在基于摄像头的 AI 项目中，首要问题是：事件发生时，人应该据此采取什么不同的行动？如果识别结果没有对应的有效处置，它可能只是又一条被忽略的通知。应从运营决策倒推摄像头视野、网络，再到计算设备。
下文以受控现场中的一项明确视觉事件为规划示例。这是方法说明，并非 CNPS 已完成的安装项目，也不构成识别效果承诺。
1. 同时定义事件与处置方式
用可以观察的条件描述事件，说明对象、位置、时间及例外情况。随后明确谁接收结果，以及期望采取什么行动。如果工作人员无法区分需要处理的告警和日常活动，应先改进任务定义，再比较硬件。
记录每类错误带来的成本。误报增加复核工作；漏报可能让原问题继续存在。这些后果决定评估必须揭示什么。不要把所有错误压缩成一个看起来方便的准确率数字。
2. 选择算力前先勘查场景
现场需求应让工程师理解摄像头实际能看见什么。记录有代表性的观察距离、光线变化、移动、遮挡及相关天气暴露条件。列明摄像头型号、镜头、接口和拟安装位置，不要假设所有现有摄像头可以互换。
| 勘查范围 | 需要记录的信息 |
|---|---|
| 视觉任务 | 目标事件、日常活动及排除范围 |
| 摄像头视野 | 位置、距离、镜头、分辨率及帧率 |
| 环境 | 光线、温度、天气、振动及遮挡 |
| 基础设施 | 电源、网络、安装方式、外壳及现场访问 |
| 数据 | 已授权影像、访问、存储及保留要求 |
| 运营 | 告警接收者、复核流程及恢复负责人 |
使用有权处理的代表性影像。首次询价时，不含敏感信息的现场说明和简易布局图，可能比上传运营视频更适合。
3. 约定可以复现的测试
定义真实结果的判定方式：由谁依据什么证据确认事件发生？固定测试条件，记录配置、软件版本和模型设置。加入没有目标事件的普通时段，因为团队同样需要了解误报告警造成的工作量。
分别统计误报和漏报。测量从事件发生，到告警实际送达负责人的时间。模型内部处理耗时，不能代表采集、缓冲、联网和分发环节的延迟。应记录影响实际决策的完整路径。
4. 测试那些不显眼的故障情况
评估应包含持续运行，以及有计划的断电、断网、存储不可用和重启演练。确认系统能力下降时，操作人员能看见什么。如果业务需要区分设备失联和现场没有事件，系统就不应把两者表现成一样的状态。
询问谁能远程诊断故障，哪些问题必须到现场处理。记录恢复步骤和预期责任。这些检查属于合理的评估范围，并不意味着某款产品已具备全部监控与恢复功能。
5. 比较完整安装系统
物料清单应涵盖摄像头、镜头、计算设备、存储、外壳、线缆、电源和安装件。商务比较还应加入安装、数据准备、配置、操作培训和维护。设备价格只是运行系统的一部分。
考虑下一个现场会发生哪些变化。不同的拍摄角度、本地网络或光照模式，可能需要重新配置或评估。把可复用的工程工作与特定现场工作分开，让推广预算中的假设清晰可见。
6. 带着能支持决策的需求来沟通
有效的需求说明应包含目的地、现场及摄像头数量、事件定义、环境条件、现有基础设施和本地运营负责人。附上拟议测试，并列出哪些未知信息会影响可靠报价。明确写出的未知项，比未说明的假设更容易解决。
从边缘 AI 现场勘查表和英文页UAE/KSA edge AI site readiness开始，再与 CNPS 讨论范围明确的现场评估。首个现场定义得越清楚，越容易讨论硬件、集成责任，以及扩大部署前所需的证据。
