<payload-block>标签要原封不动保留。列表中的项目符号要保留。注意分段和空行。
现在，逐部分思考翻译策略。文章标题和开头的个人介绍要对应翻译。技术部分如"RF-DETR"、"SAM2"、"SigLIP"等术语保持英文。错误信息如"Pillow"保留。对于AI助手的幽默描写，如"The guy is saying the wrong thing"要自然翻译为中文的调侃语气。
整体核对词汇表，确保"board"翻译为"项目"、"skill"翻译为"技能"。CJK混合时加空格，如"使用 AI"而不是"使用AI"。
最后，输出要保持原文的段落和格式，确保没有遗漏任何部分。时间有限，但必须仔细处理每个规则，特别是代码段和块引用的翻译要求。</think>最近，我把自己的比赛视频拿给 AI 看，试着把录像喂给它，让它自动给球员标上颜色，然后在球场布局上标出位置。哈哈。虽然我不是工程师，但花了大概半天时间就自己搭建起来并运行成功了，所以想跟大家分享一下！
这篇文章技术内容比较多，如果想挑战一下，至少看到一半！感兴趣的话，请看到最后！
在介绍之前，先宣布一件事！我虽然是现役篮球运动员，但也运营着专门针对体育赛事的直播平台 Fantrance！运动员会在赛后谈论自己的表现，所以里面有很多别处听不到的故事！欢迎来看看！
那么，这篇文章讲的是我如何使用现有技术和 AI，在不是工程师的情况下，做出一个能用的东西！
这次我使用的是美国 AI 公司 Roboflow 发布的图像识别 AI 开发平台中的一个篮球分析工具。
你可能看过上面的视频，我把 ENEOS 太阳花的一场比赛放进了这个分析工具，AI 就自动把穿红色和黄色（绿色）球衣的球员标记为"ENEOS 太阳花"，并持续追踪每个球员。
我事先并没有教它"红色在这里"或"黄色是 ENEOS"；AI 自己学习了那场比赛的球衣颜色。
因为录入球员名单很麻烦，我就直接设为从 0 到 99。裁判也被识别出来了，不过反正之后可以修正，就先这样了。
目前只做到这一步，但因为它还能检测到球和投篮是否命中，我的目标是能够提取各种数据，比如球员跑了多少米、在球场的哪个位置停留时间最长、以及在哪里投篮。
我还尝试把球员的移动轨迹映射出来！
此外，我最近还参加了一个创业者云集的 AI 学习小组，作为唯一在场的运动员，展示并介绍了这个项目。
在准确性和能实现的功能方面，还有很长的路要走……但目前为止，我想说的是，这真的非常有趣。哈哈。我很清楚大家对于安全等方面的担忧。
但最近的 AI 真的很好玩。
我可能想创造的东西太多了，所以什么都尝试一下，但看到 AI 输出的质量越来越高，就忍不住想把脑海中不断冒出的"有趣点子"付诸实践。对我来说，AI 就是最好的玩具。
顺便说一下，当我做这些事情的时候，我的工程师们最近都用紧张的眼神看着我。哈哈。
因为我一直在跑 AI，做各种项目，然后没完没了地跟他们讲，他们似乎觉得"Evelyn 可能会不小心做出影响生产环境的事"。哈哈。
不管我怎么解释我的电脑是完全隔离的，他们都没放松警惕。哈哈。
[运动员应该如何与 AI 打交道]
我不是工程师，从真正开发者的角度来看，我觉得自己做的事很笨拙。我也知道可能会有人说"你只是在浏览器里点来点去"或者"那技术早就有了"。
但是，对不久前的我来说，要实现这么多东西，门槛还是挺高的，需要不少时间。
即便如此，每天接触最前沿的 AI，让我觉得"即使不太理解，也去接触技术"这件事本身就有价值。
当你每天跟 AI 探讨可能性之后，自己的比赛录像就慢慢开始变成"数据"，而不仅仅是记录了。你会开始想"也许这个数据跟那个动作之间有相关性！"即使那已经是成熟的数据分析方法，你也能从新的角度看待自己的运动。
而且，拥有比别人更多的身体数据，是运动员的特权。曾经只是凭直觉的东西，有可能让你更清晰地了解自己。
"难道不应该是运动员去接触 AI 吗？"这次我真的这么想了，所以在此提出我的建议！
我想展示"AI 时代运动员必备的 5 种态度"。
