养龙虾🦞(openclaw)的过程1

最近养了几窝龙虾 OpenClaw,深有感悟。
起初只是在 VPS 主机上养了一只,试试水。然后觉得不过瘾,家里的硬件微服务器上又养了一只,笔记本上也没闲着——WSL 虚拟机里一只,Windows 本体上再来一只。就这样,一只变一窝,一窝连一窝,VPS 上的单只扩成了多 agent 的一窝,微服务器上的跟着升级,笔记本 WSL 里的也组了队,最近又新部署了另一台 VPS,顺手又养了一窝。前前后后掰着手指头算,20 多只小小龙虾了。整个过程,既扎心又兴奋——扎心的是踩坑无数,兴奋的是每打通一个环节都像开了盲盒。
随着使用场景越来越具体,我也慢慢摸索出了几条不同的工作闭环。有拿 OpenClaw + Obsidian 搭起来的安排-记录-复盘系统(总分总结构),也有围绕文本创作和润色建起来的知识库体系等等,各有各的用法,各有各的舒适。
最近让我比较兴奋的一个实践,是用 OpenClaw 龙虾 + YOLO 目标检测模型 + Discord 搭了一套在线图片检测系统。

eb957fbe96dd2aa3dcc4045deca29582

0eb4c221d78ea3e4202d95ffd376b867

b8e2cf7fb72a539992b8d5680d5353f9

 

整体流程已经跑通:在 Discord 的 channel 频道里直接丢进去一张小朋友的图片,顺手说一下想检测什么,稍等片刻,检测结果和标注好的图片就直接反馈回来了。用起来比想象中顺滑,算是把龙虾和 YOLO 的整条链路给打通了。

 

后续计划把它升级成实时行为检测系统——让 OpenClaw 隔时抽检、统一指挥 YOLO 做实时检测,7×24 小时盯着场景或者流水线,一旦发现异常立即报警,顺便自动生成日报。

 

应用场景里,我最想落地的一个是监测小朋友的日常行为:通过摄像头实时采集画面,针对常见的”异常行为”去训练模型,结合 YOLO 目标检测、目标跟踪、人脸识别、姿态识别等手段,监测那些让人头疼的场景——比如作业写着写着人就溜号了,或者有什么危险性动作——发现苗头就报警,反馈推送到微信、飞书、企业微信,随时随地都能收到消息。

 

有福的小朋友,她妈妈(或者她老爸)养了一群龙虾,专门给她配了只龙虾小伙伴。😄

 


 

谢谢你读我的文章。

如果觉得不错,随手点个赞、在看、转发三连吧🙂

如果想第一时间收到推送,也可以给我个星标 ⭐~谢谢你看我的文章。

© 版权声明
THE END
喜欢就支持一下吧
点赞8 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容