企业官网建设流程全解析

如果你也经历过这样的深夜：客厅传来“哗啦”一声，打开手机看监控回放，发现猫又从书柜顶端跳下来，撞倒了水杯，然后若无其事地舔爪子。录像确实拍下来了，可问题也随之而来——它为什么突然跳下来？是饿了、害怕，还是单纯想玩？

传统摄像头能回答“发生了什么”，却很难回答“毛孩子为什么这么做”。所以我动手做了个叫“萌宠慧眼”的小系统，用YOLO做目标检测和跟踪，用DeepSeek做行为语义分析，让摄像头从“录像机”变成“观察员”。它能识别画面里有没有猫狗、宠物在哪个位置、待了多久、活动量如何，再把这些量化信息喂给大模型，自动生成一句人话：“猫在猫抓板附近剧烈活动超过3分钟，可能是磨爪需求未满足，建议检查猫抓板磨损情况。”

这套方案适合三类人：一是想低成本给家里搞个“智能宠物管家”的养宠人，二是在做边缘端AI应用的开发者，三是对大模型和视觉模型怎么配合感兴趣的同学。这篇文章我会把整套系统的设计思路、核心代码、实测踩坑和扩展方向都摊开讲，代码可以直接抄，但更重要的是理解每一步为什么这样做。

1. 从“回放录像”到“实时解读”：宠物监控到底缺什么

1.1 传统摄像头的三个短板

市面上的宠物摄像头，本质上是“带云台的网络摄像机”。它解决了远程观看、语音对讲、自动跟拍这几个基础问题，但离“懂宠物”还差得很远。

第一个短板是被动记录。摄像头只在出事之后提供证据，没法在事中判断宠物状态。比如猫连续打喷嚏、狗频繁舔同一块皮肤，这些早期异常信号通常被忽略，直到发展为皮肤病或呼吸道问题才被发现。

第二个短板是信息密度过低。一段24小时的录像里，真正有分析价值的可能只有十几分钟。让一个人盯着屏幕看猫有没有异常，既不现实，也极度无聊。机器可以连续跑，但普通摄像头没有“理解”能力。

第三个短板是无法跨时间关联。猫今天凌晨3点频繁叫，和昨天白天睡太多可能有关，和猫砂盆脏了也可能有关。传统摄像头只能给你一段孤立的录像，没法把“几点睡、几点醒、活动多少次、在哪个房间待多久”串成一条可分析的时间线。

1.2 行为分析要回答的四个问题

做一个宠物行为分析系统，本质上是让机器回答四个递进的问题：

1. 谁在画面里？——是猫还是狗？是家里的大橘还是邻居家的柯基？这对应目标检测和个体识别。
2. 它在哪？——猫窝、猫抓板、食盆、沙发上，空间位置往往暗示行为意图。
3. 它在干什么？——睡觉、舔毛、玩耍、踱步、进食、警戒，这是行为分类。
4. 这正常吗？——对比历史行为基线，判断当前状态是否异常，比如精神萎靡、过度舔舐某个部位、活动量骤降。

前三个问题靠传统视觉算法和深度学习模型可以解决大部分，第四个问题最难。因为“正常”是个体相关的，每只猫的作息、性格、活动量都不一样，规则很难写死。这也是我引入大模型的原因：让DeepSeek结合上下文来分析“正常还是异常”，比硬编码阈值灵活得多。

1.3 为什么是YOLO + DeepSeek的组合

有人会问：现在不是有现成的宠物行为识别模型吗？要端到端直接识别“猫在吃饭”不就行了？

理论上有，但落地很难。端到端行为识别模型需要大量标注视频，尤其要覆盖你家猫的活动习惯，这几乎不可行。而且行为是连续动作，单帧静态图像很难判断。更实际的做法是分阶段：先用YOLO这类目标检测模型拿到宠物每帧的位置和类别，再通过跟踪算法把连续帧串成运动轨迹，然后量化出“位移、停留时长、活跃度”等特征，最后让DeepSeek基于这些结构化特征做语义判断。

YOLO负责“看见”，DeepSeek负责“理解”。前者是经典视觉模型，毫秒级推理，能跑在本地小主机上；后者是语言模型，擅长把数字和事件描述翻译成人类能看懂的行为解读。两者互补：纯视觉方案生成的报告是“坐标+置信度”，人看不懂；纯语言模型又看不到画面。把YOLO的检测结果变成文字特征，再喂给DeepSeek，就同时拿到了感知能力和推理能力。

