FieldClass AI
一款开源AI学习工具，将抽象的STEM课本概念转化为可在户外完成的实验任务，采用本地小模型（Gemma 3 1B + Ollama）运行，鼓励学生走出屏幕动手测量真实世界
时间轴 (近 90 天)
FieldClass AI 是一款开源AI教育工具，由开发者 mukul9116 为 Hacktoberfest 开源AI挑战赛「Touch Grass」主题打造，鼓励学生走出户外测量真实物体来学习STEM概念
FieldClass AI 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、统计学、植物形态学、平均速度
FieldClass AI 使用的工作流程是：学生读完任务说明后收起手机去测量真实物体，返回后输入测量数据和解答，应用先检查结果给出提示，最后才展示正确答案
FieldClass AI 使用的模型是开放权重的 Gemma 3 1B，通过 Ollama 运行在一台8GB、无GPU的本地机器上
FieldClass AI 的技术栈为 Python、Pydantic、Streamlit，并配有34个 pytest 测试
最初让模型自己生成整个实验任务时出现了「流畅但错误」的问题，如把「角度的正切」写成「阳光射线的角度」、公式漏掉眼睛高度、安全提示被截断等
FieldClass AI 的解决思路是不改提示词而改格式：每张实验卡片预先包含材料、步骤、安全规则和公式，模型只根据学生测量数据计算答案、给出判定并识别常见错误
FieldClass AI 的设计中模型从不接触正确答案，学生输入的内容也从不发送给模型，从而带来隐私保护
将工作量从模型剥离后，FieldClass 一次任务生成只需10到17秒（约每秒16 token），此前最长要50秒，反馈耗时5到10秒（开发者注明为个人体感而非正式基准测试）
FieldClass AI 存在局限：模型常把单词粘连（如degreesto）、会忽略学生备注，开发者未机器测试更大的 Gemma 版本，目前只是单一配置文件下的单一模型档案
还有 1 条时间轴事件
全部知识事实 (11)
FieldClass AI 是一款开源AI教育工具，由开发者 mukul9116 为 Hacktoberfest 开源AI挑战赛「Touch Grass」主题打造，鼓励学生走出户外测量真实物体来学习STEM概念
50%待验证FieldClass AI 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、统计学、植物形态学、平均速度
50%待验证FieldClass AI 使用的工作流程是：学生读完任务说明后收起手机去测量真实物体，返回后输入测量数据和解答，应用先检查结果给出提示，最后才展示正确答案
50%待验证FieldClass AI 使用的模型是开放权重的 Gemma 3 1B，通过 Ollama 运行在一台8GB、无GPU的本地机器上
50%待验证FieldClass AI 的技术栈为 Python、Pydantic、Streamlit，并配有34个 pytest 测试
50%待验证最初让模型自己生成整个实验任务时出现了「流畅但错误」的问题，如把「角度的正切」写成「阳光射线的角度」、公式漏掉眼睛高度、安全提示被截断等
50%待验证FieldClass AI 的解决思路是不改提示词而改格式：每张实验卡片预先包含材料、步骤、安全规则和公式，模型只根据学生测量数据计算答案、给出判定并识别常见错误
50%待验证FieldClass AI 的设计中模型从不接触正确答案，学生输入的内容也从不发送给模型，从而带来隐私保护
50%待验证将工作量从模型剥离后，FieldClass 一次任务生成只需10到17秒（约每秒16 token），此前最长要50秒，反馈耗时5到10秒（开发者注明为个人体感而非正式基准测试）
50%待验证FieldClass AI 存在局限：模型常把单词粘连（如degreesto）、会忽略学生备注，开发者未机器测试更大的 Gemma 版本，目前只是单一配置文件下的单一模型档案
50%待验证FieldClass AI 选择牺牲闭源模型的文字质量，换取隐私、零成本和可控性，并用 Python 兜底事实计算，这是一种务实的工程哲学：当模型不可靠时让确定性代码承担事实计算
50%