背景
miloco 感知引擎每 4 秒对摄像头画面调用一次 omni 模型进行视觉理解，这是 token 消耗的主要来源。当前很多影响 token 效率的参数在代码中硬编码，用户无法根据实际场景调整。
问题分析
感知管线流程：采集 → Gate（闸门）→ Identity（本地）→ Omni（云端 token）
Gate 层负责决定是否需要调 omni，有三个子闸门：
- 视觉闸门：帧差分检测画面变化，阈值
change_threshold=0.005（0.5%）
- 音频闸门：能量阈值
audio_energy_threshold=0.015
- Hold 滞回：视觉最近通过后
hold_duration_sec=360（6 分钟）内强制继续处理
实际使用中发现两个主要的 token 浪费：
1. Hold 时间过长（6 分钟）
从实际日志看，画面已经静止（gate_video_pass=0），但 hold 未过期（gate_hold_pass=1），导致持续调用 omni。家里有人走动一次后，接下来 6 分钟即使画面完全没变化，每 4 秒都在消耗 token。
2. 家庭环境持续有声音
家里电视/音箱一直在播放，导致音频闸门几乎始终通过（gate_audio_pass=1），视觉闸门本可以跳过的场景被音频拉回来继续调 omni。
实测 token 消耗对比
使用 mimo-v2.5 + media_resolution=default，单次 omni 调用：
default 模式：~598 video_tokens，总 ~3132 tokensmax 模式：~896 video_tokens，总 ~3819 tokens
按每 4 秒一次、一天 24 小时计算，即使大部分时间画面静止，hold + 音频触发下 token 消耗仍然很高。
建议
希望在配置文件或 miloco-cli config 中暴露以下参数：
Gate 层（直接影响是否调 omni）：
gate.change_threshold — 视觉变化阈值（当前 0.005）gate.hold_duration_sec — 视觉 hold 滞回时长（当前 360 秒）gate.audio_energy_threshold — 音频能量阈值（当前 0.015）gate.check_fps — 视觉检测帧率（当前 1）
输入层（影响每次调用的 token 量）：
input.omni_fps — 送 omni 的视频帧率（当前 1）input.period_sec — 感知周期（当前 4）
Omni 层：
omni.media_resolution — 帧解析精度（default / max）omni.max_completion_tokens — 最大输出 token（当前 512）
这些参数暴露后，用户可以根据自己的场景灵活调整，比如：
- 家里没人时调大
hold_duration_sec 和 period_sec
- 安静环境调低
audio_energy_threshold 避免误触发
- 不需要精细识别时用
media_resolution=default + 降低 omni_fps
背景
miloco 感知引擎每 4 秒对摄像头画面调用一次 omni 模型进行视觉理解，这是 token 消耗的主要来源。当前很多影响 token 效率的参数在代码中硬编码，用户无法根据实际场景调整。
问题分析
感知管线流程：采集 → Gate（闸门）→ Identity（本地）→ Omni（云端 token）
Gate 层负责决定是否需要调 omni，有三个子闸门：
change_threshold=0.005（0.5%）audio_energy_threshold=0.015hold_duration_sec=360（6 分钟）内强制继续处理实际使用中发现两个主要的 token 浪费：
1. Hold 时间过长（6 分钟）
从实际日志看，画面已经静止（
gate_video_pass=0），但 hold 未过期（gate_hold_pass=1），导致持续调用 omni。家里有人走动一次后，接下来 6 分钟即使画面完全没变化，每 4 秒都在消耗 token。2. 家庭环境持续有声音
家里电视/音箱一直在播放，导致音频闸门几乎始终通过（
gate_audio_pass=1），视觉闸门本可以跳过的场景被音频拉回来继续调 omni。实测 token 消耗对比
使用 mimo-v2.5 +
media_resolution=default，单次 omni 调用：default模式：~598 video_tokens，总 ~3132 tokensmax模式：~896 video_tokens，总 ~3819 tokens按每 4 秒一次、一天 24 小时计算，即使大部分时间画面静止，hold + 音频触发下 token 消耗仍然很高。
建议
希望在配置文件或
miloco-cli config中暴露以下参数：Gate 层（直接影响是否调 omni）：
gate.change_threshold— 视觉变化阈值（当前 0.005）gate.hold_duration_sec— 视觉 hold 滞回时长（当前 360 秒）gate.audio_energy_threshold— 音频能量阈值（当前 0.015）gate.check_fps— 视觉检测帧率（当前 1）输入层（影响每次调用的 token 量）：
input.omni_fps— 送 omni 的视频帧率（当前 1）input.period_sec— 感知周期（当前 4）Omni 层：
omni.media_resolution— 帧解析精度（default/max）omni.max_completion_tokens— 最大输出 token（当前 512）这些参数暴露后，用户可以根据自己的场景灵活调整，比如：
hold_duration_sec和period_secaudio_energy_threshold避免误触发media_resolution=default+ 降低omni_fps