2. 把“看见”和“理解”拆开：YOLO负责测，DeepSeek负责判

2.1 YOLO：目标检测与跟踪选型

YOLO（You Only Look Once）是实时目标检测领域最经典的一族模型。它的核心思想是用一次前向推理同时预测画面里所有目标的类别和边界框，所以速度极快，适合视频流实时处理。

以我用的YOLOv8为例，模型按参数量分为n / s / m / l / x五档。我一开始图省事选了yolov8n（最小的nano版），在树莓派上能跑10帧左右，但小体型宠物漏检严重。后来换到桌面小主机用yolov8s，速度降到25帧，漏检率明显改善。如果你没有边缘端要求，建议直接上yolov8m，精度高不少。

我这里选YOLO不只是为了检测框，更重要的是它自带跟踪接口。ultralytics的model.track()封装了ByteTrack算法，给每个目标分配稳定ID，这样我才能知道“编号3的猫”从沙发走到食盆，而不是每帧都当成新目标。

模型选型时要注意：COCO预训练模型自带的“cat”和“dog”类别基本够用，不需要重新训练。但如果你养的是无毛猫、体型特别小的幼猫，或者画面里宠物长期背对镜头，预训练模型可能认不出来。这时候需要自己标注几百张照片做微调，或者用更大的模型权重。

2.2 DeepSeek：自然语言行为推理

DeepSeek是国产开源大模型系列，推理能力强，对口粮敏感。这里我用的是DeepSeek的API版本，它兼容常见的HTTP接口格式，成本很低，响应速度也足够做秒级分析。

为什么不用规则引擎做行为判断？举个例子：猫在食盆附近待了10分钟，规则引擎只能告诉你“长时间停留在食盆区域”，但无法区分这10分钟是在认真吃饭、在发呆、还是在玩漏食器里的猫粮。而给DeepSeek输入：“猫在食盆附近停留10分钟，期间头部位置在食盆上方频繁起伏，移动速度平均0.3米/秒，期间没有离开”，它能结合常识推断“大概率在进食，但进食时间偏长，可能有挑食或消化问题”。这是规则系统很难做到的。

当然，大模型也会一本正经地胡说八道。所以我在设计上刻意不让DeepSeek看到原始图像，只让它看到YOLO输出的结构化事件序列。这样做有两个好处：一是减少幻觉空间，模型只能基于我给的事实推断；二是保护隐私，不用把家里画面传到云端。

2.3 两者协作：从边界框到行为语义

整体思路是：视觉模型产出“客观事实”，语言模型产出“主观解读”。

YOLO每帧输出类似这样的原始数据：

frame_1024: class=cat, id=1, bbox=(312, 178, 96, 120), confidence=0.89

这些数据人看不懂，所以我写了个特征提取模块，把连续帧组装成语义单元：

时间 14:03:20 ~ 14:05:05，猫#1 在猫抓板区域停留105秒，头部位置偏低，身体轴心来回移动12次，平均速度0.4m/s，符合“磨爪”行为特征。

DeepSeek拿到的是这种“半成品”，再输出分析。这种分工让每个环节都能单独调试：YOLO效果不好就调检测参数，DeepSeek输出不满意就调提示词，不会牵一发动全身。

3. 系统架构与数据流：一帧一帧攒成“宠物日记”

3.1 全局流程

我的实际部署结构很简单：一台带普通CPU的迷你主机（核显够用），接一个1080P USB摄像头，跑YOLO推理；DeepSeek接口走网络调用。整个流程分五步：

1. 视频流采集：用OpenCV按固定帧率取帧，比如每秒8帧。太高帧率会浪费算力，因为猫的动作变化没那么快。
2. 目标检测与跟踪：YOLO检测出所有猫狗，ByteTrack分配ID。
3. 行为特征量化：计算每个目标的中心点坐标、位移速度、在预设区域（猫窝、食盆、猫抓板）的停留时长、活跃度。
4. 事件序列生成：每隔10~30秒，把刚才的量化特征汇总成一段文本，按时间顺序追加到缓冲区。
5. DeepSeek分析：当缓冲区积累到一定长度，或触发异常条件（比如非活动时段检测到剧烈运动），调用大模型生成分析报告。

