打开相机，对准路边那株叫不出名字的野草，按下快门。几秒后，一张带学名、稀有度标签的植物卡片出现在屏幕上——这是 BioDex 想做的事。

它是一个离线运行的植物收集模拟游戏，出自 Hacktoberfest 开源 AI 挑战赛第一周「Touch Grass」的投稿。核心玩法很直白：用设备摄像头拍下真实植物，把它们变成可收集的卡片。

打开网易新闻 查看精彩图片

拍照、匹配、出卡

BioDex 是 Android 优先的离线植物收集 MVP，技术栈包括 Kotlin、Jetpack Compose、CameraX，以及官方的 Imageomics BioCLIP 2.5 ViT-H/14 图像编码器。

流程分四步：拍一张植物照片，在 4,271 个物种的野外指南里找到最接近的匹配，生成一张野外卡片，保存到本地并分享 PNG。

卡片上会带上科学名称、常见名称、稀有度等级和独特属性。稀有度分 S 级、稀有、普通三档，给收集过程加了点挑战性。

为什么它必须离线

素材里列出的功能清单中，离线被单独拎了出来：无需联网即可游玩。同时它强调安全与隐私——不收集、不分享任何个人数据。

对一款要调用摄像头的应用来说，这两条放在一起并不意外。拍的是你家楼下的植物，照片不出设备，匹配在本地完成。

目标人群也写得很清楚：自然爱好者、学生，以及喜欢发现感的休闲玩家。用素材里的话说，是把周围环境变成一本活的植物图鉴。

模型这一环没走捷径

BioDex 用的是官方 checkpoint，而不是更小的蒸馏学生模型。上游的 OpenCLIP/PyTorch checkpoint 大约 3.94 GB。

导出脚本会先拿已发布的 SHA-256 校验现有的 4,271 标签嵌入表——模型作者将其标识为教师的文本嵌入空间。然后在 Hugging Face 上按固定 revision 下载 checkpoint，导出 FP16 ONNX 图像编码器，并把它的输出与 OpenCLIP 做比对验证。

整个项目装在一个仓库里：Android 应用、模型导出脚本，以及 Gemma 笔记生成器。

从「拍一张照片」到「得到一张卡片」，中间隔着一次 4,271 选一的匹配。BioDex 把这条链路压进了手机本地，也把一次散步变成了一场收集。