大多数“出门走走”的应用，做到提醒、路线或者一句鼓励就停了。WildProof 想做的不是这些——它把一次短途散步变成一场小型实地调查：带着一个问题出门，带着一份证据回来。

这是一个离线优先、对不确定性保持诚实的野外观察应用，面向徒步者、学生、公民科学家，以及任何想少刷手机、多留意身边世界的人。

打开网易新闻 查看精彩图片

它不假装AI的猜测是事实

WildProof 明确划清了一条线：它不是“拍张照片猜物种”的应用。它不会把不确定的AI猜测包装成事实。

每一份报告都会把内容分开呈现——哪些是观察到的，哪些是推断出来的，哪些仍然是未知的。这个设计背后有一条原则：绝不让一份看起来成功的报告，掩盖一次并不成功的分析。

换句话说，它宁可告诉你“这里还不确定”，也不给你一个漂亮的假答案。

一次散步的完整流程

整个体验被刻意做得简单。用户的操作路径是一条清晰的链路：

  1. 选择一个任务
  2. 收集笔记和照片证据
  3. 在本地保存
  4. 生成一份结构化报告
  5. 查看哪些是观察到的、哪些是推断的、哪些仍是未知

这条链路的核心是“本地”和“结构化”。证据先存在本地，报告再基于这些证据生成，而不是先给结论再倒推过程。

技术栈与边界

WildProof 是为 Hacktoberfest 开源AI挑战赛第一周“Touch Grass”提交的作品。它通过 Ollama 使用本地 Gemma 2B 推理，用 IndexedDB 做离线证据采集，用 Temporal 做持久化分析。

关于当前的能力边界，项目方说得很直接：目前的 Gemma 路径分析的是文字笔记和照片元数据，它不会把图像像素发送给视觉模型。

这意味着它现在处理的是你写下的观察和照片附带的元信息，而不是让模型去“看懂”照片里有什么。这条边界没有被含糊过去，而是被明确写了出来。

项目仓库里包含可运行的 MVP 和安装说明，同时提供了在线演示地址。对于想动手试的人，入口是现成的。

带着一个问题出门，带着一份证据回来——WildProof 把这句话做成了产品逻辑，而不是一句口号。