站在社区菜园的山坡上，手机信号只剩一格，雨点已经开始砸下来。她想查一下"今晚会不会霜冻"，页面转了三圈，还是白屏。这是每年春天都会重演的一幕——她只能给朋友发消息问："现在能种了吗？"

这个朋友就是FrostWise的作者。他做了一个决定：既然菜园里没信号，那就让预测工具彻底不需要信号。于是有了FrostWise——一个完全跑在本地笔记本上的离线AI，关掉Wi-Fi也能用，没有API密钥，没有账号，数据不出机器。

打开网易新闻 查看精彩图片

一个数字，决定一季收成

对种菜的人来说，春天最后一个霜冻日是最有用的数字。差一周，一个寒冷的夜晚就能把番茄苗冻成烂泥。所有提供这个数字的工具都有同一个毛病：它住在服务器上。你得站在菜园里唯一有信号的那个角落，祈祷页面在雨落下来之前加载完。

FrostWise要回答的问题很朴素：你所在的地方，寒冷什么时候松手，以及你该为此做什么。

操作路径只有三步：选一个地点（或者手动输入你自己的气候数据），挑一种作物，然后拿到三样东西——预测的终霜日、围绕这个日期的诚实区间，以及由本地Gemma模型针对具体作物写出的种植建议。

三个气候，同一套代码

作者用三个差异极大的气候验证了完整流程：

  • 迈阿密——基本无霜，全年温暖
  • 芝加哥——五月还有一场实打实的霜
  • 法戈——霜冻一直拖到夏天

同一套代码，三个诚实的答案。终霜日期会以动画形式出现，紧接着本地Gemma模型实时写出种植建议。整个过程没有任何一步向互联网发起请求。

技术栈上，FrostWise用了两个开放权重模型：TabPFN-v2负责预测，Gemma负责生成建议。没有API密钥，没有账户体系，所有计算都在你自己的机器上完成。

托管页面是"样品"，真模型在你电脑里

作者提供了一个托管链接，但特意说明了它的性质：这是一个静态站点（S3加CloudFront，成本接近于零），展示的是预设城市已经算好的真实TabPFN-v2和Gemma结果。你可以点进去看真实的模型输出长什么样。

但真正活的模型跑在你自己的机器上。想要自定义气候输入、完全离线运行，需要克隆仓库，然后执行 python run.py。

这个设计选择本身就说明了目标用户是谁：任何有一小块土地、信号又时有时无的人。社区菜园、山坡上的自留地、步道尽头小木屋旁的香草花坛——云API最没用的地方，恰恰是人们在种菜的地方。

屏幕只占十秒钟

FrostWise想做的事，是用最字面的方式把人从屏幕前赶走。屏幕只是你走出门、把种子埋进土里之前的那十秒钟。整个产品的意义，就是让这十秒钟尽可能短。

这个项目提交给了Hacktoberfest开源AI挑战赛第一周"Touch Grass"赛道。作者说，他是为一个具体的人做的——那个在山坡社区菜园里、每年春天都要发消息问"能种了吗"的朋友。FrostWise就是她能存在自己手机上、在零格信号时也能打开的答案。