AI 分析
痛点：餐厅无法实时知道哪张桌子空着、哪张已被占用、哪桌客人久等没人招呼，只能靠服务员来回巡视，翻台效率低。
目标用户：中小餐厅、咖啡馆的老板与门店运营经理；已有监控摄像头但不想增加硬件的中小连锁餐饮。
证据："The part that caught my attention is that it can run on the security cameras they already have." / "When a guest actually sits down (the AI must be at least 75% sure), it sends a photo and the reasoning to WhatsApp." / "If you run a restaurant or cafe, which alert would help you most: a waiter-delay timer..."
变现：按门店或按摄像头的月度 SaaS 订阅（如每店 $29–99/月），核心检测开源、云端托管与多店看板付费；增值模块单独收费：久等未服务提醒、未清理桌提醒、高峰时段周报，以及 WhatsApp 消息量加价包。
MVP：2 周 MVP：如果已有开源代码，就在它的基础上改造——只支持 RTSP 拉流，用浏览器端轻量检测模型，用铅笔工具框选桌位区域；只实现两种告警：客人入座推送 WhatsApp 或 Telegram 消息，以及入座 5 分钟无人服务时二次提醒。提供一条 docker compose 命令，让商家自行部署到本地小主机；附上单店安装文档，也可加一个云托管测试版，验证付费意愿。
竞品：Density、V-Count、Presto (table management)、TabSquare、Senseforth/通用 CCTV 视频分析厂商、OpenTable/SevenRooms（桌位管理但不做视觉占用检测）
摘要：开发者用 Next.js、Meta Muse Spark（Baseten）、WhatsApp Cloud API 和浏览器端运动检测，独立做出一个开源方案：复用餐厅已有的 RTSP/HLS 或 YouTube Live 监控，用铅笔工具框选桌位区域；当 AI 置信度达到 75% 判定客人入座后，就把截图和推理结果推送到 WhatsApp，并用撞锁去重。作者正在征询下一步该做“久等未服务计时”还是其他告警，尚无收入或付费用户数据，也未提出任何商业化定价；需求目前只是作者对餐厅实时桌位的观察，热度数据为空。