我构建了一个希望你放下屏幕的 AI：GrassQuest AI

少刷屏幕，多去探索。

问题所在

我们拥有能帮助我们更快写作、更快编码并消耗更多信息的 AI 工具。但如果我们构建一个旨在让我们关闭屏幕的 AI 应用呢？

正是这个问题启发了 GrassQuest AI。

为了参与“去摸摸草”（Touch Grass）挑战，我想探索一种人与人工智能之间不同的关系：在这种关系中，技术成为现实世界体验的起点，而不是另一个引发无尽互动的来源。

介绍 GrassQuest AI

GrassQuest 是一个开源的、由 AI 驱动的自然探险伴侣。

用户输入可用时间、心情、兴趣、偏好的环境以及难度等级。

一个开源权重的 AI 模型将这些偏好转化为个性化的户外任务。

随后，该应用会鼓励用户放下手机，完成任务，并在完成后返回记录体验。

我是如何构建它的

前端使用 React、TypeScript 和 Tailwind CSS，后端使用 Python 和 FastAPI 处理 AI 请求。

其智能核心来自 Google 的 Gemma 3 模型，通过 Ollama 在本地运行。

AI 生成结构化的户外任务，后端在将其展示给用户之前进行验证。

该项目还包括无干扰的任务体验、本地任务存储、自然日志以及户外活动仪表板。

为何开放创新至关重要

我选择开源权重 AI，是因为我希望项目的智能部分能够由用户自行运行和控制。

GrassQuest 支持本地推理，而不是让每次请求都依赖于专有的云端 AI 服务。

这种方法创造了隐私保护、模型定制、实验探索以及减少对第三方基础设施依赖的机会。

这也意味着开发者可以检查应用程序，修改其任务生成逻辑，并尝试不同的兼容模型。

目标不仅仅是因为挑战要求而使用开源 AI，而是让本地 AI 成为产品目的的核心。

“去摸摸草”的理念

GrassQuest 围绕一个简单的理念设计：

最好的体验是让人最终走出户外的体验。

它不鼓励无尽的互动，而是给用户一个任务，然后退后一步，不再打扰。

在真实世界中测试

[插入你实际的户外测试体验。]

[描述 Gemma 生成的任务。]

[包括哪些地方做得好、哪些让你惊讶以及你会改进的地方。]

[添加真实的截图和户外演示照片。]

技术挑战与经验教训

[记录在实现或运行本地 AI 时遇到的真实挑战。]

[解释你是如何调查并解决它的。]

[包含关于本地推理速度、模型输出质量或资源使用的诚实观察。]

下一步计划

我希望探索更丰富的自然相关任务、更好的无障碍功能以及更多的本地 AI 能力，同时保持 GrassQuest 轻量级且注重隐私。

长期愿景很简单：让 AI 成为发现更多世界的工具，而不是让人进一步逃避到屏幕中。

项目链接

项目本地主机链接：查看 -> http://localhost:5173/

专为“去摸摸草”开源 AI 挑战而构建。

关闭标签页，开始冒险吧。 🌱