Codex手搓监控AI分析器，400个视频定位凌晨3点戴帽人

朋友家里被盗了，去物业调监控，总共400多个视频文件，累计20多个小时的录像。这要人眼看，不得看到猴年马月？ 我直接用Codex手搓了一个监控视频AI分析器，整个流程全自动： 先把视频丢进去，自动抽帧转图片。然后用ffmpeg把那些静态画面（比如一直对着空走廊的）全过滤掉，只保留有变化的片段。最后把筛选出来的画面拼成16宫格，扔给GPT-5.6-Luna去分析。 为什么选GPT-5.6-Luna？便宜啊。这种批量分析的任务，用贵的模型跑几个小时钱包受不了。Luna价格低，干这种活正合适。 跑了大概三四个小时，直接定位到了关键画面——凌晨3点有个戴帽子的人在楼道里晃悠。拿着这个截图去报警，效率拉满。 整个工具没考虑UI，纯命令行能用就行。但说实话，这种场景下美观不重要，能快速出结果才是王道。 以前觉得AI只能写写代码聊聊天，这次是真的用它解决了一个现实问题。400个视频要是靠人看，至少得两三天，还容易漏掉关键帧。AI几分钟扫完一轮，该过滤的过滤，该标注的标注。 有类似需求的可以参考这个思路，不一定非要用GPT，本地的视觉模型也能干这事。关键是抽帧+过滤+分析这套流程，框架搭好了换模型很容易。