北京
帕斯卡尔·马塔（Pascal Matta）曾在谷歌和T-Mobile为科技巨头写软件。但当他想给西雅图的自家房子加一个露台时，他发现市政法规比软件代码难缠得多。
他翻遍了一堆许可法规，那个露台最终也没建成。马塔决定用自己的方式解决这个问题——而且用了两条腿走路。
第一，他在西雅图创办了自己的总承包公司 Kolmo Construction。第二，他做了一个免费在线工具，专门解读这座城市以及其他地方那些绕来绕去的许可规则。
一个不加门槛的数据库
这个工具挂在 kolmo.io/permits 上，是一个不加门槛的数据库，目标就是回答那些通常会把房主逼进市政PDF迷宫的问题。
它由AI驱动，覆盖金县、皮尔斯县和斯诺霍米什县80个司法管辖区内的457条经过核实的规则。每一条规则都直接链接到具体的城市源页面和确切措辞，而不是让用户依赖粗略猜测和谷歌搜索。
它还在82个司法管辖区叠加了华盛顿州的基础标准，并清楚标注哪些是经过城市直接核实的、哪些不是。
“它之所以存在，是因为这些信息确实不在别处，”马塔这样评价这个网站。他指出，简单的许可问题在相邻城市之间可能天差地别。
“在贝尔维尤、柯克兰和西雅图，答案各不相同，每一个都埋在各自城市的PDF里——而房主往往是在签了合同之后才发现，那时候就贵了。”
输入地址，看到能建什么
用户输入具体地址后，网站会生成地块级别的拆解，包括房产可建范围、高度限制和现有建筑的3D可视化。
在此基础上，工具会评估当地的分区和建筑规范，展示可以建什么——比如某块地是否符合西雅图法规下建两套独立附属住宅单元（ADU）的条件——同时为从管道工程、树木移除到热泵安装等各种任务提供即时的“我需要许可吗？”答案。
马塔的项目出现之际，城市和科技创业公司都在试图理清市政许可积压问题。西雅图市宣布计划在2025年部署AI，以简化自身的住房和小企业许可审查，而像 Govstream AI 这样的本地创业公司已经筹集了数百万美元来现代化政府的土地利用工作流程。
但那些企业级努力聚焦于后台的官僚效率，马塔的工具则从底层切入——在铲子碰到泥土之前，就把清晰、可搜索的法规规则直接交到房主和建造者手中。
用户界面背后是一个由谷歌 Gemini 模型驱动的AI层，使用检索增强生成（RAG）技术，向系统喂入确切的城市规则，使其能够带着引用来源回答具体的许可问题，而不是靠AI猜测。
马塔还把整个数据库通过模型上下文协议（MCP）开放出来，允许第三方AI助手直接查询这些规则。
为了保持信息准确，一个自动化流程每周重新检查每个源页面是否有更新，并将结果发布到公开的数据质量日志上——马塔指出，这个系统在西雅图更新2026年许可费用表时，抓出了他自己费用计算器里的一个错误。
虽然这个许可工具仅处理西雅图的数据就要花掉马塔大约2000美元的大语言模型API token费用，但他没有计划将其变现或设置付费墙。他只是希望人们——以及同行总承包商——能用上它。
代码与工地的交叉点
回到工地上，他的软件背景给了 Kolmo 明显的优势。利用他自建的内部AI工具，马塔可以在现场勘查时录语音笔记和拍照，然后在不到一分钟内生成详细的项目报价，让客户还在他家门口时就能得到明确答复。
代码与实体建造之间的这种重叠，正是让他保持干劲的原因。当被问及更喜欢写软件还是搭实体露台时，马塔指向了他两份职业交汇的那个甜蜜点。
“我想我喜欢我现在做的事，”马塔说。“我喜欢搭露台，但我也能看到我拥有的潜力，因为我有软件背景——它如何改变游戏规则，说实话。”
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
