01選擇支援的類別
例如 person、car、truck、couch、bed、suitcase。汽車與卡車是獨立類別，需要兩者就都選；bed 不保證辨識單獨床墊。沙發不等於搬家行為，衣服顏色與安全帽需要其他能力。
在規則中選擇物件和信心分數。同一畫面的規則共用辨識；搜尋標籤來自達到對應規則物件門檻的辨識結果，不再另設歷史標籤條件。
02設定門檻
新配置預設 70%，可調 10%–95%，不覆蓋舊設定。提高門檻可能減少誤報也增加漏報；降低則放入更多候選。70% 不是準確率保證。小物件、暗光、遮擋與壓縮皆有影響，徽章只表示設定。
此處顯示事件當時的分數，而非今日設定。目前規則要求觸發影格與近期追蹤分數均達門檻。分數不代表準確率保證。
03建立通知規則
在規則中選擇物件和信心分數。同一畫面的規則共用辨識；搜尋標籤來自達到對應規則物件門檻的辨識結果，不再另設歷史標籤條件。
可搜尋的辨識結果不等於觸發事件；作用範圍、活動狀態、持續時間和通知冷卻分別判斷。
04衡量算力
同畫面多條物件規則可共用一次偵測。減少類別不會按比例節省主要推理成本，因此無五類硬上限。增加畫面、幀率與 PPE 會增加工作量，應看實際處理器負載。
常見問題
一定要畫區域嗎？
不用，出現規則可選全畫面。
新規則會重跑舊圖嗎？
不會。管理員需明確啟動保留圖片的歷史回溯，不發送舊告警。