为方便用户快速体验大模型边缘计算盒产品能力，我们提供远程测试访问方式。用户可通过以下三种数据源接入系统进行算法验证：

• 上传本地视频文件
• 公网视频流（如萤石云 RTSP）
• 国标协议（GB28181 ）摄像头接入

1. 注意事项（重要！！！）

• 访问系统页面的电脑基本要求：≥ WIN11、≥ I5 CPU、必须使用Chrome浏览器新版本（版本号≥138）！
• 远程访问，受限于访问人数和公有云带宽，可能会有卡顿或实时画面播放不出来的情况！
• 由于软件支持自定义LOGO、标题等，测试用户会做修改，可能每次登陆会有显示差异！
• 上传的视频文件时长≥ 1 分钟！，视频文件＜ 200 MB！

2. 上传数据源

2.1 如何上传视频文件

1. 在【视频接入】->【视频文件】点击【添加】按钮，并上传mp4格式的视频文件。
2. 上传完成之后，点击【接入】之后并【保存】。
3. 配置对应的算法测试算法效果

2.2 使用公网视频流

以萤石云为例：

1. 在【视频接入】->【视频流】中填写描述以及公网视频流地址后点击【接入】并【保存】。
2. 配置对应的算法测试算法效果

2.3 使用国标（GB28181）接入

GB28181接入是针对相对专业人员进行的配置，适用于专业视频监控场景，可直接接入真实摄像头实现实时分析。

摄像头配置：

​ 配置 SIP 服务器地址等信息

​ 设置设备 ID / 通道 ID

​ 启用国标协议推流

盒子接入：

复审任务

用于构建：小模型初筛 + 大模型复核 的协同分析流程。

1. 功能概述

• 进入复审任务页面，点击【大模型】-【复审任务】。
• 大模型复审任务用于对小模型产生的告警结果进行二次审核，确认告警事件是否真实成立。
• 当小模型检测到疑似告警事件后，由大模型根据用户配置的复审提示词，对告警内容进行语义理解、状态判断和逻辑确认，判断该告警是否真实成立。
• 该功能可有效降低小模型误报，提高告警结果的准确性和可信度。

2. 配置内容

创建大模型复审任务时，需要配置以下内容：

人机交互

用于上传图片并输入问题，由大模型对图片内容进行分析回答。该功能既可以用于直接提问，也可以用于辅助设计和验证实审任务提示词。

1. 功能概述

• 【人机交互】提供图片问答式的大模型分析能力。用户可上传一张图片，并输入自然语言问题，系统会结合图片内容和用户问题返回分析结果。
• 该功能适合临时性图像分析、现场问题确认、实审结果排查、提示词设计和提示词效果验证。
• 人机交互不面向长期自动运行的视频源，而是面向单张图片的即时分析。用户可以根据当前图片直接提问，快速获得大模型判断结果。

实审任务

实审任务用于创建大模型算法，用户在创建算法前，需要先理解算法类别、可视化展示和大模型思考过程三个关键配置。

1. 功能概述

• 进入实审任务页面，点击【大模型】-【实审任务】。
• 系统支持按业务场景创建不同类型的大模型算法，包括目标检测、条件识别、状态识别、目标计数、文本识别。

2. 通用配置说明

2.1 可视化展示

• 功能作用：用于控制是否输出目标检测框。
• 开启效果：返回目标位置并绘制检测框。
• 使用影响：增加推理耗时，可能影响判定稳定性。
• 使用建议：
  • 检测内容简单、目标清晰时，可开启，用于查看目标检测框。
  • 检测内容复杂、依赖动作/状态/关系/多条件判断时，建议关闭或谨慎开启。
  • 开启后模型需要同时完成结果判断和目标定位，增加推理难度，在模型能力不足或画面复杂时，可能导致结果不稳定或错误。
  • 如果需要分析误报、漏报或确认目标位置，可临时开启【可视化展示】进行排查，完成分析后再根据实际效果决定是否长期启用。

2.2 大模型思考过程

• 功能作用：用于控制是否输出思维链。
• 开启效果：输出思维链，有助于理解模型为什么命中。
• 使用影响：增加推理耗时，可能增加结果解析复杂度。
• 使用建议：
  • 开启后会增加推理耗时。
  • 对复杂语义、多条件判断、状态识别和关系识别任务，开启后有时能帮助模型更完整地分析画面，对结果有一定帮助。
  • 建议新建算法和调试阶段可先开启，效果稳定后再根据实际需要决定是否长期启用。

