最近AiPy很火，我用了有一段时间了，感觉严重影响睡眠，感觉这东西容易上瘾，今天推荐给大家。
AiPy它是基于AI+Python，官方的说法是他们给大模型装上了手脚，也就是说，用大白话就能自动操作电脑、控制手机、甚至连家里的智能灯泡也能控制，听起来有点逆天。然后AiPy是个开源项目，有命令行版和客户端。
「开源地址」：https://github.com/knownsec/aipyapp
而今天，我来给大家分享一个我最近刚刚用AiPy跑过的案例。起因是，朋友是某个公司保安，平时经常有人来找他查公司监控，东西丢了要查监控，考勤迟到早退也要查，但是视频又很长，每次翻来翻去，很费时，简直烦死了，于是找我帮忙，然后我就要来视频，用AiPy来尝试帮他提高效率。
下面，我来分享一下思路、代码和实践经验，希望能帮到有需要的朋友们，有同样场景的可以拿去直接用。
一、工具和提示词准备
1. 下载安装
在AiPy官网（https://www.aipyaipy.com/）免费下载，为了方便大家快速上手，我用客户端版，支持 Windows 和 macOS，喜欢命令行的朋友也可以选 CLI版本，用
复制pip install aipyapp
安装，下载好后，界面长这样：
2. 写提示词
根据官方介绍，AiPy是一个融合了LLM能力与Python程序和生态的智能体，我只需要把需求讲清楚告诉 AiPy 就行。
根据自己的需求，我写出提示词如下：
当前目录有一个daka文件夹，需要你帮忙写一个脚本名称为daka.py，可以识别daka文件夹内部的视频，每当有人经过的时候就能截图保存到dakajietu文件夹中，识别过程要避免重复。
二、AiPy自动拆解任务与编写代码
AiPy自动把任务拆成几步：
- 步骤1：检查并创建必要的文件夹结构
- 步骤2：遍历daka文件夹获取视频文件列表
- 步骤3：初始化人体检测器
- 步骤4：处理每个视频文件，检测人体并截图
- 步骤5：实现截图间隔控制
制定完成计划后，AiPy就开始编写代码了，部分代码展示如下：
复制import os
import cv2
import time
from datetime import datetime
# 支持的视频格式
SUPPORTED_VIDEO_FORMATS = ('.mp4', '.avi', '.mov', '.mkv', '.flv', '.wmv')
def init_folders():
# 确保daka文件夹存在
ifnot os.path.exists('daka'):
os.makedirs('daka')
print("已创建daka文件夹，请将视频文件放入其中")
# 确保截图文件夹存在
ifnot os.path.exists('dakajietu'):
os.makedirs('dakajietu')
print("已创建dakajietu文件夹用于保存截图")
def get_video_files():
"""获取daka文件夹中的所有视频文件"""
video_files = []
for file in os.listdir('daka'):
if file.lower().endswith(SUPPORTED_VIDEO_FORMATS):
video_files.append(os.path.join('daka', file))
return video_files
def process_video(video_path, last_capture_time):
"""处理单个视频文件，检测人体并截图"""
# 初始化人体检测器
hog = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
cap = cv2.VideoCapture(video_path)
ifnot cap.isOpened():
print(f"无法打开视频文件: {video_path}")
return last_capture_time
print(f"开始处理视频: {os.path.basename(video_path)}")
while cap.isOpened():
ret, frame = cap.read()
ifnot ret:
break
# 调整帧大小以提高处理速度
frame = cv2.resize(frame, (640, 360))
# 检测人体
boxes, _ = hog.detectMultiScale(frame, winStride=(4, 4), padding=(8, 8), scale=1.05)
# 如果检测到人体且满足时间间隔
current_time = time.time()
if len(boxes) > 0and (current_time - last_capture_time) >= 5:
# 保存截图
timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
filename = f"dakajietu/{timestamp}.jpg"
cv2.imwrite(filename, frame)
print(f"检测到人体，已保存截图: {filename}")
last_capture_time = current_time
# 按q键可提前退出
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
return last_capture_time
def main():
init_folders()
video_files = get_video_files()
ifnot video_files:
print("daka文件夹中没有找到视频文件，请添加视频文件后再运行")
return
print(f"找到 {len(video_files)} 个视频文件:")
for video in video_files:
print(f"- {os.path.basename(video)}")
# 初始化最后截图时间
last_capture_time = 0
# 处理每个视频文件
for video_file in video_files:
last_capture_time = process_video(video_file, last_capture_time)
if __name__ == "__main__":
main()三、自动优化及修复
跑第一次时，因为环境不支持GUI操作，所以进行到步骤4的时候出现bug。
基于错误反馈，AiPy自动移除了对cv2.waitKey()的依赖，同时还优化了代码结构，提高检测准确性并添加更多错误处理。
主要改进点：
- 移除了cv2.waitKey()调用，解决了GUI错误
- 添加了异常处理，提高程序健壮性
- 优化了人体检测参数，平衡性能与准确性
- 添加了帧跳过机制，提高处理速度
- 增加了更详细的处理日志
四、最终版本
实际效果完全超出预期！我在提示词里提到的功能全都稳稳实现，连那些没细讲的部分，AiPy都能靠智能算法自动优化配置，像搭积木一样把功能模块完美拼在一起！
五、效果展示
下面是首次运行提取的视频人物截图。
六、一劳永逸的可反复执行脚本
1. 确定脚本的保存路径
如果没有特别指定，所以生成的文件都是保存在AiPy的工作目录，比如：C:\Users\Administrator\.aipyapp\work
2. 再次执行
我先把文件内的视频换成所需要识别的其他视频。
然后在终端打开工作文件夹，点击python daka.py运行即可。
依靠AiPy编写的脚本，我成功搞定了监控视频的自动监察功能，让查找关键画面变得轻松又高效。
七、解锁更多使用体验
最近，我也看了不少AiPy官方和网友分享的案例，发现只要是能用Python自动调度完成的任务，基本都能交给AiPy搞定。
其实原理也很简单：AiPy 本质上就是把大模型的语言理解能力和Python的编程能力结合起来，通过生成、调试、执行Python代码，把任务跑通。借助Python强大的生态，AiPy能高效搞定本地文件处理、应用控制、数据分析、物联网联动等多种任务。
