闲置滑板车共享App：本地AI解决划痕纠纷

一个父亲的观察，一个学生的开源实验

“这些车每天就停在这儿，直到下午6点。应该有人靠这个赚钱。” 这是开发者 Raga Vinjanampati 的父亲站在办公楼停车场时随口说的一句话，却意外催生了一个有趣的开源项目。

在印度，数百万学生和上班族每天早上9点把滑板车、摩托车或汽车停在公司或学校，直到傍晚才再次使用。这意味着每辆车每天至少有9个小时处于完全闲置状态。而在几条街之外，总有人正好需要这几个小时的交通工具——去面试、去医院、去上课。

Raga 决定把这个显而易见的副业机会变成现实：把车辆“睡觉”的时间租出去。但她在五分钟内就撞上了真正的问题——不是预订流程，而是信任。

车主： “侧面多了一道新划痕。” 租客： “那本来就在那儿。”

每一次租赁都以这种争吵结束。没人能证明什么，所以没人信任对方。因此，最终没人愿意租。

The Idea

IdleWheels：三步完成共享租赁

Raga 构建的 IdleWheels 允许邻居之间按小时租用彼此的闲置滑板车、自行车和汽车。整个流程被压缩成三步：

第一步：列出闲置时间。 车主添加车辆信息、所在区域以及空闲时段（例如上午9:30到下午5:30）。如果不知道定价，可以点击“✨ Ask Gemma”，AI 会建议一个合理的时租价格。

第二步：预订与沟通。 租客选择日期和时间窗口并发送请求，应用会提前显示总价（例如7小时 × 35卢比 = 245卢比）。在车主接受之前，双方电话号码保持隐藏；接受后，预订内会打开聊天窗口，方便协调取车。

第三步：交接检查（最核心的部分）。 取车时拍摄4张照片（前、左、右、后），还车时再拍同样的4张。然后，Gemma 3——一个运行在车主自己笔记本电脑上的开源权重AI模型——会对比每一组照片，只列出新出现的损伤，并标注严重程度和置信度。判定结果直接进入预订聊天，双方都可以将完整报告保存为PDF。

这就是整个纠纷处理流程。没有争吵，只有两张照片和一双不偏不倚的“第二双眼睛”。

让AI做判断，别让它做算术

在定价功能上，Raga 的第一版做法很直接：把车辆照片给 Gemma 看，让它给出每小时价格。结果对于三辆相似的滑板车，Gemma 分别报出了 95卢比、180卢比和 600卢比。

“600卢比一小时？这个价格应该配个司机和一杯印度奶茶。”

小模型在数学和一致性方面表现糟糕。于是她将任务拆成两部分：

Gemma 做它擅长的事： 观察车辆并分类为经济型、标准型或高端型。
费率表负责计算： 她查阅了本月海得拉巴真实的自驾租赁价格（Royal Brothers、Zoomcar、Revv 等），并将 IdleWheels 的定价设得略低于市场价。邻居的滑板车不附带公司背书、保险套餐或道路救援，所以不应该收费相同。

这引出了整个项目中最有价值的经验：

让AI判断，但别让它做算术。

小模型（如4B参数）在数学推理和数值一致性上存在固有局限。大语言模型本质上是基于概率生成文本，而非精确计算，因此直接让模型输出价格、数量等数值时容易产生波动甚至荒谬结果。常见缓解策略包括：将数值任务拆解为分类+查表、使用外部计算工具、或通过提示词要求模型输出结构化JSON并由程序后处理。IdleWheels的做法——让Gemma分类车辆档次，再由费率表计算价格——正是将模型的语义理解能力与确定性计算分离，避免了小模型在算术上的不可靠性。

本地AI如何保证隐私并降低门槛

为什么手交接检查必须跑在本地？因为交接照片是私密的。它们可能拍到车牌、车主住所，甚至人脸。

在 IdleWheels 中，这些照片从浏览器直接传到车主自己的笔记本电脑，不会去任何其他地方。服务器只会收到文本判定结果，例如“左侧面板新划痕，轻微”。

对比项	IdleWheels（本地 Gemma）	付费云端视觉API
照片去向	车主自己的笔记本	别人的服务器
单次交接检查成本	0卢比	按图片收费，每次8张
每天50次交接的租赁店	仍然是0卢比	账单每天增长
想要更精准的识别	换用 gemma3:12b 或微调	等待供应商更新

