停车标志每个字都读对了，Gemma却把规则搞错了

一个叫 TicketBack 的小工具，把两张手机照片变成一封停车罚单申诉信：一张罚单，一张你停车时头顶的标志牌。本地开源模型读这两张图，普通代码判断你有没有申诉理由，有的话模型再根据你确认过的事实写这封信。整个过程不离开你的电脑。

问题很小，也很常见。65 美元的罚单，便宜到不值得花钱请人打，又贵到足够毁掉一天心情。交钱比申诉省事，哪怕标志牌上写得清清楚楚，限制在开单前一小时就已经结束了。真要申诉，得仔细读罚单、算清标志牌的时段和星期，再写一封语气坚定又不显得愤怒的信。十分钟的琐碎活儿，很容易就放弃了。

谁愿意付钱：司机，每次申诉几美元。还有小型车队——送货车、水管工、承包商，每个月都能攒下一堆罚单，却没人专门负责申诉。对车队的说法很简单：罚单来了就拍照，值得打的那些拿到信。因为模型跑在本地，一次申诉没有 API 成本要转嫁，低价也撑得住。

作者把架构的由来归结为两次意外。第一次是 schema 改变了模型能看见什么。最初给 Gemma 的 JSON schema 里每个字段都是可选的，注明“看不见就填 null”。一张干净清晰的罚单，它只返回了 14 个字段里的 8 个，花了 74 秒。同一张图、同样的温度，把每个字段改成普通字符串、指令改成“没印就填空字符串”：14 个全中，29 秒。给了跳过的许可，小模型就会跳过；要求填满每个槽位，它就把整张罚单读完。

第二次更关键：读得完美，理解错了。一张写着“2 HOUR / PARKING / 9 AM - 7 PM / EXCEPT SUNDAY”的标志牌，Gemma 把每个词都转写正确，然后报告说这条规则一周七天都适用。它读到了“except Sunday”，还是把周日放进了列表里。

这个 bug 定下了整个架构。模型只负责抄：把罚单抄成字段，把标志牌抄成文字，别的什么都不做。代码负责读含义：一个小而经过测试的解析器，把转写出来的标志牌文字变成星期、时段和时长限制，“Mon thru Fri”“except Sunday”“10 PM - 6 AM”“anytime”各有测试。你负责确认事实：车牌读错了，看得见就是两秒钟的修正；埋进信里就是灾难。规则负责判断：九种申诉理由，每一种都是朴素的比较——开单时间对标志牌时段（包括跨夜时段），罚单上的车牌对你的车牌，已付时间对开单时间。每条结论都列出它用到的确切数值。读不出来的标志牌时间永远不算“不在生效”，因为未知不等于关闭。

最后一步是模型写、代码查。Gemma 只根据选中的结论写正文，代码加上抬头和落款，然后标出正文里任何一个不在已确认事实中的数字。又一个 bug 让这一步更严：早期一封信对一张周三傍晚开的罚单说限制“周三不适用”，真实原因是小时而不是星期。现在规则会写明确切原因——“限制已经结束；它在 18:00 结束”——模型没有可猜的余地。

读得准不准？作者写了一个评测，用三种版式（表格、堆叠、热敏小票）渲染随机编造的罚单，加上倾斜、模糊、不均匀光线和重度 JPEG 压缩，再逐字段打分。12 张罚单、10 张标志牌，跑在没有 GPU 的笔记本 CPU 上，机器还在忙别的活儿。第一次完整跑，开单时间只在 6/12 张罚单上正确——而这正是最强申诉理由所依赖的字段。没有一次是读错：印着“1025 HRS”的罚单，模型抄对了时间，是解析器拒了它；12 小时制的罚单上，作者让模型转成 24 小时制，它把“2:30 PM”变成 2:30，把“6:35 PM”变成 06:35。于是模型现在原样抄时间，由代码转换。修完之后：12/12。每次修复都是从一个决定从模型手里拿走。

仍然错的四个字段全在热敏小票那种小字版式上：两个车牌（2VVX292 读成 2VXV292，2SXN163 读成 25XN163），一个掉了数字的罚单号，一个多了一个词的违规项。车牌读错最危险，因为它会让规则报出一个假的“车牌不符”理由。这就是为什么第三步要你逐个核对每个值，也是为什么那条结论在靠近信件之前会把两个车牌并排摆出来。

剩下的都是让它可信的无聊部分：87 个测试（18:00 整这样的边界、第二块覆盖该时段的标志牌、带横杠输入的车牌），4 个针对真实模型的测试，一份禁止内联脚本的严格内容安全策略，15 MB 上传上限，以及一个跑完所有东西并打印 ALL GREEN 的发布闸门。

对这个产品来说，自己跑模型就是全部意义。隐私上，一张停车罚单把你的车牌绑在一天中的某一分钟和某条街上，标志牌照片还显示你站在哪里，那是位置历史。用本地 Gemma，照片从相机到你自己的硬盘就停住了。成本上，一次申诉对寄信的人只值几美元，按图计费的 API 账单会吃掉这点利润，本地推理没有按单费用，价格才能压住。控制上，上面两次意外之所以能修，是因为作者可以想测多少次就测多少次，温度 0，没有速率限制，没有每次实验的成本。模型是一个环境变量，下个月有更好的开源视觉模型，改一行就行。离线也一样，停车场里没信号，而你正是在那里发现罚单的。

封闭模型会在哪里更好：一张皱巴巴、被雨淋过的罚单上的原始读取准确率。更大的模型会犯更少的错。但这个设计不依赖模型永远正确，它依赖你看见每一个值、代码做每一个决定。这套设计用笔记本上的 4B 模型一样成立。

它不做什么：它不懂任何城市的法律。规则只比较事实，所以一个真实的理由在地方规定不同的地方仍可能输。它是起草工具，不是法律建议。准确率数字来自合成照片，不是真实罚单。这些限制也写进了应用和 README 里。