用 Frigate + Home Assistant 自製 Furbo 寵物保母：本機 AI 寫貓咪日記，但分不出我的兩隻貓

作者原本差點被廣告說服買 Furbo,查完台灣官網才發現回看錄影全綁在寵物保姆訂閱裡,而且只存 AI 判斷有寵物的片段,於是改用 Frigate 加 Home Assistant 自己做:錄影回看、事件通知、每日貓咪日記和精華影片,全部跑在家裡的伺服器上。文中附上從零架設的完整步驟(Tapo RTSP、Ollama、Mosquitto、RF-DETR 模型匯出、Frigate 的 compose 與 config、Home Assistant 整合與通知),並記錄 Frigate 0.17 的調校(遮掉鏡頭時間戳讓 motion 從 97% 降到 31%、開啟 detections 的 GenAI 摘要)、三個本機視覺模型的比較,以及如何用 prompt 把幻覺從約 10% 壓到 2.5%。唯一沒做成的是分辨兩隻同花色的虎斑貓:用 Frigate 內建的自訂分類訓練後,以「同框時名字必須不同」驗證,正確率只有 38%,低於亂猜的 50%,原因是訓練圖只來自約 30 個事件、模型背下了訓練集,而客廳鏡頭距離太遠。後半說明日記頁與每日精華影片的做法(讓 LLM 依摘要替片段打分、依偵測框位置避免重複),附上實際量到的資源占用:整套約 8.7GB VRAM、客廳鏡頭一天約 10GB 錄影。