ericwyuan/sentinel-home-ai
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
3a5ea459a23b28d4826721b9b9a794d4055d6200
sentinel-home-ai/README.md
ericwyuan 3a5ea459a2 docs: 需求文档与 README 整合为单一文档 
- 按当前代码实际状态重写：推送模式架构、自适应关键帧、实际 API 端点
- 补充实测性能基准（30min视频929s）、E2E 验证结果、可靠性加固机制
- 记录已知遗留问题（多图失效/吞吐不足）与 v1.1 计划
- 项目需求文档.md 内容并入后删除
2026-08-20 07:19:55 +08:00

28 KiB
Raw Blame History

Sentinel Home AI — 家庭多模态智能监控系统

多模型并行 + 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

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 → VLM 视觉分析 → VLM 文本融合 → 结果同步返回 全链路
  • 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 代理调 Oracle Ollama 纯文本 → 返回回答并写 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 analyze_frames 把全部关键帧放一次请求，输出长度仅 3~4（垃圾内容），融合阶段只能靠 known_members 上下文幻觉编造 事件内容质量差
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
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：接入 Gemini（gemini-flash-latest，API Key 已验证可用，单帧 2~3s 且真正理解多图）作为主视觉分析模型，替换/补充 Ollama；同步把 analyze_frames 改为逐帧请求。

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 → VLM 视觉 → 文本融合          │
│   ├─ POST /api/edge/chat（代理转发本地 Ollama）                                    │
│   ▼                                                                               │
│  Ollama :11434 (llava-phi3, OLLAMA_KEEP_ALIVE=-1 常驻) + FFmpeg + OpenCV          │
└───────────────────────────────────────────────────────────────────────────────────┘

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. 健康的模型适配器并行视觉分析（Ollama 视觉超时 600s；Gemini 规划中）
    • e. Ollama 纯文本融合（超时 300s）→ JSON 结构化结果
    • 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 代理调 Ollama → 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 → 健康适配器并行视觉分析 → 文本融合 → JSON 解析三层容错 + schema 校验；process_push_task 为推送模式入口（不触发 webhook）
Model-Adapters model_adapters/ BaseModelAdapter 抽象基类（health_check / analyze_frames / get_timeout / 熔断器）；OllamaAdapter 已实现（requests 直调 REST，num_predict 可配）；GeminiAdapter 配置位预留
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的模型，如 ["ollama"] 或 ["ollama","gemini"]
  • 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）：
{
  "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": ["ollama"]}
  ],
  "compute_provider": ["ollama"]
}
  • 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 — Ollama 聊天代理（FAM-Core Chat-Handler 调用） 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 Ollama 调用（ARM CPU 实测调优）

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：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）。待改为逐帧请求，或由 Gemini 承担主视觉分析。

6.3 模型适配器架构

  • 抽象基类 BaseModelAdapter：health_check() / analyze_frames() / get_timeout() / 熔断器实例
  • 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
  • 每个云端模型独立熔断器（连续 5 次失败 → OPEN 15 分钟 → HALF_OPEN 探测）；本地 Ollama 不启用熔断
  • 健康探测：Ollama GET /api/tags；Gemini GET /v1/models?key=...；全部不健康返回 503

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（llava-phi3, Oracle ARM 2C12G）

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；Gemini 用 requests 直调 REST（不依赖 google-generativeai SDK）
  • 系统级：FFmpeg（两端）、Ollama + llava-phi3（Oracle）、MariaDB 10.11（NAS）

8.3 配置文件要点

fam-core/config/config.yaml（NAS）：

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）：关键节选见 6.2；models 数组含 ollama（enabled: true, num_predict: 60）与 gemini（enabled: false, 待接入）。

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

# 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-flash-latest
端点 https://generativelanguage.googleapis.com/v1beta/models/gemini-flash-latest:generateContent
验证状态 2026-08-20 测试可用 
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"}]}]}'

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（llava-phi3 预热 4.3s PASS）；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 Gemini（gemini-flash-latest）作为视觉分析模型（API Key 已验证） 高
2 analyze_frames 改逐帧请求（修复 llava-phi3 多图失效） 高
3 切回生产视频目录（/volume1/surveillance/Generic_ONVIF-001），确认历史视频回补策略 高
4 单元测试（JSON parser / circuit breaker / schema 校验） 中
5 Tailscale 修复（NAS userspace 模式升级，流量不走公网） 低
6 daily_summaries 每日摘要 低

文档结束

Reference in New Issue View Git Blame Copy Permalink