Увеличение размеров медиабиблиотеки Plex поставило владельца домашнего сервера перед необходимостью оптимизации ресурсов. Переход с корпоративной системы хранения данных на 80 ТБ на более компактное устройство UGREEN NAS с шестью отсеками и 40 ТБ дискового пространства потребовал пересмотра объемов накопленного контента. Первым шагом стало удаление файлов, которые не просматривались годами, для чего использовалась интеграция Codex с сервисом Tautulli. После очистки библиотеки объем данных сократился до 30 ТБ, однако этого было недостаточно для комфортной работы сервера.
Оптимизация видеопотоков через переход на H.265
Для дальнейшего высвобождения места было решено перекодировать библиотеку из формата H.264 в H.265 (HEVC). Ранее, в начале 2026 года, аналогичная попытка оказалась трудоемким процессом. Использование Gemini для написания скриптов ffmpeg требовало ручного вмешательства, постоянного тестирования и отладки, что приводило к частым сбоям и потере времени. В прошлый раз такая процедура позволила освободить лишь 7 ТБ пространства.
В текущем проекте процесс был полностью доверен инструменту Codex. ИИ взял на себя настройку узлов через SSH, создание пользовательских скриптов ffmpeg и потоков плагинов внутри Tdarr. Для ускорения задачи было задействовано пять узлов, часть из которых использовала NVIDIA CUDA, а другая — интегрированную графику Intel. Выбор кодека H.265 был обусловлен поддержкой данного формата аппаратными средствами нового сервера.
Автоматизация контроля и устранение ошибок в реальном времени
Одной из ключевых особенностей работы Codex стало использование функций мониторинга и автоматического восстановления. ИИ проверял статус перекодирования каждые 15 минут, обновляя отчеты о ходе выполнения задачи и отслеживая возникающие ошибки. При обнаружении проблем Codex самостоятельно корректировал скрипты и повторно ставил в очередь неудачные файлы. Это позволило избежать ручного контроля в течение всего 72-часового процесса.
Использование интеллектуального агента позволило сократить библиотеку с 40 ТБ до 16 ТБ. В результате только процесс перекодирования, выполненный с помощью Codex, высвободил 8,5 ТБ памяти. Данный опыт подтвердил, что ИИ-инструменты способны эффективно справляться с рутинными задачами по управлению домашним медиасервером, выполняя функции системного администратора в режиме круглосуточного мониторинга.
Опыт оптимизации: путь от избыточности к эффективности
Решение о масштабном сокращении библиотеки было продиктовано не только переходом на новое «железо», но и стремлением оптимизировать расходы на электроэнергию, которые при использовании старого 12-дискового хранилища исчислялись сотнями долларов ежемесячно. Имея за плечами шестилетний опыт ведения медиаархива, автор столкнулся с проблемой «цифрового накопительства»: на сервере хранилось огромное количество контента, который не был востребован ни разу с момента его появления в библиотеке. В качестве альтернативы Codex для поиска неиспользуемого контента в статье упоминается сервис Maintainerr, однако выбор был сделан именно в пользу Codex из-за удобства интеграции с Tautulli.
Автоматизация через Tdarr и Codex
Ключевым отличием текущего подхода от неудачных попыток начала 2026 года стала комплексная автоматизация. Ранее процесс транскодирования превращался в бесконечную череду «диалогов» с Gemini: автор описывал требования, получал скрипт, тестировал его, сталкивался с отказами, вновь возвращался к нейросети за отладкой и наблюдал, как ночные сбои уничтожали часы прогресса. В этот раз Codex взял на себя роль «архитектора», полностью настроив среду Tdarr.
Рабочий процесс включал следующие этапы:
- Настройка инфраструктуры: Использование протокола SSH для конфигурирования пяти отдельных узлов, что позволило распределить нагрузку при обработке больших массивов данных.
- Гибкость аппаратного ускорения: Динамическое использование ресурсов NVIDIA CUDA и встроенных графических ядер Intel в рамках одной задачи. Codex успешно справился с объединением этих разнородных мощностей в единый поток плагинов Tdarr, что ранее было одной из самых сложных технических проблем.
- Автономность: Уникальность подхода заключалась в отсутствии необходимости присутствия человека. ИИ не только отслеживал статус каждые 15 минут, но и в случае возникновения ошибок самостоятельно правил скрипты и отправлял файлы на повторную обработку.
Итоги и выводы
Вся операция по перекодированию заняла ровно 72 часа непрерывной работы. Стоит отметить, что автор не опасался потери данных в процессе экспериментов, так как исходные файлы были продублированы на старом NAS, что позволяло произвести повторный рип в случае критического сбоя. В конечном итоге, благодаря грамотной автоматизации, удалось сократить объем занятого пространства с 40 ТБ до 16 ТБ. Освобождение 8,5 ТБ памяти только за счет перекодирования H.265 в сочетании с избавлением от «мусорного» контента обеспечило необходимый запас для дальнейшего развития сервера. Этот кейс наглядно демонстрирует, что ИИ в текущих реалиях способен заменить полноценного системного администратора, обеспечивая круглосуточный мониторинг без потребности в отдыхе, пище или сне, что было бы невозможно реализовать вручную с таким уровнем продуктивности.
