0].message.content)
"
```

### 8.4 运维注意事项

- NAS 部署目录**不是 git 仓库**（文件拷贝部署），同步代码用 stdin 管道：`ssh ... "cat > 远端路径" < 本地文件`
- NAS scp 子系统被禁用，同样用 stdin 管道传文件
- 远端 kill gunicorn 时 pkill/pgrep 会匹配 SSH 自身命令行导致断连，用 `pgrep -f 'gunicorn -w [1]'` 字符类技巧或 PID 文件
- fam-core 启动模块路径是 `src.fam_core.app:app`（不是 `fam_core.app:app`）
- Edge 单 worker 处理任务期间 `/health` 可能不响应，属正常

---

## 9. 快速开始

```bash
# 1. 初始化数据库（NAS）
python scripts/init_db.py

# 2. 启动 FAM-Core（NAS）
cd fam-core && gunicorn -w 1 -b 0.0.0.0:8000 --timeout 120 src.fam_core.app:app

# 3. 启动 FAM-Edge（Oracle）
cd fam-edge && gunicorn -w 1 -b 0.0.0.0:5000 --timeout 1800 src.fam_edge.app:app

# 4. 启动 FAM-UI（NAS）
cd fam-ui && streamlit run src/app.py

# 或使用脚本
./scripts/start_core.sh && ./scripts/start_edge.sh && ./scripts/start_ui.sh
```

---

## 10. 服务器访问信息

### 10.1 Synology NAS（FAM-Core + FAM-UI + MariaDB）

| 项目 | 值 |
|------|-----|
| IP | 192.168.50.64 |
| SSH 端口 | 2222（scp 禁用，用 stdin 管道传文件） |
| SSH 用户 / 密码 | ericwyuan / iLoveJava5 |
| 系统 | Synology DS220+ (Geminilake), DSM 7 |
| Tailscale IP | 100.70.234.39（userspace 模式，端口不通待修） |
| 登录命令 | `ssh -p 2222 ericwyuan@192.168.50.64` |

### 10.2 MariaDB（NAS）

| 项目 | 值 |
|------|-----|
| 版本 | MariaDB 10.11.11 |
| Socket | /run/mysqld/mysqld10.sock |
| Root 密码 | iLoveJava5! |
| 数据库名 | sentinel_home_ai |
| 连接 | `/usr/local/mariadb10/bin/mysql -S /run/mysqld/mysqld10.sock -u root -p`（非交互 PATH 下用 fam-core venv 的 PyMySQL + unix_socket 查询） |

### 10.3 Oracle Cloud（FAM-Edge + Ollama + FFmpeg）

| 项目 | 值 |
|------|-----|
| 公网 IP | 129.146.203.203 |
| SSH 用户 | ubuntu（密钥 `~/.ssh/oracle_sentinel`） |
| 系统 | aarch64 (Ampere A1 2C12G), Ubuntu 20.04 LTS |
| Tailscale | 100.74.137.126（已安装在线，与 NAS 端口不通） |
| 登录命令 | `ssh -i ~/.ssh/oracle_sentinel ubuntu@129.146.203.203` |

### 10.4 Gitea 代码仓库

| 项目 | 值 |
|------|-----|
| URL | http://192.168.50.64:3000/ericwyuan/sentinel-home-ai |
| 账号 / 密码 | ericwyuan / iLoveJava5 |

### 10.5 Gemini API（Google AI Studio）

| 项目 | 值 |
|------|-----|
| API Key | AQ.Ab8RN6I0l8hC7hLnNHRY6qOXdch5CTWczDNlS4c1XrneGHipUQ |
| 模型 | `gemini-1.5-flash`（生产配置）；`gemini-flash-latest`（curl 验证端点别名） |
| 端点 | https://generativelanguage.googleapis.com/v1beta/models/gemini-flash-latest:generateContent |
| 验证状态 | 2026-08-20 测试可用 |

