查看实时功率、用电趋势与AI排程建议。
结合电价与生活截止时间自动安排家电运行。
按风险等级查看门口和家庭周边的安防事件。
用自然语言查找历史录像中的具体事件。
管理家庭成员、家政与访客的访问权限。
偏离日常模式的访问会推送提醒而非静默处理。
查看疑似跌倒、儿童区域和宠物异常等视觉事件。
用自然语言表达能源、安防与门锁相关的需求。
一条孤立的建议很难获得用户的信任。如果App只显示"建议02:30启动热水器"，用户其实没有办法判断这个建议是不是可靠——它有没有考虑到明天早上要用热水这件事？有没有考虑到家里同时还有洗衣机在排队？如果没有任何依据说明，用户唯一能做的就是要么盲目接受，要么干脆关掉AI排程功能，回到手动控制。
百家乐App在给出能源相关建议时，会同步显示这条建议满足了哪些约束条件，例如"该时段电价处于低谷""预计在06:30用水截止时间前完成加热""未超过家庭当前设定的峰值功率"。用户看到的不只是一个时间点，而是一套可以核对的逻辑链条。
这种可解释性带来的好处是双向的：一方面，用户可以快速判断这条建议是否符合自己当下的真实需求，不满意可以直接调整；另一方面，当AI给出的建议出现偏差时，用户也能看出具体是哪个条件出了问题，而不是把整个AI排程功能当成一个不可信的黑箱直接关闭。可解释性不是锦上添花的功能，而是AI能源建议能够被长期使用下去的前提。
如果一天收到30条门口提醒，大多数用户的第一反应是"这个功能太敏感了，调低一点"。但降低灵敏度往往解决的是错误的问题——真正的麻烦通常不是提醒次数太多，而是这30条提醒里，低风险和需要关注的事件被放在了同一个优先级上，用户没有办法一眼分辨哪些可以忽略、哪些需要点开查看。
百家乐App处理这类问题的思路，是先看这30条提醒的风险等级分布：如果绝大多数是低风险事件（比如快递、邻居经过），问题出在风险分类不够精细，而不是检测本身太敏感；解决方式是把低风险事件归入一个可以批量查看、不主动推送的列表，只有中风险及以上的事件才会以通知形式主动提醒用户。如果确实存在大量误报——比如把树叶摆动持续识别成人体活动——才需要真正调整检测灵敏度或引入更多传感器交叉验证。
把"降低灵敏度"当成唯一解法，代价是可能会漏掉本该被注意到的中高风险事件；而先改善风险分类，则能在不牺牲检测能力的前提下，让用户真正在意的信息浮现出来。这也是百家乐安防风险分级设计在App层面的具体体现。
给家政人员开一次临时门锁权限，操作本身只需要几秒钟，但真正的风险往往出现在这次授权"用完之后"。如果权限的取消依赖用户手动记得去删除，随着时间推移、家庭成员更换、服务频率变化，几乎必然会出现权限被遗忘、长期挂在系统里的情况。
百家乐App在设计临时权限时，默认要求设定一个明确的生效时间窗口，例如"仅每周五10:00–12:00有效"，窗口结束后权限会自动失效，不需要用户手动操作。用户依然可以在窗口内随时提前撤销权限，但即使完全不做任何操作，权限也不会无限期存在下去。
这个设计原则背后的判断很清楚：把安全性建立在"用户会记得处理"这个假设上是脆弱的，而把安全性建立在"系统会自动处理"这个机制上则更可靠。这也是百家乐门锁权限生命周期管理在App交互层面的直接体现——授权、生效、过期、撤销，四个阶段都不需要用户额外费心记忆。
语义视频搜索能力，让用户可以直接用一句自然语言查询家里发生过的事情，而不必自己翻看几个小时的录像。但如果搜索结果只返回一句"是的，检测到异常活动"，这条结果本身很难被信任——是什么时候发生的？置信度有多高？依据来自哪个摄像头或哪个传感器？
百家乐App在呈现语义搜索结果时，会同时展示事件发生的具体时间段、系统给出的置信度评分，以及这条结论所依据的摄像头或传感器来源。如果置信度不高，界面上会明确标注，提示用户可以点开对应片段自行确认，而不是把一个不确定的推测包装成确定的答案直接呈现。
这种设计选择的代价，是搜索结果看起来"没有那么干脆利落"，但换来的是用户可以自己判断这条结果值不值得信任。对于涉及家庭成员和宠物状态的信息，模糊但可核实，永远好过干脆但可能是错的。
请留下您的联系方式，我们会尽快与您联系。
