Sitspot — 我的位置，叫我回到户外

这是 Hacktoberfest 开源 AI 挑战赛第 1 周：“Touch Grass”活动的投稿

我做了什么

我住在孟买附近的瓦赛。离我的办公桌不到 20 分钟路程的地方，有一个公园、一个湖岸和三个海滩。上个月我一个都没去。不是因为不想去，而是因为在一座印度城市里，十月份的时间把控至关重要：下午体感温度高达 38°C，空气质量每小时都在波动，而海岸线只有在退潮时和天黑前才宜人。没人会去查五个应用来寻找那宝贵的 40 分钟好时光。

Sitspot 会监控你选择的几个真实地点，仅当其中一个地点出现真正适宜的外出窗口时，才会召唤你出门。

• 你只需一次性添加 3–5 个地点（一个公园、一个海滩、你的露台）——这几乎是你将花费的全部屏幕时间。
• 每小时，它会为每个地点获取天气、空气质量、潮汐时间、太阳位置以及最近的 eBird 观测数据，并使用 TabPFN 预测观鸟体验的好坏。
• 一个简单的经过测试的决策函数（代码，而非模型）会对每个地点 × 每小时进行评分——并且有五条严格的安全规则可以否决任何提议：日落后 30 分钟内不去海边，高潮附近不去，体感温度 ≥ 38°C 或美国 AQI ≥ 200 时不去，安静时段绝对禁止外出。
• 当一个窗口满足条件时，Gemma 会写一段简短且务实的邀请信息（“……请在 6:40 前离开，好天气将持续到 8:00。空气质量较差（美国 AQI 150），所以请保持行程简短轻松。要去吗？”），然后你的手机震动。
• 点击它，Sitspot 就会和你对话（ElevenLabs 语音，Gemma 作为大脑）。你可以问“有多远？”，或者说“好的，走吧”。
• 到达地点后，点击“我到了”，然后把手机放进口袋：BirdNET 在手机后台运行并识别听到的声音，同时给出诚实的置信度描述。音频永远不会离开手机。
• 晚上它会写一段简短的野外笔记，每晚它会根据你接受或拒绝的建议进行学习。

屏幕交互只是其中很小的一部分：大约 3 分钟的设置，然后收到震动提示，点击一下，你就出门了。

演示

• 实时应用：https://sitspot.vercel.app
• 视频（手机屏幕录制）：https://www.youtube.com/shorts/BJddW_OH_ZY

关于视频的诚实说明。在我构建应用的整个星期里，瓦赛的空气质量对我不利——大多数傍晚美国 AQI 在 200–299 之间，体感温度 35–39°C。Sitspot 完全做到了它应该做的：拒绝邀请我去任何地方；即使它的“发送测试邀请”按钮在没有窗口通过安全规则时也会拒绝。因此，该录像是使用了一个测试邀请（真实的流程——Gemma 脚本、推送、语音、访问、野外笔记——仅跳过了分数阈值，从未跳过安全规则）在一个空气清洁的测试地点进行的，录制于家中。你可以在主屏幕上看到我真实的瓦赛地点，标记为 AQI 229 · 非常不健康。在口袋模式下，它听到了一只家鸦（这里到处都是）和一只仓鸮——在下午 2:50 室内听到“可能”是仓鸮，这几乎肯定是误报。这个“可能”正是关键所在：该应用旨在表达其确定程度，绝不会凭空捏造鸟类。

预报显示周末空气质量会好转；第一次真正的清晨邀请已排入我的公园日程。

代码

Yashgurav002 / sitspot

你的地点，呼唤着你。利用开放数据监控你附近的几个真实地点，并在其中一个出现真正适宜的窗口时召唤你。使用开放模型：Gemma、BirdNET（设备端）、TabPFN。Hacktoberfest 2026 Touch Grass。

你的地点，呼唤着你。

你添加的是你实际可以去的那 3–5 个真实地点：一条小溪、一座堡垒、一个海滩、一个露台。Sitspot 每小时使用开放数据（天气、空气质量、潮汐、太阳、最近的 eBird 观测）监控这些地点。当其中一个地点出现真正适宜的窗口时，你的手机震动，点击它即可在浏览器中与 Sitspot 进行语音对话（ElevenLabs 语音，Gemma 大脑）。通话会告诉你地点、带有真实数据的理由以及出发时间。如果你去了，点击“我到了”，把手机放进口袋，然后步行前往。晚上，它会根据实际发生的情况写一段简短的野外笔记，并根据你接受和拒绝的内容进行学习。

实时：https://sitspot.vercel.app · 撰写文档：docs/devto-post.md

电话呼叫：ElevenLabs + Twilio 的路径已实现（apps/api/src/delivery/call.ts），但新的 Twilio 试用账户会阻止将流式通话音频传输给 AI 代理……

一个 pnpm monorepo：Next.js 16 PWA（apps/web）、Hono API（apps/api）、Temporal 工作流（workflows/），以及用于策略、代理、LLM 客户端、数据拉取器和数据库的小型包。涵盖 TypeScript 和 Python 的约 300 个测试；CI 在每次推送时运行类型检查 + 测试。

