用泰卢固语提问，能从英文保单里找到答案吗？

用泰卢固语提问，能不能直接从一份英文保单里翻出答案？这个问题听起来像翻译工具的活儿，但翻译和检索是两件不同的事。翻译要把整份文档搬过去，检索只需要找到那一页。

EmbeddingGemma 2 把 100 多种语言放进同一个向量空间，纯文本权重在谷歌 LiteRT 打包下是 165 MB。这个组合里藏着一个没人在卖的产品：用你真正思考时使用的语言，搜索你自己的英文文档。现在它跑在一个浏览器标签页里。

缺口在哪

离线语言应用几乎都在做翻译，没有人在做检索。保单、出院小结、租房合同全是英文，而需要答案的人读的是泰卢固语，摆在面前的选择只有两个：把整份文档翻译一遍，既有损耗，翻译完还得自己找段落；或者请别人替你读。

跨语言检索是另一份工作，也是真正能回答问题的那个。一句“గది అద్దె రోజుకి ఎంత”（房间租金一天多少），不需要把保单翻译过来，它需要的是第 7 页。

它具体做什么

• 模型下载一次，300 MB，由浏览器缓存。
• 在把任何东西交给模型之前，先验证模型是否正确加载。
• 在本地索引 PDF，保留页码。
• 用泰卢固语、印地语、英语或罗马化拼写的 Tenglish 提问，返回排好序的页面和周边文本。

首次访问就能跑起来，因为随附了两份真实文档：HDFC ERGO 一份 29 页的 Arogya Sanjeevani 保单条款，以及 University Health Network 一份公开的 3 页出院小结样本。

真正起作用的机制

任务前缀。查询会加上 task: search result | query:，文档会加上 title: none | text:。

在十二段干净文本上实测：带前缀 12/14，不带前缀 12/14，换成问答前缀 11/14。在这批数据上，前缀没有带来可靠差异，所以保留它是因为它有文档记载、成本为零，而不是因为在这里被证明有效。

量化不是免费的。同样十二段文本、同样的查询：

• q8：10 次里 8 次排在第 1 位正确
• fp16：10 次里 8 次
• q4f16：10 次里 6 次

浏览器版本一开始用 q4f16，因为它是 150 MB 而不是 300 MB。代价是十次里少对两次，而且集中在印地语和罗马化查询上。最终发布的版本是 q8。

分块边界吃掉了答案。按 1200 字符切分时，“subject to maximum of Rs.5000 per day”这句话落在某一块的尾部，而后果落在下一块的开头，于是排名第一的命中是答案后面那一段。改成 800 字符、250 重叠，并在展示前把命中的块和相邻块拼接起来，同一语料上的首位准确率从 6/18 提升到 8/18。

模型找到正确页面的次数，比找到正确段落的次数多。块级首位命中是 8/18，而在 18 个查询的集合上，页面级首位命中是 12/18，浏览器里是 4/6。所以界面展示的是页面，而不是假装成答案的片段。

英语查询反而比泰卢固语更差。在全量语料上，英语问题检索到的是定义页而不是保障页：问 AYUSH 保障，拿到的是定义 AYUSH 医院的那一页。这在语义上是合理的匹配，在答案上是无用的。这是加一步重排序最清楚的论据，而这个版本里没有。

它的成本

在 M2 mini 上用 Chrome 和 WebGPU 跑一份 29 页保单：

• 模型下载加初始化：201 秒
• 索引 153 个块：26 秒，约每秒 5 块
• 索引本身：459 KB，768 维下每块 3 KB
• 一次查询：嵌入 118 到 967 毫秒，排序 32 到 270 毫秒

还有一个决定这东西有没有用的数字：在泰卢固文、印地语、罗马化 Tenglish 和英语的六个查询里，答案出现在展示的五页之中是 6/6，出现在第一页是 4/6。

这个差距就是它诚实的样子。它是一个页面查找器，不是答案机器。

有个细节让 6/6 没那么神奇、却更有用：第 21 页反复胜出，而第 21 页是保单明细表，唯一一页把每项保障和它的限额列在一起。模型在做一个人拿到保单会做的事——先找汇总表。

限制

• 泰卢固文比罗马化泰卢固语和印地语弱。干净文本上：印地语 3/3，泰卢固语 1/3。
• 没有 OCR。扫描版 PDF 会被明确告知没有文本层，而不是被悄悄忽略。
• 只处理文本。视觉和音频编码器存在于 440M 和 740M 变体中，这里没有接入。
• 首次使用前要下 300 MB；浏览器不支持 WebGPU 时还要一个 26 MB 的 WASM 运行时。
• 这是手机上的浏览器应用，不是 APK。做 APK 意味着 MediaPipe Tasks 或 LiteRT 加一套 Android 工具链，那是下一个版本。

隐私声明，以及怎么验证

没有服务器。模型从 Hugging Face 取一次，之后每次嵌入、每个向量、每个答案都在标签页里算完。Playwright 监听所有网络请求可以确认：一次查询期间，零请求。

有一件事没通过这项检查：第一个版本从 jsDelivr 拉取 ONNX Runtime 的 WebAssembly 加载器。加载时向一个没人同意的 CDN 发了两个请求，而这款产品的全部论点就是什么都不离开设备。现在运行时已经打包，从应用自己的源提供。