这五步不是全部在内存里循环的。我加了Redis做缓冲，但本地单机场景用Python list就能跑，没必要上重型中间件。真正核心的难点在第三步：怎么把位置信息转化为“行为语义”。

3.2 检测帧率与跟踪策略

帧率和检测帧率要分开说。摄像头采集分辨率我用1280x720，检测帧率设成8FPS，在CPU上YOLOv8s每帧推理耗时约60毫秒，加上跟踪和特征提取，整体跑下来CPU占用率稳定在70%，不会影响同一台机器上的其他服务。

这里最容易踩的坑是直接用YOLO跑视频的原始帧率。如果是30FPS的视频，你天真地用cap.read()每帧都推理，CPU立刻爆掉。正确做法是设置一个“抽帧间隔”，比如每4帧取一帧做检测。或者用TimeBasedTrigger，每0.125秒取一帧。反正重点不在“每帧都看”，而在于“采样频率足够捕捉宠物行为变化”。猫的动作再快，0.125秒采样一次也够了。

跟踪策略上，ByteTrack在处理宠物长时间静止时不丢ID，因为卡尔曼滤波器能预测下一帧位置。但宠物突然从画面左侧跑到右侧，有可能会丢ID。我后来给跟踪加了IOU阈值：如果两帧间边界框交并比低于0.3，且目标尺寸相似，就强制认为是同一目标。实测下来，大部分快速移动场景ID都能保持住。

3.3 行为特征序列怎么构造

行为特征不要直接丢原始坐标，要分层处理。我设计了四个维度的特征：

• 位置特征：宠物中心点坐标，以及它是否落在预定义的兴趣区域（ROI）内。ROI用多边形标定一次就好，比如食盆区、猫窝区、门口区。
• 活动量特征：每秒移动的像素距离，平滑后得到移动速度；再根据速度阈值分成“静止、慢速移动、剧烈活动”三档。
• 姿态特征：YOLO给出的边界框长宽比。猫伸懒腰时框会拉长，蜷缩睡觉时框更接近正方形。虽然不如关键点检测精确，但对于区分“行动中”和“静止中”够用了。
• 区域驻留特征：连续N帧位于同一ROI内，记录进入时间和离开时间，得到区间停留时长。

这些特征每5秒聚合一次。聚合后的文本类似：

[14:03:30-14:03:35] 猫#1 位于猫抓板区域，速度0.2m/s，框长宽比1.4:1，状态：活动较弱。

这种文本既保留了量化信息，又比纯坐标更容易让DeepSeek理解。相当于我给大模型递了一份“宠物行为观察记录表”。

3.4 提示词模板：给大模型的“观察记录”

DeepSeek能不能给出靠谱分析，提示词占一半功劳。我最终稳定下来的提示词结构是：

你是宠物行为分析专家。以下是基于视频检测得到的宠物活动记录，请根据记录回答： 1. 当前宠物在做什么？给出置信度较高的判断。 2. 有没有异常行为？重点关注过度舔舐、长时间不变姿势、非活跃时段剧烈活动。 3. 可能的原因和给主人的建议。 注意：只基于观察记录推断，不要编造记录里没有的信息。回答不超过150字。 观察记录： {events}

还加了一个系统指令：“如果观察记录不足以判断，请说明‘信息不足，建议观察更长时间’。”这一句非常重要，能大幅减少大模型编造行为的情况。实测中，不加这句时，DeepSeek会给静止不动的猫脑补出“可能在闭目养神”，加了之后它会老老实实说“信息不足”。

输出格式我也做了约束。要求返回JSON，这样后续代码可以直接解析推送到手机：

{ "activity": "sleeping", "confidence": 0.85, "abnormal": false, "advice": "猫咪当前在猫窝休息，呼吸平稳，无异常。注意保持环境安静。" }

4. 最小可运行版本：从YOLO到DeepSeek的代码闭环

4.1 环境准备与依赖

先说明我的运行环境：Ubuntu 22.04，Python 3.10，普通四核CPU，8G内存，无独显。所有依赖就是这几个：

pip install ultralytics opencv-python requests numpy

ultralytics会自带YOLOv8模型权重，你直接指定yolov8s.pt就行。如果你是从零开始，先跑下面这段测试代码，确认摄像头能打开、模型能加载：

import cv2 from ultralytics import YOLO cap = cv2.VideoCapture(0) if not cap.isOpened(): print("摄像头打不开") exit(1) model = YOLO("yolov8s.pt") ret, frame = cap.read() if ret: results = model(frame, verbose=False) print(results[0].boxes)

