大多数App安装完成后的第一步是要求开通权限、创建账号，百家乐App在这些步骤之外，还会多问一句"你家有几个房间、冰箱放在哪个位置"——这不是无关紧要的开场白，而是因为后面所有的分析结果都要挂在这张地图上。

为什么不能直接开始识别垃圾或识别食品

如果系统对住宅的空间结构一无所知，单次识别事件就成了孤立的数据点：一次垃圾识别不知道该归到"厨房垃圾"还是"卫生间垃圾"，一次冰箱食品识别不知道该关联到哪个储存空间的温区。没有结构，识别结果没法被归类、被累加、被追踪变化，只能停留在"这一次识别对了还是错了"的层面，无法支撑起长期的资源分析。更现实的问题是，如果两个摄像头分别对着厨房垃圾桶和卫生间垃圾桶，系统若不知道这层空间归属，甚至没办法把同一天两处的记录正确加总成"当日垃圾总量"，评分和趋势分析都会失去准确的基础数据。类似的情况也出现在能耗数据上：如果不知道某条电路对应的是卧室空调还是客厅空调，系统只能把两者的用电合并展示成一个笼统的"空调用电"总量，没办法回答"是哪个房间的空调最费电"这类具体问题，用户能拿到的建议自然也就停留在很粗的颗粒度上。这也是为什么资源地图不只是一份静态清单，而更接近一张不断被使用的关系网络——每一次新的识别、每一条新的能耗读数，都需要先在这张网络里找到自己该挂在哪个节点下面，才能被正确地累加和比较，脱离了这层归属关系，再多的数据堆在一起也很难转化成具体、可执行的结论。

资源地图里具体有哪些节点

百家乐App在初次安装时引导用户建立的家庭资源地图，包含几类基本节点：

  • 房间节点：卧室、客厅、厨房、卫生间等基础空间划分
  • 家电节点：冰箱、洗衣机、空调、热水器等主要耗能设备
  • 垃圾分类点：家中实际放置垃圾桶或分类容器的位置
  • 用水点：厨房水槽、卫浴等主要用水场景
  • 能源接入点：电表或分路信息（如用户愿意关联）
  • 家具与建材台账：装修阶段或购置的主要材料与家具

这些节点之间不是孤立罗列，而是彼此关联的：冰箱节点归属于厨房节点，同时和食品库存数据、用电数据分别产生关联；垃圾分类点位置和摄像头识别场景绑定，帮助系统判断"这个位置大概率不会出现厨余"这类上下文信息，从而提升后续识别的准确性。家具与建材台账这一类节点则相对特殊——它不直接产生实时数据，更多是作为静态背景信息存在，用于后续在装修材料相关的分析里提供参照，比如某块地板是什么年份铺设的、预期使用寿命还剩多久，这些信息不会天天变化，但一旦需要用到，价值往往集中在几年一次的更新或维修决策上。用户如果在安装阶段跳过了这部分录入，后续也可以随时在设置里补充，只是越早建立起来，越能让紧接着发生的每一次识别和记录都有地方"挂靠"，而不是等到用了大半年才发现很多历史数据因为缺少空间归属而没法被追溯利用。

节点之间的关联比节点本身更重要

单独记录"家里有一台冰箱"这件事，价值有限；真正有用的是这台冰箱和厨房空间、和用电分路、和食品库存数据之间建立起来的关联关系。举例来说，如果冰箱节点没有和对应的用电分路关联，系统监测到某天用电异常升高时，只能笼统提示"整体用电偏高"；一旦建立了关联，系统就能进一步判断这次异常具体是冰箱压缩机运行时间变长，还是空调设定温度调整导致，给出的建议自然也更具体。这种"节点加关联"的结构，本质上是把原本分散的家电、空间、行为数据放进同一张可以互相查询的图谱里。

这张地图是用户一步步建立起来的

建立过程结合手动确认和拍照识别：系统会提示用户逐个房间拍摄或确认主要设备位置，如果用户图省事只填了两三个房间，后续分析的精度会明显受限——比如空调和冰箱的用电如果没有被结构化区分开，系统很难判断某天用电异常究竟来自哪个设备，只能笼统归因到"整体用电偏高"，这类信息对于给出具体建议帮助有限。建立过程通常不要求一次性做到完美——系统会随着后续使用不断提示用户补全遗漏的部分，比如某天识别到一个之前没有登记过的设备，会主动询问它属于哪个房间，逐步把地图从"大致轮廓"补充成更完整的结构，而不需要用户在安装当天就穷尽所有细节。App在引导过程中会用一些简单的核对方式降低用户的负担，比如识别到画面里出现冰箱后自动提示"是否确认这是厨房的冰箱"，用户只需要点击确认或修正，而不需要从头手动输入设备名称和位置，尽量把结构化的过程压缩成几次简单的确认动作，而不是一份冗长的表单。

一个模拟场景：结构化之后误差是怎么收窄的

以下为模拟测算场景，非真实统计数据。一个三居室家庭在安装时录入了2个卧室、1个客厅、1个厨房、1个卫生间，标记冰箱1台位于厨房、洗衣机1台位于阳台，垃圾分类点2处。在未建立结构化地图之前，模拟测算显示空调和冰箱的用电容易被系统合并计算，用电异常归因误差可能达到总用电量的20%以上；建立结构化地图、明确设备与空间对应关系后，这部分误差在模拟测算中大多可以被拆分修正，系统能够分别判断"是冰箱压缩机运行时间变长了"还是"是空调设定温度变化导致"，给出的建议也随之更具体。同样在这个模拟场景中，垃圾分类点被标记为"厨房1处、卫生间1处"之后，系统对卫生间垃圾桶记录中出现厨余类别的识别结果会自动降低置信度权重，转而提示用户核实，而不是直接归类。

地图不是装好App那一天就定型的

家庭会添置新家电、进行局部装修、更换家具，资源地图需要随之更新，这一点和家具和装修材料的生命周期身份证里讨论的材料台账更新逻辑是相通的——静态记录一次就不再维护，参考价值会逐年打折扣。用户在百家乐App的资源仪表盘里看到的所有数据分类，底层其实都依赖这张地图的持续更新。

结构先行，分析才有地方安放

识别技术再精确，如果没有一个结构化的空间和设备框架去承接结果，输出的也只是零散的单次判断。资源地图存在的意义，是让后续每一次识别、每一条能耗数据、每一次评分变化，都能落在一个具体的、可追踪的位置上，这也是为什么它必须是安装流程里最先完成的一步，而不是可有可无的设置项。换个角度理解，资源地图其实扮演的是整个百家乐系统的"坐标系"角色——没有坐标系，后续每一条数据都只是漂浮着的数字；有了坐标系，哪怕数据量还不大，也已经具备了被长期追踪、被结构化解释的基础，这也是为什么它的优先级要排在所有具体识别功能之前。等到几个月后回头再看评分变化、能耗归因、垃圾结构趋势这些具体结论时，用户往往已经感受不到这张地图的存在——它安静地留在系统底层，但拿掉它，上面所有看起来"智能"的分析都会立刻失去落脚点。