30kmhcz

Nahrana nova verze, k anonymizovanym verzim jej nechavam i pridat overene citace.

V příloze příklad anonymizované odpovědi SO na výzvu ohledně prý nezaplaceného parkování. Využit Claude Code (Opus 4.6), nejprve vytvořil obrovskou knowledge base (roadfens, forum 30kmh, legislativa, WIN případy) a následně udává tímto formátem řidiče. Pro další výzvy je to nyní jen o nahrání výzvy do adresáře inbox, Claude to následně zařadí, vytvoří odpověd, která je i zkontrolována pomocí subagentů. Odpověd na každou výzvu je unikátní. Uvítám připomínky, co vylepšit pro další výzvy. Byl by zájem o nějaký produkt, který by toto pomohl řešit?

Začal jsem na jednom místě v Praze hlídat průjezdy dohledových parkovacích aut a již jsem zjistil spousty průjezdů, kdy nedodržují minimální rozestupy 3 minuty. Zároveň je zajímavé sledovat, že opravdu nejezdí každý den.

Technologie se sama učí. Jedná se o analýzu cloud eventů z Tapo kamery, která detekuje vozidla - tím je potřeba mnohem méně dat na analýzu. Z nich vytvářím příklady positives, negatives, false positives a false negatives a AI si z toho sama vytváří vylepšenou detekci průjezdů, pokud zjistí, že aktuální přístup nefunguje, sama vytvoří novou metodu, která umí všechny příklady rozpoznat na 100%.

Není to úplně jednoduchý problém, protože ne všechna auta jsou v typických barvách, už bylo zaznamenáno čistě bílé či modré auto - detekce se tedy zaměřuje na samotné kamery na autě.

Pokud byste měl někdo v Praze zájem spolupracovat, stačí mi nasdílet vaši Tapo kameru, která zabírá ulici a já již nasadím AI dohled.

Časem to můžeme i vypublikovat jako veřejný dataset, třeba to někomu pomůže v prokázání, že domnělý přestupek se nestal.