- 首先，能够思考用 AI 尝试些什么
- 思考当事情不顺利时如何解决
- 想象新技术如何与你热爱的领域联系起来
- 你能增加多少自己喜欢的、不相关的领域？
- 你能跳入自己一无所知的领域，去获取那里的知识和人脉吗？
我相信这五点对于运动员保持独特性，以及在这个时代生存下去，非常重要！
"没想到 Evelyn 把 AI 玩到了这个程度。"最近经常有人这样跟我说。我想以后还会听到更多。
运动员 x 创业者 x AI 应用。我不知道日本有多少人是靠自己亲手在同时做这三件事。如果没有的话，请允许我自称为"技术运动员"。哈哈。
对技术感兴趣的朋友，我下面再详细解释一下。不感兴趣的话可以跳过。（仅限我这个非工程师能写到的范围。）
另外！既然我几乎每天都在接触 AI，我很想跟大家聊聊各种事情！有没有运动员或体育界的人也对技术感兴趣的呢？
反过来说，如果有什么"这个能不能用技术 x 体育来做？"的想法，也请随时找我商量！🙋🏽♂️
还有，那些在做类似视频 AI 分析的工程师，或者熟悉动作分析的朋友们！如果方便的话，希望能听听你们的高见。
以上就是技术运动员 Evelyn Mawuli 的 AI 苦战报告！
--- 感兴趣的朋友请看下面！---
我每天使用的一些 AI 工具：
- Claude Code（用于文本规划和作为顾问）
- Codex（代码生成）
- ChatGPT（用于快速咨询）
- OpenClaw（我最近做的 AI Agent。取名 Shaq）
这次我使用的是美国 AI 公司 Roboflow 发布的图像识别 AI 开发平台中的一个篮球分析工具。
此外：
- RF-DETR（高精度检测球员的 AI）
- Meta 的 SAM2（追踪每个球员直到比赛结束的 AI）
- Google 的 SigLIP（根据球衣颜色自动分队的 AI）
我在 Google Colab Pro+ 上，使用 NVIDIA L4 GPU 运行了这些。
不过，老实说，过程一点都不顺利。你可能觉得公开的 AI 笔记本按个按钮就能跑通……
有人告诉我，大概半年后，这些笔记本通常就坏了。哈哈。
我遇到的问题是：
- 因为 Pillow（图像处理库）版本冲突导致无限循环 -> 图像处理工具之间兼容性差，错误循环。
- SAM2 构建错误 -> 运行 AI 模型的初始设置没通过。
- 球衣号码识别模型的 API 变更导致错误 -> 外部工具规格变更，代码突然无法运行。
最让我郁闷的是：
- Colab 里的 AI 助手（Gemini），解释错误和修复代码，结果错得离谱。哈哈。
我把截图给 Codex 或 Claude Code 看，它们说"这家伙说的不对，请教我之前先来问我"，我一边修一边笑，心想这种职场应该真实存在吧。哈哈。
但实际我做的事并不难，就是重复执行代码块，出错就问 AI。
最后，它能从视频中识别球衣号码、截取瞬间、并生成带颜色标记的视频。工程师可能 30 分钟就能搞定。
所以，对于非工程师的运动员或像我这样的人来说，用 AI 实现些什么的诀窍就是不停地问。不要觉得问 AI 不好意思。而且，如果继续下去，这会变成一种学习，所以不要觉得是浪费，一直问到懂为止！
既然我几乎每天都在接触 AI，如果有运动员或体育界的人对技术感兴趣，让我们聊聊吧！
反过来说，如果你有什么"这个能不能做？"的咨询，请告诉我！🙋🏽♂️
Back Dooor Inc. 的目标不仅是在日本国内发展，近期内也计划拓展海外。全世界都有出色的运动员，也有最棒的粉丝。因为体育是普遍性的内容，我相信市场很大，拓展也有意义。为此，我们将专注于招聘工程师来创造产品、销售人员以及推动业务全球化的人力资源。
将体育视为一种商业的实用性和市场规模，在日本也开始得到认可，所以现在是最好的竞争时机。
- 我想利用自己在体育方面的经验。
- 我想回馈体育行业。
- 我对体育商业感兴趣。如果你是这样的人，请联系 Back Dooor Inc.，我会很高兴！
以上就是技术运动员 Evelyn Mawuli 的 AI 苦战报告！