能看到输出了若干检测框，说明环境OK。

4.2 YOLO推理与ROI截取

正式代码里要做两件事：过滤出猫狗类别，并维护跟踪ID。我用model.track()替换model()，指定只检测COCO中的猫和狗：

from ultralytics import YOLO model = YOLO("yolov8s.pt") CLASS_NAMES = model.names # {0: 'person', ..., 15: 'cat', 16: 'dog'} PET_CLASSES = [15, 16] # cat, dog def detect_pets(frame): # tracker="bytetrack.yaml" 表示使用ByteTrack results = model.track( frame, classes=PET_CLASSES, persist=True, tracker="bytetrack.yaml", verbose=False ) if results[0].boxes is None: return [] boxes = results[0].boxes.xyxy.cpu().numpy() # 边界框 ids = results[0].boxes.id.cpu().numpy() # 跟踪ID clss = results[0].boxes.cls.cpu().numpy() # 类别 names = [CLASS_NAMES[int(c)] for c in clss] return list(zip(ids, boxes, names))

这里的persist=True很关键，它告诉Ultralytics继续使用上一帧的跟踪器状态，而不是每帧重新初始化。漏了这一句，跟踪ID会乱跳。

ROI截取其实就是判断宠物中心点是否在某个多边形区域里。我用cv2.pointPolygonTest来判断：

import cv2 # ROI用多边形的顶点列表描述，例如食盆区域四个角 food_roi = [(300, 400), (420, 400), (420, 520), (300, 520)] def in_roi(center_x, center_y, roi_poly): # 返回正数表示在多边形内，0在边上，负数在外 return cv2.pointPolygonTest(roi_poly, (center_x, center_y), measureDist=False) >= 0

这里我给每个ROI起了名字，比如“food”、“cat_tree”、“sofa”，后续特征文本里直接用ROI名。

4.3 行为特征序列生成

接下来是核心逻辑：维护一个字典，每个track_id对应一个“宠物状态对象”。每处理一帧，更新中心点、速度、在哪个ROI里。

class PetState: def __init__(self, pet_id, name): self.id = pet_id self.name = name self.prev_center = None self.speed = 0.0 self.last_update = time.time() self.current_roi = "unknown" self.history = [] def update(self, center, roi): now = time.time() dt = now - self.last_update if dt > 0 and self.prev_center is not None: pixel_dist = np.linalg.norm(np.array(center) - np.array(self.prev_center)) self.speed = pixel_dist / dt # 平滑速度，防止突变 self.speed = 0.7 * self.speed + 0.3 * (pixel_dist / dt) self.prev_center = center self.current_roi = roi self.last_update = now

每5秒，我把所有PetState的当前状态格式化成一条事件，写入全局事件列表。格式化函数里把速度分档：

def speed_to_level(speed): if speed < 10: return "静止" if speed < 50: return "缓慢移动" return "快速移动"

最后事件是这样的：

[14:03:20] 猫#1 位于 猫抓板，活动状态：快速移动，速度62.3px/s

这样DeepSeek才有“料”可以做推理。

4.4 调用DeepSeek生成分析报告

我用requests直接调大模型API，没有任何封装。代码核心就是把事件列表拼进提示词，发送请求，拿到JSON解析。

import requests import os import json LLM_API_KEY = os.environ.get("LLM_API_KEY", "在这里填入你的API Key") LLM_API_BASE = os.environ.get("LLM_API_BASE", "https://你的模型服务地址/v1") def analyze_with_llm(events_text): prompt = f"""你是宠物行为分析专家。以下是基于视频检测得到的宠物活动记录，请根据记录回答： 1. 当前宠物在做什么？给出置信度较高的判断。 2. 有没有异常行为？重点关注过度舔舐、长时间不变姿势、非活跃时段剧烈活动。 3. 可能的原因和给主人的建议。 注意：只基于观察记录推断，不要编造记录里没有的信息。回答不超过150字，并返回JSON格式。 观察记录： {events_text} """ resp = requests.post( f"{LLM_API_BASE}/chat/completions", headers={"Authorization": f"Bearer {LLM_API_KEY}"}, json={ "model": "deepseek-chat", "messages": [ {"role": "system", "content": "你是一个谨慎的宠物行为分析师，只在证据充分时下结论，证据不足时明确说明信息不足。"}, {"role": "user", "content": prompt} ], "temperature": 0.3, "response_format": {"type": "json_object"} }, timeout=30 ) resp.raise_for_status() content = resp.json()["choices"][0]["message"]["content"] return json.loads(content)