一个副业依赖微薄的利润。一单赚245卢比的租赁，无法为每次交接支付API调用费用。运行在车主已有笔记本上的开源模型，让信任层变得免费。

开源权重模型（open-weight model）指模型训练完成后，其参数权重以公开许可证发布，任何人都可以下载、在本地运行、修改甚至微调。与只能通过API调用的闭源模型（如GPT-4、Claude）不同，开源权重模型如Gemma、Llama、Mistral可以完全离线部署在用户自己的硬件上。这带来三个关键优势：数据不出设备，满足隐私要求；无按次计费，边际成本为零；用户可自由选择模型规模（如4B、12B）或进行领域微调。IdleWheels正是利用了这一特性，将Gemma 3 4B通过Ollama运行在车主笔记本上，使照片对比完全本地化。

技术实现：无构建步骤的极简栈

整个应用使用纯 HTML、CSS 和 JavaScript，没有构建步骤。一个极小的 Node.js 服务器（只有一个依赖：pg）将列表、预订和聊天存储在 Render Postgres 中。AI 从不运行在服务器上。

📱 浏览器 ──4+4张照片──▶ 💻 车主笔记本
                        (Ollama + Gemma 3 4B)
📱 浏览器 ◀──JSON 判定── 💻
📱 浏览器 ──纯文本─────▶ ☁️ Render
                        (Node + Postgres:
                         列表、预订、聊天)

让一个4B小模型诚实地对比两张照片才是真正的工作量：

先描述，后判断。 每个请求将取车和还车照片一起发送，并使用 JSON schema 强制 Gemma 先描述照片1，再描述照片2，然后才列出变化。Ollama 按顺序填充字段，因此判定基于模型刚刚看到的内容，而不是猜测。
告诉它忽略什么。 相隔数小时拍摄的两张照片永远不可能完全一致——光线变化、阴影移动、反光偏移。提示词要求 Gemma 忽略所有这些，以及灰尘。
允许它说“不确定”。 Gemma 可以回答 unsure，并且当两张照片不是同一视角时会发出标记。一个会编造损伤的纠纷工具，比没有工具更糟糕。

Ollama 是一个开源的本地大模型运行工具，它简化了在个人电脑上下载、运行和管理开源权重模型的过程。用户只需一条命令（如 ollama run gemma3:4b）即可启动模型，并通过本地API（默认端口11434）与模型交互。Ollama支持结构化输出（JSON schema），能强制模型按指定字段顺序生成响应，这正是IdleWheels实现“先描述、后判断”的关键。此外，Ollama兼容macOS、Linux和Windows，对硬件要求相对友好，4B模型可在普通笔记本上流畅运行。

诚实的局限：这不是一个可以直接商业化的产品

Raga 在文章末尾坦率列出了项目的边界：

笔记本电脑上的4B模型可能漏掉发丝级划痕，也可能被眩光欺骗。它是第二双眼睛，不是法官。
身份验证目前只是一个名字、一个电话号码和保存在浏览器中的密钥。真正的上线需要 OTP 验证。
法律问题： 在印度，将私人注册（白牌）车辆用于收费租赁需要商业注册和保险。IdleWheels 是信任层的演示。最快的现实落地路径是持牌租赁店——他们每天都在经历完全相同的划痕争吵。

为什么开源创新在此重要

Raga 的项目是 Hacktoberfest 开源AI挑战赛的参赛作品。它展示了本地开源模型在真实副业场景中的独特价值：隐私敏感数据不出设备、边际成本为零、可根据需求自由升级模型。

对于每天处理数十次车辆交接的小型租赁店来说，一个运行在现有笔记本上的免费检测工具，可能比任何云端API都更实际。而“让AI判断、别让它算数”这条经验，也适用于所有试图将小模型塞进业务流程的开发者。

项目已在 Render 上线，代码托管在 GitHub，包含完整的静态演示版本。如果你也曾输掉过“那道划痕本来就在”的争论，这个项目至少提供了一个不偏袒任何一方的技术方案。