讓 AI 看攝影機畫面：完整自動化、算得出來的成本、量得到的用量

charles

這篇的內容（18 段）

1. 做完這篇你會有什麼
2. 1-1 找出攝影機的實體 ID
3. 1-2 確認畫面拿得到
4. 常見的失敗
5. 3-1 先描述場景，再問問題
6. 3-3 `description` 寫得越具體越穩
7. 4-1 為什麼不要用定時
8. 4-2 你需要一個動態偵測的實體
9. 4-3 整份貼進去
10. 4-5 冷卻那一段為什麼這樣寫
11. 4-7 驗證
12. 5-1 一張圖等於幾個 token
13. 5-3 一個月是多少
14. 5-4 去供應商後台設每月上限
15. 6-2 每個月一號歸零
16. 6-3 放上儀表板
17. 6-4 換算成錢
18. 8-3 一個安全的形狀長這樣

傳統的動態偵測分不出是人、是貓、還是樹葉在動。把畫面丟給 AI 問「這是什麼」，準確度差很多。

Home Assistant 的 AI Task 可以直接吃攝影機畫面，不用裝額外的東西。

但這件事是會花錢的，而且是這個系列裡唯一一個「設定錯了會在月底變成一張帳單」的題目。所以這篇除了教你做出來，也教你在做出來之前就算得出它要花多少，以及做出來之後在 HA 裡直接看到自己實際用了多少。



做完這篇你會有什麼

• 一個「門口有動靜才問 AI」的自動化，帶五分鐘冷卻，不會無限觸發
  
• 一顆記錄「這個月呼叫了幾次」的計數器，看得到自己在花多少
  
• 一個算式：把你家攝影機的解析度代進去，就知道一次呼叫是幾個 token
  
• 知道為什麼這個自動化只發通知、不去開門鎖
  

---

步驟 1：確認 HA 拿得到這支攝影機的畫面

先確認這一步，不然後面所有的失敗你都會怪到 AI 頭上。

1-1 找出攝影機的實體 ID

設定 → 工具 → 狀態（2026.8 起「開發者工具」改名叫工具，而且搬進了「設定」底下；按 Ctrl+K 搜尋最快），篩選欄打 `camera.`。

你會看到一串 `camera.` 開頭的實體。記下你要用的那一個，例如 `camera.front_door`。

⚠ 實體 ID 一律看這一欄，不要照抄中文名字。 攝影機取名叫「門口」的話，HA 產生的實體 ID 會是音譯的 `camera.men_kou`，寫 `camera.門口` 會指到一個不存在的實體，而且不會報錯，只會安靜地失敗。

1-2 確認畫面拿得到

左側選單 → 媒體 → 攝影機 → 點你的攝影機。

你會看到一張當下的畫面。

• 一片黑或是轉圈圈 → 攝影機整合本身有問題，先修好那個。AI 這一段還輪不到
  
• 媒體裡完全沒有「攝影機」這一項 → 你的攝影機整合沒有提供媒體來源。這種情況下面的 `media-source://camera/` 會取不到東西
  

---

步驟 2：手動問一次（不要直接寫進自動化）

設定 → 工具 → 執行動作，右上角切到 YAML 模式：

1. action: ai_task.generate_data
2. data:
3.   task_name: front door check
4.   instructions: >-
5.     這是我家門口的攝影機畫面。
6.     用繁體中文描述你看到什麼，兩句話以內。
7.   attachments:
8.     media_content_id: media-source://camera/camera.front_door
9.     media_content_type: image/jpeg
10. response_variable: vision

複製代碼

按執行動作。

你會看到：

1. data: 門口沒有人，地上放著一個咖啡色的紙箱，靠牆的地方有一盆植物。
2. conversation_id: 01JB7X9K4M2N5P8QR3TVWXYZ12

複製代碼

`media_content_id` 的格式是固定的：`media-source://camera/` 加上攝影機的實體 ID，中間不要有空白。

常見的失敗

• 「這個實體不支援附件」 → 你的 AI Task 實體或選的模型不會看圖。到整合的設定裡換一個支援視覺的模型
  
• 「找不到媒體來源」 → 實體 ID 打錯，或是這支攝影機沒有媒體來源（回步驟 1-2）
  
• 「沒有偏好的 AI 任務實體」 → 你還沒有 AI Task 實體。到設定 → 裝置與服務，在你的 AI 整合上按新增子項目 → 選 AI Task，然後到設定 → 系統 → AI 任務把它設成預設
  
• AI 描述的畫面跟現在不一樣 → 它拿到的是快取的舊快照。先到媒體瀏覽器看一次當下的畫面比對
  

這一步過了，後面才有意義。

---

步驟 3：把問題問對（三個訣竅）

同一張畫面，問法不同準確度差很多。

3-1 先描述場景，再問問題

• 差：「有包裹嗎？」
  
• 好：「這是我家門口的地墊附近。畫面裡有沒有紙箱、塑膠袋或快遞包裹？」
  

模型看到的是一張沒有上下文的圖。先告訴它這是什麼地方、該注意哪裡，它才知道要看哪。

3-2 用 `structure` 限制答案的形式

不要問開放式問題然後自己去解析「是的，有一個包裹」這種句子 —— 下一次它會講成別的樣子。

以下還有約 80% 的內容
登入後即可閱讀完整教學

登入繼續閱讀使用 Google 登入