你有没有想过，为什么随手提交的市政报修，最后大多石沉大海？ 一个轮椅使用者滚到街角，发现路缘坡道的边缘太高，轮子卡不上去，只能退回车流里等下一个路口。有人想帮忙，打开市政报修表单，敲下“这个角的坡道坏了”，点发送。 然后这条报修就死在队列里了。 public-works crew 没法照着“坡道坏了”干活。他们要知道是哪个角、边缘高出多少、挡住了谁、这情况持续了多久。从一句愤怒的留言到一张能派工的单子，中间隔着一堆缺失的证据——而报修的人根本不知道自己漏了哪一项。等市政回头来问，人已经到家了，那个路缘在一英里之外。 **一个把 AI 赶出屏幕的产品** 大多数 AI 把你按在屏幕前。One Curb 指向相反的方向：它被造出来，就是为了把普通人从家里赶出去，赶到自己那条街上，去量那些悄悄困住轮椅和婴儿车的小缝隙。 高了一英寸的路缘、被树根顶起的人行道、横在无障碍通道上的车。你每天路过，从没注意过。这个工具给你一个具体到不能再具体的理由：停下来，走出去，量一个，让它真的被修掉。 循环很简单。你敲一句关于障碍的、乱七八糟的话。模型读完，找出 public-works crew 唯一还需要的那条事实，然后把你打发回那个地点，拿卷尺去量。有人在外面待了十分钟，一个轮椅使用者得到了一条能走的人行道，而屏幕是整个流程里最短的一段。 **它不生成报告，它找缺口** 作者说得很直白：我没有做一个报告生成器。生成文字很容易，每个模型都会。这个 fine-tune 存在的唯一理由，是一件又窄又硬的工作——在真实的市政文本里做缺失证据检测。 看一个真人到底写了什么，对照无障碍规则下 public-works crew 需要什么，然后把这个缺口指出来，配一条具体的后续指令。这就是整个产品。一个合作方（Tinker），一块屏幕，一个指标。 输出是一段紧凑的 JSON，渲染在一屏里，包含这些字段： - category：障碍类型，取自 Project Sidewalk 的分类（CurbRamp、NoCurbRamp、Obstacle、SurfaceProblem、NoSidewalk、Crosswalk、Signal） - severity：Project Sidewalk 的 1 到 5 级无障碍影响评分 - objective_description：一段中立复述，public-works crew 可以直接粘进工单 - location：可定位的地点 - missing_evidence：这条留言没有提供的必需证据字段 - followup_instruction：最该去量的那一件事 必需证据的评分标准，依据美国无障碍委员会（U.S. Access Board）的 PROWAG 技术要求，比如行人通道最小净宽 48 英寸 / 1.2 米，垂直边缘的阈值是 1/4 英寸。后续指令由优先级最高的缺失字段确定性地推导出来，所以它永远和真正缺的东西一致。 **三个真实案例，量什么一目了然** 演示是一个单页的 Flask 应用：粘贴留言，点生成，缺失证据清单和那一条后续指令就摆在结构化报告上方。作者拿马萨诸塞州剑桥市三个真实障碍跑了一遍，用的是真实地址上的真实 Open311 留言。 第一个，一辆车堵住人行道（Saville 街 61 号）。居民的原话是：车长期停在人行道上，挡住轮椅和婴儿车，好几次不得不走到马路上。模型返回类别 Obstacle，严重度 5，标出缺失证据为 location、measurement、impact、persistence，后续指令是：量一下绕过障碍后还剩多宽的净空，单位英寸，PROWAG 要求至少 48 英寸 / 1.2 米，如果不足 36 英寸就明确写出来。 这就是一个居民会走出去量的数——拿卷尺横过剩下的缝隙，把“有辆车挡路”变成一条可执行的 PROWAG 违规。 第二个，被顶起、开裂的人行道（Cambridge 街 1166 号）。居民说：这段人行道有裂缝，被顶起来了，婴儿车轮子会卡进混凝土里，也是绊倒隐患。模型返回类别 SurfaceProblem，严重度 3，标出缺失证据为 location、measurement、clear_width、impact、persistence，后续指令是：量这个缺陷——垂直边缘的高度或坑洞的深度，单位英寸，以及破损路段的长度，单位英尺。 第三个，人行横道附近的粗糙缝隙（Memorial 大道 820 号）。居民说：人行道上的粗糙缝隙让推婴儿车或购物车很难走，尤其是从人行横道走上人行道的时候。模型返回类别 SurfaceProblem，严重度 3，同样的测量后续指令：垂直边缘的高度和这段粗糙路段的长度。 三个案例里，模型都正确识别出居民描述了问题、但没有给出 public-works crew 需要的尺寸，并交回一件具体的、可以出门去量的东西。 一个真实的失败，作者没有藏起来。在 location 字段里，模型没有照抄真实地址，而是编了一个看起来很像的剑桥地址（Saville 街那辆车变成了“11-19 Kinnaird St”之类）。这是一个 4B 模型被要求输出位置时的真实局限。
热门跟贴