需将停车场监控截图批量导入Codex系统自动生成出场记录：文件须为JPEG/PNG格式、命名仅含字母数字及下划线短横线、路径无中文；安装并配置Codex CLI工具后，通过batch upload命令上传识别，支持基础批量、时间戳校准及分批处理三种方式。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要把停车场监控截图批量导入Codex车牌识别系统，自动生成车辆出场记录，避免手动逐张录入导致的漏记、错记和效率低下。
准备监控截图文件
确保所有截图统一为JPEG或PNG格式，命名不含中文、空格和特殊符号（如#、%、&），仅保留字母、数字、下划线和短横线。例如：car_20240521_083245.jpg，而非“出口-05-21-上午8点.jpg”。【文件名含中文或空格会导致Codex解析失败并跳过该文件】
将全部截图放入一个空文件夹，路径中不要出现中文目录名，比如/home/user/parking_imgs/ 是安全的，/home/用户/停车场截图/ 会触发识别中断。
安装Codex CLI工具
执行命令下载并解压最新版Codex命令行工具：curl -sL https://codex-api.example.com/cli/codex-cli-linux-amd64.tar.gz | tar -xz -C /usr/local/bin/。
赋予执行权限：chmod +x /usr/local/bin/codex-cli。
验证安装：codex-cli --version。若返回类似 codex-cli v2.8.3，则安装成功。
配置API密钥与识别参数
登录Codex管理后台 → 进入「开发者中心」→ 复制「私有识别Token」。
在终端中运行：codex-cli config set token 【此处粘贴你复制的完整token字符串，不能有多余空格或换行】。
设置默认识别模式为「出场车牌」：codex-cli config set mode exit。
批量提交截图并导出结构化记录
方法一：基础批量识别（推荐首次使用）
Linux AI 服务器 — 将 Linux 服务器转换为本地 AI 推理集群。使用 systemd、NVIDIA CUDA 实现无头 Linux AI，零 GUI 开销。
进入截图所在目录，运行：codex-cli batch upload --dir ./parking_imgs/ --output ./records.json。
这一步会逐张上传、识别、合并结果；若某张图无车牌，Codex自动跳过，不报错也不中断流程。
方法二：带时间戳校准的精准识别
若截图文件名已含准确毫秒级时间（如car_20240521_083245_123.jpg），添加--use-filename-time参数：codex-cli batch upload --dir ./parking_imgs/ --use-filename-time --output ./records_with_time.json。
该参数强制Codex忽略图像内EXIF时间，以文件名中的时间为准——【适用于监控NVR导出时未写入正确时间戳的设备】。
方法三：分批处理超大目录（>500张图）
① 先用find命令按每200张一组生成子目录：
mkdir -p batches/{001..010} && find ./parking_imgs -name "*.jpg" | head -n 200 | xargs -I{} cp {} batches/001/ && find ./parking_imgs -name "*.jpg" | sed -n '201,400p' | xargs -I{} cp {} batches/002/。
② 对每个子目录单独调用：codex-cli batch upload --dir batches/001/ --output records_001.json。
③ 合并所有JSON：jq -s 'reduce .[] as $item ({}; . += $item)' records_*.json > all_records.json。