两点注意：一是response_format这个参数要看你实际用的API版本是否支持，不支持就去掉，只靠提示词强制输出JSON；二是temperature设低一点，行为分析场景不需要创造性，稳定性优先。

4.5 完整流程调度

最后是主循环。我用生产者消费者思路：一个线程读视频帧并做检测，另一个线程每5秒取出事件列表，调用DeepSeek。避免检测线程被API请求阻塞。

import threading import queue import time event_queue = queue.Queue() def detection_loop(): while True: ret, frame = cap.read() if not ret: break pets = detect_pets(frame) # 更新每个PetState，并通过event_queue传递 time.sleep(0.125) def analysis_loop(): while True: # 攒够5秒后取事件 events = [] for _ in range(40): # 8FPS * 5秒 try: events.append(event_queue.get(timeout=1)) except queue.Empty: break if events: events_text = "\n".join(events) report = analyze_with_llm(events_text) print(report) time.sleep(1) threading.Thread(target=detection_loop, daemon=True).start() threading.Thread(target=analysis_loop, daemon=True).start()

当然这只是最简版本。实际我还加了事件去重逻辑，比如同一只猫连续5秒都在“静止”，就不要重复打印报告。这部分属于工程打磨，先不展开。

5. 实测效果与踩过的坑：检测容易，理解很难

5.1 宠物检测的边界情况

理论很丰满，实测很骨感。先说说YOLO检测模型在真实家庭环境里的几个坑。

黑色宠物漏检率偏高。我家的奶牛猫黑白相间，YOLO经常把它当成背景。后来我分析原因，黑色毛发在暗光下对比度极低，模型特征提取不出来。解决办法是补一个补光灯，或者把检测置信度阈值从默认0.25调到0.15。阈值调低会引入误检，但宠物场景里误检成“猫”的通常只有玩偶、抱枕，危害不大，漏检才是大问题。

幼猫和多宠重叠。两只猫叠在一起睡时，YOLO只会画一个框，跟踪ID只剩一个。这没法靠调参解决，只能用更细的检测模型，或者用分割模型。我后续打算接入SAM做实例分割，但CPU跑不动，属于低优先级。

猫狗之外的“闯入者”。如果你家有猫也有狗，COCO类别都能识别。但如果窗外来了只鸟，YOLO会检测到bird，我的代码里classes过滤后直接忽略。后来我发现鸟类出现时猫会异常兴奋，于是把只检测猫狗改成了全类别检测，但只把猫狗加入跟踪，其他类别作为“环境事件”存下来。DeepSeek结合“窗外有鸟+猫在窗边剧烈活动”能给出更完整的解释。

5.2 行为语义的误判场景

这是我最想分享的坑。DeepSeek只靠文本事件做推理，有时候会闹出笑话。

第一次实测时，猫在水碗边站了很久。我的特征序列显示它在“水盆区域”停留9分钟，速度很慢。DeepSeek自信地输出：“猫咪可能脱水，建议尽快补充水分并观察排尿。”实际上，我家猫那段时间在玩水龙头滴下来的水珠，头低着但前爪在拨弄。它根本不渴。

这个问题的根源在于：区域停留时长和“喝”的行为并不能划等号。后来我在特征序列里加入了“头部位置”的描述：YOLO边界框的上半部分与中心点相对位移。当猫低头时，边界框中心会偏低。但这还不够，因为玩水和喝水时头部都在水盆上方。

解决思路是“多证据投票”。我增加了两个信息来源：

• 时间模式：饮水通常比较连续，中间无明显移动；玩水则伴随前爪频繁抬起。由于没有关键点模型，我用速度波动率近似：玩水时速度频繁从0突跳到中速。
• 声音传感器：后来我加了一个便宜的麦克风阵列模块，用能量阈值检测“吧嗒吧嗒”的舔水声。声音加上视觉特征一起送入DeepSeek，误判率大幅下降。

