FieldClass AI：让本地小模型把课本变成户外实验

一款反其道而行的AI学习工具

大多数AI教育工具都在争夺你的屏幕时间，FieldClass AI却反其道而行——它希望你放下手机，走出门去测量真实世界里的东西。这款开源项目由开发者 mukul9116 为 Hacktoberfest 开源AI挑战赛「Touch Grass（接触自然）」主题而打造。

它的核心逻辑很简单：计算树高的三角函数公式，只有当你真正站在那棵树面前时才会变得具体。FieldClass 把你正在学习的抽象概念转化为一个可以在自然中完成的实验。你花不到一分钟读完任务说明，收起手机，去测量真实物体，回来后输入你的测量数据和解答。应用会先检查你的结果、给出提示，最后才展示正确答案。

开发者本身是一名学生，深知教科书概念与现实脱节的痛点：我们常常背下公式，却不知道它们用在哪里。FieldClass 的目标正是让学习更具实践性，鼓励学生走出舒适区去动手做，而非死记硬背。

四个入门实验与「离屏」设计

应用目前内置四个入门实验，覆盖高中到大一的STEM知识点：

• 三角函数：用吸管、量角器和细线自制简易测斜仪，估算树木、电线杆或建筑的高度；
• 统计学：在1平方米的方格内清点并分类物体，计算频率；
• 植物形态学：测量并比较两片落叶；
• 平均速度：为朋友走过一段测量好的路径计时，计算平均速度。

这款应用面向两类人群：难以把STEM概念具象化的高中生和大一新生，以及想要快速安排一次户外练习的教育者。

真正值得玩味的是它如何「赶你下线」。任务界面只有一个蓝色提示框写着：读完这段，然后把手机收起来。朗读按钮让你用听代替盯着看，当你带着测量数据回来时界面才会再次弹出。页眉的步骤追踪器标明当前进度（选择、任务、报告、反馈），「携带清单」是一个打包勾选列表，反馈界面则有一个「接近度」仪表和一张图表，对比你的答案与根据你自己测量数据得出的答案。

开发者亲自到户外测试：从12米外、以45°角、眼睛离地1.5米估算一栋建筑高度，得到13.5米；用5秒走完20米（4米/秒）；测量五名学生身高（均值160厘米）。

技术实现：让Python掌管事实，模型只负责文字

这个项目最有参考价值的部分在于它的架构选择。模型是开放权重的 Gemma 3 1B，通过 Ollama 跑在一台8GB、无GPU的本地机器上。周边技术栈为 Python、Pydantic、Streamlit，并配有34个 pytest 测试。

最初开发者让模型自己生成整个实验任务，结果出现了「流畅但错误」的典型问题：把「角度的正切」写成「阳光射线的角度」、公式里漏掉眼睛高度、安全提示写到一半被截断，甚至表扬学生还没做的事情。

解决思路很关键——不改提示词，而改格式，因为「模型并不懂事实」。每张实验卡片都预先包含材料、步骤、安全规则和公式。模型根据学生提供的测量数据计算正确答案，给出判定，并识别常见错误：如果答案是10.0而正确值是11.5，提示会写「你可能忘了加上眼睛的高度」。模型只负责生成标题、目标、提示和下一个挑战的引导语。

这个设计还带来了隐私上的巧思：模型从不接触正确答案，所以永远无法泄露它；学生输入的任何内容也从不发送给模型。 把工作量从模型身上剥离后，速度明显提升——一次任务生成现在只需10到17秒（约每秒16 token），此前最长要50秒；反馈耗时5到10秒。（开发者注明这是个人体感而非正式基准测试。）

当然也有局限：模型常把单词粘连（如「degreesto」）、会忽略学生的备注，开发者也没有机器测试更大的 Gemma 版本，目前只是单一配置文件下的单一模型档案。

Gemma 3 1B 是 Google 于2025年发布的 Gemma 3 系列中参数量最小的开放权重模型，拥有约10亿参数。「开放权重」意味着任何人都可以下载模型权重文件在本地运行，但与完全开源不同，其训练数据和部分实现细节并未公开。1B 级别的模型可以在普通消费级硬件（如8GB内存的笔记本电脑）上流畅运行，这正是 FieldClass 选择它的关键原因。Ollama 则是一个本地大语言模型运行框架，它将模型下载、量化（将模型权重压缩为更低精度以减少内存占用）和推理服务封装成简单的命令行工具，开发者无需配置复杂的 Python 环境即可在本地启动一个兼容 OpenAI API 格式的推理服务端点。两者搭配使得完全离线的本地 AI 应用部署门槛大幅降低。

Pydantic 是 Python 生态中广泛使用的数据验证库，它通过类型注解定义数据模式，能在运行时自动校验和转换数据格式。在 AI 应用中，Pydantic 常用于结构化模型输出——将模型生成的非结构化文本解析并验证为预定义的数据对象，从而确保下游代码能可靠地使用模型结果。这在 FieldClass 的架构中尤为重要：它帮助系统捕捉模型输出格式异常，避免「流畅但错误」的文本直接流入计算逻辑。

为什么本地开源模型在这里更合适

这个项目很好地回答了「为什么要用小的本地开源模型而非更强的闭源大模型」。

隐私与离线能力：所有任务生成、评分和反馈都在学生自己的设备上完成，结果与答案绝不上传服务器，初次下载模型后应用可完全离线运行，且每次使用零成本。

可见的失败方式：本地小模型的行为容易观察。开发者可以反复测试上百次，看清它具体如何出错，然后围绕这些失败模式做设计。相比之下，闭源大模型会给出更漂亮的句子，但你反而更难察觉其中的事实错误。

诚实的取舍：闭源模型确实能写出更流畅的句子，但开发者选择牺牲这部分文字质量，换取隐私、零成本和可控性，并用 Python 来兜底事实计算。这也正是这款应用对 Gemma 3 1B 的最佳使用方式——整个「Python 掌管事实、校验模型输出」的设计，正是从反复测试小 Gemma 的行为中演化而来。

这里提到的「可见的失败方式」背后有一个重要的工程概念：失败模式的可观测性（failure mode observability）。闭源大模型（如 GPT-4、Claude）通常通过 API 调用，每次请求都可能因服务端版本更新、随机采样差异或限流策略而产生不同行为，开发者难以在固定条件下重复复现同一个错误。而本地部署的小模型行为相对固定——同样的输入、同样的温度参数，通常产出高度相似的输出，这让开发者可以系统性地枚举它会犯哪些错误，并针对性地用确定性代码构筑防线。这种「用可预测的小模型换取可调试性」的思路，在资源受限或安全敏感的场景下是一种被低估的工程优势。

小结

FieldClass AI 的价值不在于模型多强，而在于它展示了一种务实的工程哲学：当模型不可靠时，不要让它承担它不擅长的任务。把事实计算交给确定性的代码，让模型只做它擅长的自然语言生成，再叠加本地运行带来的隐私与成本优势，一个小小的1B模型也能支撑起一个真正可用的教育应用。对于想在边缘设备或隐私敏感场景部署AI的开发者，这是一个值得研究的范例。