模型给两句话打了0.979分，作者却把错误留在了页面上

两句话几乎共享不了任何一个词，却能讲出同一个故事；反过来，两句话词序全对、只换了主语，模型却给出接近满分的相似度。ReadOnce 想处理的是更小的一件事：把一份旧笔记和一份新笔记放在一起，指出哪些当前行可能在重复早先的意思。它保留每一行当前文本、对应的早先引用、模型实际打分和理由，不删除、不改写。

这个项目在 2026 年 10 月 21 日动手，落在 Hacktoberfest 开源 AI 挑战第三周“慢而稳”的参赛窗口内。比较引擎、界面和测试夹具都是新写的；复用了本地已有的通用 MiniLM 与浏览器运行时文件，保留其声明和精确哈希，没有改名，也没有拿旧项目来交差。

它怎么判断“可能重复”

功能核心是一个开放权重的句子嵌入模型 Xenova/all-MiniLM-L6-v2。Transformers.js 在浏览器里通过 CPU WebAssembly 跑它的 q8 ONNX 权重，比较自带样例不需要托管补全服务、API key 或账号。每条笔记变成一个 384 维向量，用余弦相似度找可能的早先引用，即使词序被打乱也能找到——这是精确比对做不到的：在留出夹具里，精确基线只抓到字面重复，模型还多找到两处改写。

但相似不等于一致。模型可能给“50 USD”和“75 USD”几乎相同的向量。ReadOnce 因此加了一层朴素词法检查，盯住变化的数量、识别出的日期和星期、否定词、选定的状态词和大写标识符；只要有一项不同，就不打语义重复标签。

匹配规则是明摆着的：余弦至少 0.82，最佳与次佳的差距至少 0.06，且受保护的词法事实相等。平局和被复用的引用都留待人工复核。每条早先笔记只能按当前笔记顺序被占用一次，界面背后没有藏一个全局对齐优化器。精确匹配只折叠空白和大小写，其余匹配一律叫“可能重复”，因为证据只支持到这个程度。每条当前笔记仍渲染在原来的位置，审计 JSON 里包含原文、引用、分数、理由、设置和耗时。

测试数字与那个不该被藏起来的错

第一次推理之前，作者写好了四个校准样例、十二个留出用例和一个对抗性的角色互换，阈值和次佳差距提前固定。十四个独立的引擎测试覆盖非法向量、变化细节、歧义、复用、输入上限和原始行保留。

最终的实际浏览器模型运行结果：校准 4/4、留出 12/12 符合预先写下的预期；纯精确基线分别是 0/4 和 10/12。留出集有十三条当前笔记，因为其中一个用例专门测试复用早先引用。这些合成小样本不能证明真实文档上的准确率，也不能证明省下了多少人工时间。

一次漏判比总数更有信息量。模型给下面两句打了约 0.979 的余弦相似度：

• Alice reviews the report written by Bob.
• Bob reviews the report written by Alice.

这是一个错误的“可能重复”建议。人物角色互换了，但词法护栏看到的事实完全相同。这个失败被留在证据页和 README 里——一个句子模型加几条正则表达式，确定不了谁做了什么。

第一次批量运行也留着。无关笔记改变了推理批次时，分数跟着变，其中一个校准改写掉到了阈值以下。最终加载器改成一次嵌入一条笔记，让应用样例和验证运行中的同一对句子结果一致。阈值没有调，失败的换角用例没有删，两份运行记录都还能查。

边界写清楚，比功能多更重要

界面在桌面视口和 390 CSS 像素宽的框里都检查过。一条形似 HTML/脚本的合成笔记保持为纯文本，下载的审计保留了三份测试原文。本地计时记录把模型等待/加载和推理分开，这是一次带保留资源的运行，不是首次下载基准，也不是真机测试。

开源在这里有具体含义：模型可以钉到不可变版本，文件可以检查、可以算哈希，同样的推理可以重跑，不必把笔记发给模型提供方。应用小到能读完——纯比较模块、模型加载器、渲染代码和一个独立证据页。原始代码用 MIT 许可，Apache-2.0 的模型/运行时和 MIT 的 ONNX 声明随依赖保留。

这不等于托管副本就自动私密，主机和用户浏览器仍然算数。这个版本没有上传端点、没有分析、不存笔记，禁用远程模型加载，连接只限自身来源；作者核对了代码、配置和本地请求，没有做独立的网络抓包。开发过程只用了合成输入。

ReadOnce 支持短英文笔记，每侧最多五十条，模型每条最多看 256 个 token。人名、关系、因果、微妙语气和未识别的标识符仍是弱点，词法护栏也可能误拒无害的改写。它不自动隐藏、批准或删除任何内容，也不用于财务、法律或安全决策。作者的说法很直白：宁可读两条引文，也不想悄悄丢掉一处被改掉的责任归属。