随手写的Python小脚本：用本地AI整理物联网传感日志

下午整理桌面的时候翻到上周跑的半拉脚本，索性补完跑通了，是对接家里几个ESP32上报的传感数据的，之前每次导csv都乱哄哄的，写正则匹配设备ID又太死，加个本地小模型自动归类标注省事多了。

前置准备的几个坑我先踩过了

重点先说：家庭传感数据别往公网大模型API传，本地跑个小参数开源模型完全够用，数据不出内网也没隐私风险。我这边用的是Ollama拉的qwen2:0.5b版本，占资源很少，旧笔记本都能带动。

1. 先装Ollama，去官网下对应系统的安装包一路下一步就行，装完开终端跑命令拉模型：

   ollama run qwen2:0.5b

   第一次拉镜像要等会儿，速度看自家网速，拉完会自动进交互界面，直接关了就行，服务后台会跑着。
2. Python环境不用装一堆杂七杂八的库，就两个依赖足够：

   pip install pandas requests

   pandas用来读存传感日志的csv文件，requests调本地的Ollama接口，多余的库我没装，没必要搞复杂。

核心脚本其实没几行

之前试过把prompt写得特别复杂，要求模型给分析异常原因啥的，结果小模型经常胡说八道，后来把prompt砍到最简，就要求固定格式输出json，稳定性一下就上来了。

import pandas as pd
import requests
import json

# 读本地存储的传感上报csv，默认字段是ts(时间戳)、device_id(设备ID)、value(上报值)
df = pd.read_csv("sensor_log.csv")
# 本地Ollama默认接口地址，没改端口的话不用动
ollama_api = "http://localhost:11434/api/generate"

def parse_single_row(row):
    # prompt别写太复杂，给死输出要求，小模型理解力有限
    prompt = f"""
    传感原始数据：设备ID{row['device_id']}，上报值{row['value']}，时间{row['ts']}
    直接输出JSON，包含device_type(温湿度/门窗磁/人体感应)、location(客厅/卧室/阳台)、is_abnormal(是/否)三个字段，不要其他内容。
    """
    resp = requests.post(ollama_api, json={
        "model": "qwen2:0.5b",
        "prompt": prompt,
        "stream": False,
        "temperature": 0 # 温度设0，输出尽量稳定，减少瞎编
    })
    result = json.loads(resp.json()["response"])
    return pd.Series([result["device_type"], result["location"], result["is_abnormal"]])

# 把解析结果拼回原数据表
df[["device_type", "location", "is_abnormal"]] = df.apply(parse_single_row, axis=1)
df.to_csv("parsed_sensor_log.csv", index=False)

小提示：偶尔会遇到模型输出带markdown代码块标记导致json解析失败的情况，自己加个简单的异常捕获就行，解析失败的行标出来人工核对，不用追求100%准确率，家用工具够使就行。这个我还没细测速度，几千行日志大概跑几分钟吧，看设备性能。

对了，要是觉得0.5b的模型太笨，认不准设备，换个7b的qwen2也行，就是跑起来慢些，看自己电脑配置能不能带动。