```bash
curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-flash-latest:generateContent" \
  -H 'Content-Type: application/json' \
  -H 'X-goog-api-key: AQ.Ab8RN6I0l8hC7hLnNHRY6qOXdch5CTWczDNlS4c1XrneGHipUQ' \
  -X POST \
  -d '{"contents":[{"parts":[{"text":"Explain how AI works in a few words"}]}]}'
```

### 10.6 NVIDIA NIM 托管 API

| 项目 | 值 |
|------|-----|
| API Key | `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` |
| Base URL | `https://integrate.api.nvidia.com/v1` |
| 默认模型 | `meta/llama-3.2-11b-vision-instruct`（可替换 `qwen/qwen2-vl-72b-instruct`） |
| SDK | `openai` Python SDK（NIM 兼容 OpenAI API 规范，直接复用） |
| 验证状态 | 待测（2026-08-20 配置完成，单图连通性验证脚本见 8.3） |

**环境变量**：

```bash
export NVIDIA_API_KEY="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"
```

---

## 11. 提交规范（AI Agent 必读）

**工作流程（强制）**：

1. **开工前**：仓库根目录 `git pull --rebase`
2. **每完成一项验收子任务**：立即 `git add` + `git commit` + `git push`，一任务一 commit，不批量合并
3. **遇到阻塞**：先 commit 可工作部分，message 加 `[WIP]` 前缀
4. **修 Bug**：单独 commit，格式 `fix(模块): 问题简述`

**commit message 格式**：

- 任务：`[阶段X.Y子任务号] 子任务名称 - 完成内容简述`
- Bug：`fix(模块): 问题简述`
- 性能/文档：`perf(...)` / `docs(...)`

**禁止**：不 commit 直接继续；一次 commit 多个子任务；`git push --force`；跳过 hooks（`--no-verify`）。

**自检清单**：任务对应哪一行验收标准？是否已 commit + push？message 是否合规？开工前是否 pull --rebase？

---

## 12. 当前进度与 v1.1 计划

### 已完成（截至 2026-08-20）

- 全部模块代码 + DDL + 部署脚本；NAS/Oracle 双端部署运行
- 模型基准测试（原 llava-phi3 预热 4.3s PASS，**已替换为 qwen2.5:7b**）；Ollama 常驻内存
- 架构改为推送模式（NAS 上传整段视频 → Edge 同步分析 → 结果随响应返回）
- 关键帧自适应帧数 + FFmpeg 快速 seek（6-8x 提速）
- FAM-Core API 全端点测试通过；端到端聊天链路（Core→Edge→Ollama）验证
- FAM-UI 部署（Streamlit 1.61.1）
- 真实视频性能基准（30min/360MB → 929s）
- **E2E 全链路打通**：task 289 → SUCCESS，monitor_events/event_details 落库正确
- 可靠性加固：僵尸任务回收、文件日志、datetime 空值兜底、超时按实测调整

详细进度见 `PROGRESS.md`。

### v1.1 待办

| # | 任务 | 优先级 |
|---|------|--------|
| 1 | 接入云端视觉模型（Gemini `gemini-1.5-flash` + NVIDIA NIM `llama-3.2-11b-vision-instruct`），承担全部视觉分析；本地 Ollama 专职文本融合与 AI 对话（不再参与视觉） | 高 |
| 2 | 实现 `NvidiaVisionAdapter`（基于 openai SDK，Base64 多图内联，`role: vision`）并在 `build_adapter` 工厂注册 `provider: nvidia` | 高 |
| 3 | Orchestrator 视觉阶段按 `fallback` 降级 Gemini → NVIDIA NIM，全失败则任务 FAILED；文本阶段固定调本地 Ollama 融合；`compute_provider` / `source_providers` 兼容 `nvidia` 标签 | 高 |
| 4 | analyze_frames 改逐帧请求（云端模型支持多图，但逐帧更稳；同时解决历史 llava-phi3 多图失效问题，新方案本地 qwen2.5:7b 不参与视觉，该问题随之消除） | 高 |
| 5 | 切回生产视频目录（/volume1/surveillance/Generic_ONVIF-001），确认历史视频回补策略 | 高 |
| 6 | 单元测试（JSON parser / circuit breaker / schema 校验） | 中 |
| 7 | Tailscale 修复（NAS userspace 模式升级，流量不走公网） | 低 |
| 8 | daily_summaries 每日摘要 | 低 |

---

文档结束