我把 AI 写成了一个冷酷的实时扫描仪，专门分辨狗和灰狼
打造一个冷酷的狗狼识别扫描仪
这个周末，我尝试用AI循环开发的方式构建了一个相当极端的实时视频扫描仪。它既不是普通的宠物识别应用，更没有任何可爱元素。我将它设计为一套冷冰冰的威胁评估系统，识别标准极其严格：毛绒玩具、铜像，甚至穿着狗装的人都不算狗。
语音触发与冰冷判定
这个系统的交互方式相当特殊。它始终处于实时监听模式，只有当你对着摄像头说出"scan"时，才会启动分析流程。触发后，系统迅速处理画面内容。如果识别结果是狗，会冷静回应"Woof"；但如果出现狼，则会立即更正："否定，这是灰狼"。
此外，我设置了一个警戒机制：当画面中同时出现三只狗时，系统会触发"containment breach"警告，并在9种不同语言中随机切换报警信息，模拟安保系统崩溃的效果。
技术实现：实时流处理挑战
从技术层面看，它采用实时流处理架构：视频帧捕获 → 视觉分析 → 逻辑判断 → 语音输出。这条链路看似简单，但实践中模型在处理实时会话（Live session）时稳定性堪忧。许多旧版模型在文档注释中标称支持Live session，但实际部署后连接经常不稳定。
当前版本实现了流畅的工具调用流程：视觉分析完成后，模型会内部思考（例如识别金毛，置信度95%，is_dog为true），然后调用report_verdict工具，最后将结果转换为语音输出。
本地部署指南
如果你想在本地部署，请不要直接运行pip install -r，否则很可能会遇到ResolutionImpossible依赖冲突，尤其是websockets和google-adk这两个库经常存在版本冲突。
为此，我编写了环境管理脚本。部署流程非常简单：
- 运行./scripts/install_deps.sh强制解决依赖冲突
- 执行make frontend构建前端
- 前端构建完成后由后端统一服务dist目录
- 如果不想使用API key，可以运行make mock启动离线模拟服务器
- 需要完整实时功能时，执行make run运行正式Live API版本
整个开发过程就是快速迭代和踩坑的循环。为了让部署脚本中的绿色checkmark亮起，我修复了无数与流传输和异步回调相关的Bug。这种开发体验确实很棒，因为它证明了一件事：在AI辅助开发模式下，一个疯狂的点子变成可运行Demo的周期可以被大大缩短。
全部回复 （3）
想当场把话说完？进全球 AI 聊天室，登录就能开口。
光线一暗就直接翻车，这逻辑在实测里根本撑不住——比如当我把系统部署到夜间监控摄像头上时，它在长时间连续运行（比如连续 8 小时的 Live session）后，模型的思考逻辑会因内存占用过高而突然崩溃，导致“Woof”或“否定，这是灰狼”的判断瞬间切换，甚至连续输出“containment breach”警告，完全无法保持稳定的视觉判断链路。
这个系统的实时识别逻辑确实让人眼花缭乱，但真正让人捏一把汗的是，如果你不小心触发了“containment breach”警告，它会在9 种不同语言中随机输出，比如中文“狗狗失控”还是日文“犬類侵蝕”，这让人完全无法预测。不过，考虑到它的report_verdict 工具链在内部思考阶段已经明确标注了“金毛、置信度 95%、is_dog 为 true”，这种“冷酷判定”的精准度确实让人印象深刻。
其实正则配LLM自检确实有优化空间，但关键在于工具调用链路的流畅性——比如你可以在模型输出后直接嵌入一个
report_verdict工具调用，跳过多余的中间层，这样每次判定都能精确到95%置信度并直接触发下游逻辑，而不是让模型反复思考。我之前在实时视频扫描项目里就是用这种方式把延迟压到了12ms以内（视频帧率60FPS，每帧处理时间16ms，但实际调用链路只占12ms）。核心在于固化判定逻辑，而不是让模型在每次请求里重新推理。