RambleQuest：将开源 AI 转化为现实世界冒险的 Touch Grass 挑战项目

这是 Hacktoberfest 开源 AI 挑战赛第 1 周：Touch Grass 挑战的参赛作品。

我构建了什么

RambleQuest 是一个由 AI 驱动的迷你冒险生成器，旨在让人们离开屏幕，走进现实世界。

理念很简单：告诉 RambleQuest 你的兴趣、可用时间以及偏好的难度。它会生成一个包含可执行目标的迷你冒险，鼓励你探索周围环境，留意那些通常被忽略的事物，将一次普通的散步变成一场小小的冒险。

与使用 AI 为人们生成更多在屏幕上消费的内容不同，RambleQuest 利用 AI 赋予人们放下屏幕的理由。

演示

代码

Aman-Mondal / RambleQuest

你的下一次冒险就在户外。

RambleQuest 是一个由 AI 驱动的迷你冒险生成器，旨在帮助人们远离屏幕，重新连接周围的世界。

告诉 RambleQuest 你的兴趣、可用时间以及偏好的难度。它会生成一个小型、可执行的探险任务，鼓励你探索周围环境，留意细微之处，将平凡的一天变成一场迷你冒险。

目标很简单：少刷手机，多去探索。

✨ 特性

• 🤖 AI 生成的任务 — 根据你的偏好获取个性化的迷你冒险。
• ⏱️ 灵活的时间段 — 选择你在下一次冒险中想要花费的时间。
• 🎯 可定制的难度 — 根据你喜欢的挑战级别定制任务。
• 📋 可执行的目标 — 将冒险分解为易于管理的步骤。
• ✅ 进度追踪 — 完成目标后勾选标记。
• 🎨 沉浸式界面 — 温暖、以自然为灵感的设计，围绕……的感觉打造

我是如何构建它的

RambleQuest 的前端基于 React 和 Vite 构建，后端 API 由 Node.js 和 Express 驱动。

对于本地 AI 开发，我使用了 Ollama 配合 Qwen 2.5 3B，这是一个开放权重的语言模型。后端将用户的偏好发送给自定义的任务生成提示词，并要求模型返回结构化的任务数据，包括标题、描述、目标和预计时长。

前端在一个交互式界面中展示生成的任务，用户可以在其中通过勾选目标来追踪进度。

该项目在开发时注重保持体验的简洁性：生成任务，走出家门，然后完成它。

为什么开放创新很重要？

开放创新使得开发者能够在不完全依赖封闭专有系统的情况下对 AI 进行实验。

通过 Ollama 使用开放权重模型，让我能够在自己的机器上尝试本地推理。这使我能够更好地控制开发过程，并提供了一条在不将每个提示词发送给第三方推理提供商的情况下运行 AI 的路径。

对于像 RambleQuest 这样的项目来说，这一点至关重要，因为其目标是鼓励人们与现实世界互动，而不是创建另一个依赖持续在线交互的服务。

开放模型和易用的工具也使得学生和独立开发者更容易构建实用的 AI 应用，而无需搭建昂贵的基础设施。

我的智能体会话

我尚未包含智能体会话。如果我有适用于该项目的 DevRelay 会话或链接，我会在此添加。

奖项类别

• ElevenLabs 的最佳应用：项目演示中使用了由 ElevenLabs 生成的 AI 旁白。该旁白贯穿用户旅程，从介绍 RambleQuest 和配置任务，到完成目标并进入最终排行榜。
• Render 的最佳应用：RambleQuest 的前端和 Express 后端均部署在 Render 上。此次部署将 React 前端与后端 API 分离，为应用程序的公开访问奠定了基础。
• GitHub Copilot 的最佳应用：GitHub Copilot 协助开发了 RambleQuest，涵盖实现 React 组件、界面样式设计、调试问题以及优化用户体验等环节。它支持迭代开发，帮助我在构建过程中排查问题、验证更改并持续改进应用程序。