日常语言提示
用一句话描述要关注的内容。随时更换问题，无需重新训练模型。
- 实时分析网络摄像头和 IP 摄像头画面
- 日常语言提示，无需训练模型
- 视频绝不离开您的场所
01挑战
摄像头记录一切，却几乎没人在看。
工厂、仓库和门店早已装有摄像头，但录像往往在出事后才被调看。传统计算机视觉每个问题都需要一个定制模型。视觉语言模型能理解用日常语言描述的场景，一套系统即可实时回答众多运营问题。
02功能
它能做什么。
实时摄像头视频流
通过 WebRTC 接入浏览器摄像头，通过 RTSP 接入 IP 摄像头，持续向模型输送画面。
在您的设备上运行
开放视觉语言模型在本地运行，视频和结果都留在现场。
实时响应
观察结果在数秒内回传，并同步显示延迟和 GPU 利用率。
结构化事件
发现的情况可记录下来、按班次汇总，并推送至看板或告警。
人工复核
观察结果是供主管复核的参考指标，而非针对个人的自动化决策。
03工作原理
从提问到答案，全部在您的围墙之内。
采用 NVIDIA Live VLM WebUI（一款面向视觉语言模型的开源实时界面），开放模型在设备上运行。Logic Sonata 在此基础上提供摄像头集成、提示设计、事件记录、看板和治理。
- 01摄像头网络摄像头或 IP 摄像头（RTSP）
- 02画面采样持续进行，全在现场
- 03视觉语言模型在设备上运行
- 04观察结果结构化事件
- 05主管看板与告警
- 01
接入摄像头
添加网络摄像头或现有 IP 摄像头。大多数场所无需新增摄像头硬件。
- 02
描述关注重点
编写提示，例如“4 号工位的操作员是在工作、等待还是离岗？”
- 03
现场实时分析
设备持续采样画面，由视觉语言模型解读每个场景。
- 04
根据发现采取行动
主管可查看实时观察结果和班次汇总，并在约定事件发生时收到告警。
- 05
持续优化与扩展
随着团队摸清哪些信息有用，调整提示、增加摄像头和新问题。
04工时与动作分析，用日常语言完成
直接问产线发生了什么。
无需为每个问题训练一个模型，主管只需描述自己关心的内容。模型持续作答，结果汇总成班次报告。
提示
4 号工位的操作员是在缝纫、等待来料，还是离开了工位？
提示
3 号和 4 号工位之间是否有裁片堆积？请描述排队情况。
提示
标示的叉车通道内是否有人未穿高可见度反光背心？
提示
22:00 之后，报告装卸区门口附近出现的任何人员或车辆。
05应用场景
最先见效的地方。
产线工时与动作分析
识别闲置工位、待料和多余动作，以平衡产线、消除瓶颈。
质量抽检
多一双眼睛，发现污渍、跳线或色差等可见瑕疵。
安全与个人防护装备
标记未戴安全帽或未穿反光背心、通道堵塞，以及人员过于靠近运转设备等情况。
安保监控
下班后的活动、在限制区域门口徘徊、无人看管的物品，都用日常语言描述出来。
仓储与物流
按班次掌握装卸位占用、装货进度和不安全的托盘堆放。
零售运营
排队长度、空货架和试衣间等候情况，让员工去到最需要的地方。
06安全与治理
管控能力内置，而非事后补装。
每套 Logic Sonata 系统都运行在您掌控的硬件上，访问、审计和数据边界从一开始就纳入设计。
- 视频和结果仅在现场处理与存储
- 保留期限可配置，默认不保留任何录像
- 聚焦流程与安全，而非对个人打分
- 实时画面和历史记录的访问按角色限制
- 部署指引符合当地数据保护法律
- 建议上线前设置告示牌并征询员工意见
07常见问题
关于 PAI-VISION 的问题。
我们需要购买新摄像头吗？
通常不需要。网络摄像头和大多数提供 RTSP 视频流的 IP 摄像头都可以接入。我们会在评估阶段检查您的摄像头。
这算是员工监控吗？
该系统旨在改善流程、安全和安保。我们建议提示聚焦于工位和事件而非个人，事先告知员工，并遵守当地数据保护法律。发现的情况仅供人工复核。
准确度如何？
视觉语言模型擅长描述场景，但也可能出错，因此观察结果被视为参考指标。我们会在试点期间优化提示和摄像头位置，并对照真实录像衡量准确度。
08Logic Sonata 更多产品
其他私有 AI 系统。
私有知识助手
一款受治理的智能助手，依据您的 SOP、规格、政策和报告回答问题。每个答案都注明出处，每位用户只能看到其角色允许的内容。
私有编程助手
代码补全、理解代码仓库的对话、代码审查和智能体编程，直接在开发人员惯用的工具中使用，由您自有硬件上的开放编程模型驱动。
私有 AI 智能体平台
基于 Hermes Agent 或 OpenClaw 构建的自托管 AI 智能体，可在您的各类工具中调研、撰写和执行任务，运行于沙箱内的私有模型之上，任何关键操作都需经过审批。
私有图像生成工作室
基于 ComfyUI 构建、即装即用的图像生成工作室，预装精选模型和模板，设计师创作印花、概念图和营销视觉时，作品无需离开公司。