我构建了 ESCAPE：通过接触自然解锁社交媒体——基于离线 AI

这是我为 Hacktoberfest 开源 AI 挑战赛第一周“去户外走走（Touch Grass）”主题提交的作品。

我做了什么

如果 YouTube 的密码不是 PIN 码，而是一次小小的户外冒险呢？

认识 ESCAPE —— 世界就是你的密码 🌱

我为那些发现自己无休止刷手机的人构建了一款实验性 Android 应用。ESCAPE 不展示另一张屏幕使用时间图表，而是鼓励你走出家门、散步、触摸草地，重新发现大自然。

理念很简单：现实世界就是你的密码！

每次户外探索包含三个步骤：

1. 移动 🚶 — 走出家门，利用手机的计步传感器和计时器完成步行目标。
2. 发现 🌳 — 在自然中发现有趣的事物：草地、美丽的树木、花朵，或水中的倒影。
3. 捕捉 📸 — 拍摄你的发现，预览图像，然后点击“分析”。ESCAPE 会在本地检查证据。

完成探索任务，即可赢得有限的社交媒体访问权限！

但为什么只限于走路呢？

在周末，ESCAPE 还鼓励自行车探险，并帮助发现附近的公园、绿地和骑行路线。

下午 6 点前，探险活动侧重于户外运动。下午 6 点后，用户可以选择进行户外探险或室内自然灵感挑战。已经进行中的活动不会重置，将继续进行。

演示

🎬 观看 ESCAPE 的实际操作

▶ 在 YouTube 上观看真实的 Android 演示

视频展示了 ESCAPE 在真实 Android 手机上的体验：阻止 YouTube、追踪步行任务、捕捉和预览自然照片，以及批准证据。

最让我兴奋的是：我在手机断开互联网的情况下测试了图像分析，ESCAPE 仍然批准了那张自然照片！

录像显示了批准结果，尽管它没有独立显示网络断开的过程。演示使用了加速的演示模式以缩短步行要求。

🌐 访问 ESCAPE 项目展示页

代码

💻 ESCAPE — GitHub 仓库

ESCAPE 是一个使用 Flutter 和 Kotlin 构建的开源 Android 原型。源代码公开可用，尽管该应用尚未发布到 Google Play。

我是如何构建它的

ESCAPE 将开放权重 AI 与 Android 原生能力相结合：

• Gemma 3 1B IT + LiteRT-LM：在手机本地生成基于自然的创意任务。任务会被缓存，以避免为通知重复运行模型。
• Flutter + Kotlin：提供用户界面、应用监控、屏蔽覆盖层和任务管理。
• Android 传感器：追踪步行时间、步数以及可选的基于 GPS 的骑行进度。
• Google ML Kit：完全在设备端分析捕捉到的照片，检查广泛的自然主题，如树木、植物和水。
• OpenStreetMap/Overpass：在互联网可用时，发现附近的公园和骑行基础设施，并缓存结果以便离线使用。

一个重要的区别是：Gemma 3 1B 是一个文本模型。它生成创意任务，而 ML Kit 负责图像识别。

我还将创造力与验证分离开来：

AI 创造冒险。Android 追踪进度。本地图像识别评估证据。

即使 AI 的回答有所变化，这也能确保解锁规则的可预测性。

为什么开放创新很重要？

想象一下，在没有移动数据的情况下穿过公园。一款由 AI 驱动的户外伴侣应该停止工作吗？

使用具有设备端推理功能的开放权重 Gemma，允许 ESCAPE 在不频繁联系云 API 的情况下创建新的任务创意。照片分析也在本地进行，无需将图片上传到服务器。

初始设置完成后，核心探险体验可以离线工作。下载模型和发现附近的新地点仍需要互联网连接。

对我来说，最有趣的部分是一种讽刺：

我构建了一个 AI 应用程序，其最终目标是让人们减少花在手机上的时间。

有时，技术的最佳用途是鼓励我们体验超越技术本身的事物。

我的 Agent 会话

在开发过程中，我使用 GitHub Copilot CLI 来检查任务验证和奖励规则，提高测试覆盖率，并添加自动化的 Flutter 验证。

我没有捕获 DevRelay agent-session 嵌入内容，但以下是 Copilot CLI 开发工作的证据：

你也可以查看 GitHub Actions 工作流。

奖项类别

Gemma 的最佳应用

Gemma 3 1B 通过 LiteRT-LM 在本地运行，无需持续联网即可生成创意户外任务。

GitHub Copilot 的最佳应用

GitHub Copilot CLI 通过测试和 CI 工作流开发帮助提高了项目的可靠性。

ESCAPE —— 少一点刷屏，多一点漫步。去亲近自然吧！🌿