摄影曾经是他的爱好，后来变成了工作。爱好还在，只是没那么好玩了。他想要一个能让自己重新觉得摄影有趣的东西，于是做了 ShutterHunt——一个摄影任务游戏，逼你走出家门，动起来。
这是一个原生 Kotlin 安卓应用，本地跑 Gemma 3n 做图像和文字评判。视觉风格是赛博朋克，玩法是接摄影任务，比如拍一张镜像对称的照片。拍完交给裁判 Gemma 3n，它会根据任务提示词打分。
AI怎么当裁判
每个任务里，Gemma 3n 会从三个不同维度来评判。以对称／镜像照片为例，这套标准给了 AI 一个清晰的结构，让它知道看一张照片时该看什么。
它不只是打分，还会对每张照片给出建设性批评，告诉你这张照片是怎么拍出来的、下一张怎么才能更好一点。这一点挺关键——评判之外还带学习反馈。
本地模型，3GB，手机跑
整个项目最硬的部分是找到合适的量化 Gemma 模型，能在手机上本地跑还不崩溃。借助 GitHub Copilot，他集成了 Gemma 3n int4 LiteRT-LM 的安卓版本。
这是一个 3GB 的轻量模型，本地运行在安卓手机上，从三星 Galaxy Ultra S23 起步的机型都可以。他自己用的是 Google Pixel 10，也是这次的测试平台。
安装完 demo APK 后，第一步是进 Status 标签页，Step 2 下面有个链接指向 Hugging Face 上的 Gemma 3n 模型，需要你本地下载。下载完，在同一个标签页里把应用指向那个模型文件。指向之后，游戏就完全可玩了。
给裁判一点时间，它有时候会慢，尤其是第一次启动的时候。
从翻车到跑通
这个应用经历了好几个迭代。第一阶段是先让本地应用跑起来，还不带 Gemma，把相机正确调起、正确拍照。一开始照片方向有问题，拍出来总是横的，从来不会保持竖直。这个问题直到 Gemma 加进来才暴露——它导致评判出问题，AI 只看到了方向错误的第二张照片。
第一阶段跑通、相机正常、相册能存照片之后，才进入集成 Gemma 的部分。说实话，这是整个开发过程中最难的一步。
第一次跑评判，他对着水壶上那个 Under Armour 标志拍了张照，然后等。等。再等。本地 AI 确实不是最快的裁判。第一次返回的是一个错误，不光他看不懂，AI 也看不懂。
于是有了第一个更新：一个 JSON 调试器应用，用来显示 AI 当时抛出的所有问题。这次不用重装，直接更新 APK 就行。再跑一次评判，输出大了很多，问题也清楚了——JSON 格式错误，长度是其中一部分原因。
把这个问题连同详细说明交给 Copilot，它一次性解决了。之后才开始看到真正的评判长什么样。方向修好了，AI 也能正确评判了。
风格这件事
但那个轻量版风格不是他想要的。他想要确保下一个提示词能一次到位。基于他之前做过的网站，Gemini 给出了一版风格方案，他挺满意。
问题是，这个风格能不能在迁移到 Kotlin 和应用里之后保留下来。把图片交给 Copilot 之后，结果他说满意，但本可以匹配得更好。
后面还有两个阶段在开发中。第三阶段是隐藏的地理位置事件——在特定地点拍照可以拿到隐藏徽章，还有徽章和奖杯系统的整合。第四阶段是打磨后的正式发布版，有扩展关卡、更多挑战，以及一个面向正式发布 beta 的东西。
他花了一周做这个，因为摄影对他意义重大。
热门跟贴