我平时在医院上班有一项日常活，是拍医院里的人流量视频，剪成宣传片发朋友圈，一个月下来得攒 200 多条视频。本来就是正常拍片剪片，结果公司的共享网盘满了。网盘爆满明明是因为没人管磁盘规划、也没人清陈年垃圾，结果同事直接把锅甩我头上，非让我一条条点开视频，把人少的素材手动挑出来删掉腾地方。
我不想拿肉眼干这种蠢活，干脆自己做了一个软件： https://github.com/swlt-silica/video-people-counter
从飞书妙搭到本地自研
最开始我是刷到了影视飓风推广飞书妙搭的视频，第一次知道还能让 AI 帮着搭工具。之前正好用它搭过一个认车牌的小工具，挺顺手，我就照葫芦画瓢，先在飞书妙搭上拉了一套识人数的流程。
自动抽关键帧、数人头、初筛，用起来确实省事。但恶心的是它的专属 Token 有有效期，过期就得充钱，我为了救急充了 69 块续命。算下来为了给公司干这种常态化的破杂活，一直自掏腰包续费实在太亏了。
后来一咬牙，干脆照着网上的教程自己摸索，用 VS Code 加上 Claude Code 和 DeepSeek，直接在本地搓了一个独立运行的桌面软件，从头到尾调 API 才花了 2 块钱，再也不用交月租了。
软件底下直接跑本地的 YOLOv8n 模型，不用联网也不用调任何收费接口。把一堆视频和图片扔进去，它自己抓首帧数里面有几个人，达标的自动批量复制到新文件夹里，一下就把几百条素材筛利索了。代码我已经全丢到 GitHub 上了。
说起来，这家公司的素材管理真是一团乱麻。除了筛人流视频，之前同事还提过一个更离谱的要求：让我整理外地患者来医院的车牌合集，还死性规定必须凑齐全国各地不同省市的车牌。我又不是干交警的，哪能一眼认出全国所有城市的车牌字母归属地？翻素材翻得眼花，最后也是扔给豆包的办公模式帮我按地区归好类才交了差。
上班越久越觉得，越是完全没技术含量的杂活，上面的规矩反而越多越矫情。比如逢单数日子要打两天的优惠核价单，活本身一点难度没有，偏偏要在章盖偏了几毫米、哪块字怎么挡这种鸡毛蒜皮的事上让你来回返工。老油条们早早把这种吃力不讨好的活全推给新来的，刚来又不好直接翻脸顶回去。只能说越是门槛低的岗位，越容易在人为制造的折腾里空耗时间。