我是如何构建它的

开放模型，每个模型只做它最擅长的一件事：

以上下文为先，而非工具调用。服务器将所有事实（天气、潮汐时间、目击记录、你的偏好）收集到一个小的上下文中；模型只负责生成文本。然后验证器检查每一项输出：每个数字必须出现在事实中，不能命名未被检测或报告的鸟类，沿海脚本必须说“站在坚实的地面上”，绝不能在夜间鼓励人们靠近海岸，置信度词汇必须与检测分数匹配。如果失败，会重试一次并将问题反馈回去，否则使用确定性模板。在我的 40 轮对抗性评估（Gemma 3 1B）中，原始模型在 5% 的情况下命名了不存在的鸟类；而到达用户的比例为 0%。在我强制在代理内部执行“夜间禁止靠近海岸”的规则后，不安全建议到达用户的比例从 12.5% 降至 2.5%——评估在任何一个真实用户发现之前就已经捕捉到了这个问题。

Temporal 使其具有持久性。每天有一个工作流每小时进行评估；每个邀请都是独立的工作流（休眠直到发送时间 → 重新检查条件 → 编写脚本 → 发送 → 等待回答 → 等待到达 → 等待访问结束 → 撰写笔记）。我在每个等待点故意杀死工作进程 20 次：20/20 成功恢复，0 重复通知。

TabPFN，老实说。我在 19,588 份真实的 eBird 清单（2022–2026 年，Palghar/Thane/Mumbai）上与 Open-Meteo 历史数据进行了训练。在保留的 2026 赛季中，TabPFN 在 ROC-AUC 上与简单的热点 × 小时基线持平（0.649 vs 0.650）——未达到我设定的 +0.05 目标。但在邀请阈值处，它具有最高的精确度（0.627 vs 0.549），同时标记的小时数要少得多，这正是需要极少打扰你的应用所需要的。主要限制在于：eBird 的速率限制迫使我使用每日数据源，因此 96% 的行缺少清单持续时间，标签存在噪声。结果文件：evaluation/tabpfn_results.md。

记忆。如果说“工作日小溪太远”，这就成为一条规则——工作日的溪流时段会被推迟，并且理由会引用你自己的话。每一个偏好都必须存储用户的实际语句。过夜期间，它会微调你的阈值并学习你在哪些时间段会说“是”。

零卢比托管。Web 应用托管在 Vercel 上；API、Temporal 工作进程和 Ollama 运行在我笔记本电脑后的免费 ngrok 域名背后，Vercel 代理 /api 路径，从而保持单一来源。Postgres 使用的是 PGlite（嵌入式，带 pgvector）——可以通过 DATABASE_URL 替换为任何 Postgres。

行不通的事情（以及我改用的方法）。我想要真正的电话呼叫。ElevenLabs + Twilio 已连接并在 Twilio 端经过测试——但新的 Twilio 试用账户会阻止将流式通话音频传输给 AI 代理，因此“呼叫”发生在浏览器中：推送通知打开呼叫页面，Sitspot 通过 ElevenLabs 进行语音播报。Twilio 直连代码在仓库中，且在付费账户上可用。

为什么开放创新很重要？

• 可验证的隐私。Bird ID 在手机端运行。你的麦克风音频永远不会离开你的手机；只有“家鸦，置信度 0.71，时间 07:31”这样的数据会被发送。如果采用封闭的音频 API，就意味着要将你散步时的录音流式传输到某人的服务器上。
• 在无信号的地方也能工作。红树林和海滩的信号覆盖通常很差。模型在浏览器中运行；检测结果会暂存在 IndexedDB 中，随后进行同步。
• 可替换的大脑。所有的 LLM 调用都通过一个兼容 OpenAI 的客户端进行。我通过更改环境变量，将脚本从本地的 Gemma 3 4B 迁移到了 AI Studio 上的 Gemma 4 31B，同时为了降低延迟，让语音功能仍保留在本地运行的 Gemma 3 1B 上。当发现 Gemma 4 会在回答之前先进行“思考”（且这一行为无法关闭）时，我在代码中一处修改便将其去除了。
• 开放数据输入，诚实结果输出。来自数千名观鸟者的 eBird 检查清单、Open-Meteo 的预报和历史数据、OpenStreetMap 的瓦片地图，以及一个我可以实际评估的开放表格模型——包括公开它达到了基线水平的结果。
• 运行成本为零。使用免费额度、一台笔记本电脑和开源权重。如果使用封闭 API，一个每小时检查五个地点的常驻代理会产生真实的月度账单。

我的 Agent 会话

使用 Claude Code 作为我的编码代理构建：它编写了产品需求文档（PRD），将其拆分为 20 个任务，按包并行运行子代理，并且每个任务在提交前都必须通过其测试。

奖项类别

• 最佳 Gemma 应用 —— Gemma 4 31B 负责撰写每封邀请函和备注；Gemma 3 1B 在本地运行，作为语音代理的大脑；两者均受到验证器的约束。
• 最佳 TabPFN 应用 —— 基于 19,600 份真实 eBird 检查清单训练的每小时“适宜观鸟”预报，并与上述三个基线进行了基准测试，得出诚实的结果。
• 最佳 ElevenLabs 应用 —— Sitspot 的声音：一个 ElevenLabs 代理，其 LLM 是我的自有开源模型端点（Gemma），因此其声音建立在相同的事实和安全规则之上。
• 最佳 Temporal 应用 —— 具有信号、重新检查和重试机制的持久化邀请工作流；在强制杀死工作进程后，20/20 的任务能恢复执行，零重复。

致谢：TabPFN 由 Prior Labs 提供；BirdNET (Kahl 等人，2021，CC BY-NC-SA 4.0)；eBird / 康奈尔大学鸟类学实验室；Open-Meteo (CC BY 4.0)；© OpenStreetMap 贡献者。