3. 算法类别

3.1 目标检测

用于检测画面中是否存在某一类明确目标，并可根据需要输出目标所在位置。

适用场景

适用于目标本身清晰、外观特征直接、边界相对明确的检测任务。该类别主要解决“画面中是否存在某个明确目标”的问题。

不适用场景

目标检测不适合直接用于复杂行为、复杂状态或多条件判断任务。此类任务并非不能实现，而是应优先选择【条件识别】或【状态识别】。

填写建议

创建目标检测算法时，提示词应尽量简洁，只描述需要检测的目标，不要把动作、状态或业务条件写进目标名称。

3.2 条件识别

用于判断画面中是否存在同时满足多个条件的目标。

适用场景

适用于需要同时满足多个条件才能判断目标是否命中的任务。该类别主要解决“画面中是否存在满足指定条件的目标”的问题。

不适用场景

条件识别不适合单纯目标检测、数量统计或文字读取任务。此类任务应优先选择对应的算法类别。

填写建议

创建条件识别算法时，应将判断条件逐条拆开填写，不要把多个条件压缩成一个目标名称。每个条件应尽量明确、可观察、可判断。

3.3 状态识别

用于根据业务规则判断画面中是否存在异常状态、缺失状态、占用状态或其他告警触发条件。

适用场景

适用于判断画面中是否触发某种业务状态、异常状态或告警条件的任务。该类别主要解决“当前画面是否满足某个告警规则”的问题。

不适用场景

状态识别不适合单纯检测目标、统计数量或读取文字内容。此类任务应优先选择对应的算法类别。

填写建议

创建状态识别算法时，应重点写清“什么情况算触发告警”。如果是异常状态、缺失状态或否定类判断，应明确说明满足条件和不满足条件，避免模型理解错误。

3.4 目标计数

用于统计画面中指定目标的数量。

适用场景

适用于对少量、清晰、边界明确的目标进行数量统计。该类别主要解决“画面中有多少个指定目标”的问题。

能力边界

• 目标计数适合少量目标统计。当画面中目标数量较少、目标之间遮挡较少、目标边界清晰时，统计效果相对更稳定。

• 当目标数量较多时，尤其是目标密集排列、互相遮挡、大小差异明显或背景复杂时，大模型计数结果可能不准确。

• 因此，不建议将该类别用于高密度目标的精确计数任务。

不适用场景

目标计数不适合复杂密集场景、严重遮挡场景或对数量精度要求很高的任务。

填写建议

创建目标计数算法时，应明确统计对象、统计范围和统计口径。建议配合检测区域使用，只统计指定区域内清晰可见的目标。

3.5 文本识别

用于识别画面中清晰可辨的文字内容。

适用场景

适用于识别画面中位置相对明确、内容清晰可见的文字。该类别主要解决“画面中的文字是什么”的问题。

能力边界

• 文本识别适合识别清晰、无遮挡、位置明确的文字。建议配合检测区域使用，限定需要识别的文字范围，避免模型读取无关文字。

• 当文字过小、模糊、倾斜、遮挡、反光严重，或画面中同时存在时间戳、水印、摄像头编号、背景文字等干扰内容时，识别结果可能不稳定。此类场景中，模型可能漏读、误读，甚至把无关文字当成目标文字输出。

不适用场景

文本识别不适合全图泛化 OCR、复杂文档识别或模糊文字识别任务。

填写建议

创建文本识别算法时，应明确要识别哪一块文字、文字所在位置或所属对象。建议配合检测区域使用，并说明需要忽略的干扰文字。

人机交互

用于上传图片并输入问题，由大模型对图片内容进行分析回答。该功能既可以用于直接提问，也可以用于辅助设计和验证实审任务提示词。

1. 基础功能概述

• 【人机交互】提供图片问答式的大模型分析能力。用户可上传一张图片，并输入自然语言问题，系统会结合图片内容和用户问题返回分析结果。
• 该功能适合临时性图像分析、现场问题确认、实审结果排查、提示词设计和提示词效果验证。
• 与【实审任务】不同，人机交互不面向长期自动运行的视频源，而是面向单张图片的即时分析。用户可以根据当前图片直接提问，快速获得大模型判断结果。

2. 辅助设计提示词

• 用户可上传典型样本图片，并尝试不同的提问方式，观察大模型对目标、条件和规则的理解是否符合预期。

• 对于复杂任务，可通过人机交互先验证判断逻辑，再整理成实审任务中的正式提示词。

• 例如需要创建“打电话识别”算法时，可先上传样本图片，分别询问“画面中是否有人手持手机”“手机是否靠近耳部”“是否可以判断为正在打电话”，再根据模型回答整理出更清晰的条件识别提示词。

• 对于误报或漏报样本，也可通过人机交互辅助分析原因，判断是目标不清晰、条件描述不完整、检测区域不合理，还是提示词需要补充排除条件。