程序員養龜有多離譜？我讓 Claude Code 每天給我發烏龜行為報告

編注：我們會不定期挑選 Matrix 的優質文章，展示來自用戶的最真實的體驗和觀點。 文章代表作者個人觀點，少數派僅對標題和排版略作修改。

▍背景

最近對養龜產生了興趣，家里陸續來了 6 只：草龜、地圖龜、西非側頸龜、三只黃喉擬水龜。龜缸上裝了 TP-Link 攝像頭，群暉 NAS 跑著 Surveillance Station 24 小時錄像，水溫傳感器和加熱棒也配齊了。

東西都有，但用起來全是分散的。看溫度一個 APP，看攝像頭另一個，加熱棒手動開關。錄了幾百 GB 的視頻從來沒人翻。

剛好最近一直在用 Claude Code 折騰家里的 Home Assistant，上周才用它逆向了空氣凈化器的 API。這次想試試，純靠對話，能把養龜這件事做到什么程度。

▍現在是什么樣的

打開手機 HA，龜缸的東西全在一個頁面里，攝像頭畫面、烏龜活動狀態、加熱棒功率和用電量、水溫濕度趨勢。溫度異常會聊天軟件推送。

每半小時還會收到一段精華視頻和一段 AI 寫的行為分析：

整個過程我沒寫一行代碼。儀表盤、自動化、監控腳本、視頻處理、AI 分析，都是和 Claude Code 聊出來的。

▍HA 儀表盤和自動化

跟 Claude Code 說的第一句話大概是「把烏龜攝像頭加到 HA 儀表盤上」。

然后就是不停地提需求：

「加熱棒的功率和用電量也顯示出來」 「水溫做個儀表盤，標出適宜溫度區間」 「加個 24 小時和 7 天的水溫趨勢圖」 「溫度太低或太高給我發消息」

它每次直接改 HA 的配置文件和儀表盤數據，改完重啟，我刷新手機看效果。不滿意繼續說，滿意就下一個。跟一個懂 HA 的人聊天沒什么區別，我不用管 YAML 怎么寫、automation 怎么配。

左：加熱棒 7 天功率、水溫濕度儀表盤；右：24 小時水溫濕度趨勢，帶溫區標注

水溫趨勢圖標了過冷/偏冷/適宜/偏熱/過熱的區間。加熱棒功率曲線能看出工作規律，比如圖上 4 月 7 號之前加熱棒是關著的，之后才開始工作。

自動化跑了溫度過高和過低兩條告警。溫度異常聊天軟件幾分鐘就能收到。

▍AI 活動監測

儀表盤能看數據了，但龜在干嘛，水溫曲線看不出來。

我問 Claude Code 能不能做個活動監測。它的方案：每 5 分鐘從 SS 錄像里抽幀對比，檢測畫面變化判斷龜有沒有在動。處理放在家里閑置的 Mac 16"（M1 Max 64GB）上，NAS 只管存錄像。

▍抓幀對比

錄像在 NAS，Mac 通過 SSH 讀取。一開始傳整個 100MB 的 mp4，12 秒。后來只傳文件頭 5MB（mp4 的 moov atom 在文件頭，夠解碼出幀），降到 2 秒。

NAS 錄像 → ssh head -c 5MB → OpenCV 讀幀 → 灰度+高斯模糊 → 像素差值

變化超 2% 就算「活躍」，結果推到 HA sensor。

▍精華視頻

「有活動時直接發視頻給我」

Claude Code 做了每 30 分鐘的精華視頻。檢測到活躍的時間點，從對應錄像截取片段拼在一起。

一個細節：一開始用 OpenCV 逐幀重編碼，25 秒出一個片段，畫質還糊。后來裝了 ffmpeg 用-c:v copy直接裁切，2 秒搞定，1080p 原始畫質。工具選對了差十倍。

▍本地大模型看龜

精華視頻解決了「看什么」。但我還想知道每只龜在干嘛。

我問有什么辦法識別不同的烏龜。Claude Code 列了幾種：OpenCV 顏色輪廓檢測、YOLO、深度學習個體識別、Vision LLM。6 只龜品種差異大，草龜最小深色、地圖龜最大有花紋、西非側頸脖子側扁、小青體型差不多，直接用視覺大模型就行，不用訓練。

試了 Gemini API 配額不夠。我說能不能跑本地的。最后用 Ollama 跑 Gemma 4（8B Q4 量化），M1 Max 64GB 沒什么壓力。

分析分兩步。先逐幀：從 30 分鐘錄像均勻抽 30 幀，每幀單獨讓 Gemma 描述看到了什么。再匯總：30 條描述拼一起，讓 Gemma 總結這半小時。

prompt 改了好幾輪。一開始讓它「分析哪只最活躍哪只最安靜」，輸出很八股。我說不關心這個，改成「像朋友聊天一樣說說」，輸出就對味了。

攝像頭視角。右上角是曬背臺，中間紅蘑菇是裝飾。能看到龜在曬背臺上疊羅漢，它們特別愛干這個。

▍架構

HA 管數據采集、展示、告警。Mac 管視頻處理和 AI 推理。兩邊通過 HA REST API 連起來。launchd 定時跑，開機自啟。

▍關于沒寫代碼

系統里有 Python 腳本（OpenCV 圖像對比、ffmpeg 調用、Ollama API、Telegram 通知）、HA 的 YAML 配置（sensor、automation、lovelace dashboard）、launchd 定時任務，代碼量不算少。

但我確實一行都沒手寫。

每一步都是對話完成的。我說「把攝像頭加到儀表盤」，它改 lovelace JSON。說「溫度告警發聊天軟件」，它寫 automation YAML。說「用本地模型分析龜缸畫面」，它裝 Ollama、拉模型、寫腳本、配定時任務。

我干的事更像是產品經理：說需求、看效果、給反饋。

不是說技術不重要了。這套系統里有不少技術判斷，比如只傳 mp4 頭部 5MB 而不是整個文件、用 ffmpeg stream copy 而不是重編碼、逐幀分析再匯總而不是多圖一起扔給模型。只是這些判斷現在 AI 也能做。

▍成本

幾乎為零。硬件家里都有，軟件全開源，AI 推理跑本地。Mac 每月多費大概 3 塊錢電。

養龜是個慢節奏的事。但每天翻翻聊天軟件的報告，看看誰又霸占了曬背臺、誰偷偷換了個位置，比蹲在缸前看半天有意思多了。

https://sspai.com/post/108453?utm_source=wechat&utm_medium=social

作者：葉水水