但这也说明，纯视觉方案在细粒度行为识别上确实有天花板。关键点模型（比如YOLOv8-pose）能给出爪子和头部关键点，对“喝水vs玩水”会更有帮助，代价是算力需求更高。

5.3 成本与延迟的平衡

DeepSeek API很便宜，但也不能每5秒就调用一次。一次请求几百token，一天下来也是几十万token，虽不至于破产，但没必要。

我后来做了两层策略。第一层是本地短时规则：连续10秒速度低于阈值且ROI不变，认为是静止，不调用LLM。第二层对特殊时段做事件触发：凌晨1点到5点之间出现剧烈活动，或食盆区域超过15分钟无猫靠近，说明可能异常，这时候才调用LLM生成告警。

调用延迟也要考虑。DeepSeek API单次请求在1~3秒之间，如果卡在分析线程里，后续事件会堆积。我用队列削峰，一旦积压超过一定量就丢弃最老的次要事件，只保留最新20条。毕竟宠物行为分析不需要100%完整性，实时性更重要。

6. 多宠家庭、夜视场景和更多扩展方向

6.1 多宠物个体识别：从“有猫”到“是哪只猫”

目前的方案只能告诉你“画面里有猫”，但不能区分哪只是一号猫、哪只是二号猫。在多宠家庭，这远远不够。

最可行的个体识别方案是训练一个分类头，用每只宠物脖子上的项圈颜色、花纹特征做嵌入向量。具体做法是：用YOLO裁出宠物区域，经过一个轻量特征提取网络得到128维特征向量，再与已知个体特征库做余弦相似度匹配。

我试过最简替代方案：不训练模型，直接利用YOLO边界框的颜色直方图。先把家里每只猫的毛色主色调存下来，检测到未知框时计算HSV直方图相似度。这个方案对毛色差异大的猫有效，比如黑白奶牛猫和橘猫区分得很准，但对两只都是橘猫的情况就无能为力了。要严谨还是得训练一个ReID小模型，稍后我也会做。

6.2 夜视场景与隐私保护

宠物大多夜间活跃，暗光下的检测会把家里变成“幽灵模式”。我的方案是给摄像头加红外补光，但YOLO输入的是RGB三通道图像，红外画面在CV里实际上是灰度图。如果直接输入，模型可能完全失效。

简单粗暴的办法：把红外帧从单通道复制成三通道再喂给YOLO，同时给DeepSeek的提示词里注明“画面为红外灰度”。实测YOLO对这样“伪RGB”的检测效果会下降，但不至于完全崩。更稳的是用OpenCV做轻度自适应直方图均衡化，提升暗部对比度后再推理。

隐私这块，我坚持让DeepSeek只看文本特征不看原始画面。所有原始视频帧只在本地处理，不落盘、不上云。如果你需要远程查看，建议推流时叠加马赛克，或者干脆在特征文本里隐去具体坐标，只留ROI名。从合规角度讲，家庭视频属于敏感个人信息，本地化处理是最稳妥的。

6.3 从“分析”到“行动”：智能设备联动

行为分析最迷人的地方不只是生成报告，而是能和设备联动形成闭环。举个例子：DeepSeek判断猫咪在猫抓板上频繁磨爪，可能有压力，系统会自动把客厅的智能音箱音量调低，并开启猫抓板上方的逗猫棒旋转模式。

我做了一个简单的联动规则引擎：分析报告里如果abnormal=true，就向本地MQTT broker发一条消息。智能插座和智能摄像头订阅对应topic。比如检测到“非活跃时段剧烈活动”，系统会点亮走廊夜灯；检测到“可能呕吐前兆”，会自动打开摄像头录制并推送手机。

真要做到这种程度，最关键的不是AI模型，而是把判断结果标准化。建议在DeepSeek的输出JSON里固定几个字段：behavior_type、abnormal、urgency、suggestion_action。后续规则引擎直接根据这几个字段做映射。如果输出是自由文本，后面写联动逻辑会非常痛苦。

最后再分享一个我实测后学到的经验：这套系统不要一开始就追求“全知全能”。我先只做了“检测+定时报告”，跑了一周，确认数据没崩，再逐步加DeepSeek分析、加异常告警。很多功能听起来很顺手，实际接进来却是一堆边缘情况。先跑通最小闭环，把基础数据管道打扎实，后面加功能才不会返工。养宠物是个长生意，做宠物AI系统也一样，踏实迭代比炫技重要得多。