用 AI 撸了个专门检测是不是狗的安保扫描仪，能识别出狼不是狗

一个周末时间，我用 AI 循环开发搞了个挺离谱的东西：一个实时视频扫描仪，只要对着镜头说“scan”，它就会判断画面里是不是狗。如果是，它会冷冰冰地回一句“Woof”；如果是狼，它会告诉你“否定，这是灰狼”；要是画面里出现三只狗，它会直接触发“ containment breach”（ containment 崩溃）警告，而且还能在 9 个语言里随机切换。

最逗的是这个系统的逻辑设定，它把自己定位成一个冷酷的威胁评估系统，完全没有所谓的“萌点”。为了增加实操难度，我特意把识别界限划得很死，比如毛绒玩具、铜像、甚至是穿狗装的人，在它眼里统统不是狗。这种强定义让这个项目不再是简单的 zero-shot 识别，而是变成了一个有标准答案的测试实验。

这套东西的底层逻辑是基于实时流处理，识别流程大概是：捕获帧 → 视觉分析 → 逻辑判断 → 语音输出。

如果你想在本地部署试一下，直接跑 pip install -r 大概率会因为依赖冲突（尤其是 websockets 和 google-adk 的版本打架）而报错，建议直接用我写好的脚本：

./scripts/install_deps.sh # 解决 ResolutionImpossible 依赖冲突
make frontend # 构建前端，由后端统一服务 dist 目录
make mock # 跑一个离线模拟服务器，不需要 API key，完全免费
make run # 运行正式的 Live API 版本，这个会产生费用

在开发过程中我发现了一个挺深的坑，就是模型在处理实时会话时的稳定性。有些旧模型虽然注释里写着支持 Live session，但实际跑起来根本开不起来。而现在的版本能实现非常流畅的工具调用链路，视觉分析完之后，它会先在内部思考（例如：识别出金毛，置信度 95%，is_dog 为 true），然后调用 report_verdict 工具，最后才出声。

整个项目的部署其实就四行命令，但为了让那几个绿色的 checkmark 亮起来，我中间修了无数个 Bug。这种用 AI 快速迭代、快速踩坑的体感确实很爽。