291MB模型报错滤芯周期，他做了个离线校验器

一个291 MB的模型，面对一页写了多个维护周期的说明书，给出的答案是：前置碳滤芯需要"每1个月"更换一次。它同时引用了一句话作为依据——而那句话里根本没有任何周期数字。这个错误被自动校验程序拦了下来。Sloth Drawer这个项目，就是从这次失败开始的。

作者手上有11台设备，却说不清任何一台上次清洁是什么时候。说明书PDF躺在一个没人打开的抽屉里，"每2个月"这类信息没有和任何记忆绑定。于是他做了Sloth Drawer：一个离线、纯CPU运行的代理，读取你已有的说明书PDF，对找到的每一个周期回到原文中核验，然后为每台设备打印一张维护卡——贴在设备上，这件事就不用再想了。

它是什么

Sloth Drawer由一个Python命令行工具和一个单页网页界面组成。不需要API密钥，不需要云端模型，也不需要租数据库。冷安装耗时3.66秒（uv、空缓存、19个包），因为核心只依赖pypdf和标准库。

用法是把一摞说明书PDF丢进文件夹，然后跑扫描。演示语料是7个品牌的19份空气净化器说明书——只覆盖一个设备品类，因此只有一种卡片版式，也只有一个诚实、可比的基准。

• 扫描：19份说明书，4核CPU上无人值守跑10分14秒
• 出卡：单台设备生成一张卡，HTML（A6打印版）加80列终端卡
• 完成：标记某项已做，到期日在代码里前移
• 报告：输出准确率表格
• 服务：在浏览器里看同一批卡片

网页卡与命令行卡逐字节一致，有测试专门证明这一点。

模型指路，代码引文

整条流水线是：摄入→切块→正则预筛→（可选）270M分诊→1B抽取→校验。基准测试逼出了三个决定。

第一，每次调用只问一个事实，用扁平结构，绝不用数组。作者在4核CPU、7.5 GB内存、无GPU的条件下测了三个模型。在对象数组结构下，phi4-mini返回了{"intervals": []}——结构合法，语义为空。改成扁平结构、对每个形似周期的句子问一次，所有被测模型都通过了。

第二，模型只负责指，代码负责引和算。模型返回一个引文片段，代码随后做四件事：在来源页中定位该片段、扩展到所在整句、从这句话本身重新解析周期、再与模型给出的数字比对。结果分三种：通过、修复（以代码值为准，记录分歧）、拒绝。每张卡上的每个日期都在存储层由你维护的服务日志计算得出，零个日期由模型撰写。

第三，三层级联。正则预筛免费给形似周期的语言打分；在这份语料上，1,325个切块中只有84个真正到达模型，94%在零成本环节被过滤掉。gemma3:270m（291 MB）是可选的yes/no分诊闸门；gemma3:1b（806 MB）在温度0、固定种子、结构化输出格式下做抽取。两个模型都通过Ollama在本地运行，核心安装从不导入任何SDK。

单位换算（90天=3个月、720小时=1个月、区间取中点等）集中在一张表里，同时写进提示词和校验代码，并用测试把两边钉在一起——如果模型的规则和代码的规则发生漂移，每一句"每90天"都会变成一次错误的修复。

校验器才是产品

小模型会对你说谎；要做的是让这个谎到不了一张打印出来的日期。校验器是554行纯Python，不含模型调用，除errors.py外不导入项目内任何模块，AST导入测试强制执行这一点。

运行中一次真实的修复：Winix 5500-2第1页，模型说"每3个月清洁一次"（可水洗碳滤芯那一行），但它的引文漂到了相邻的"……Last Approx. 12 months True HEPA Filter"一行。校验器重新解析被引句子，得到12，于是写入12并记录分歧。今天这张卡上同时有3个月和12个月两项任务，各自引用各自核验过的句子。

作者的核心观点是：抽取流水线不需要更聪明的模型，它需要一段被核验过的引文。把模型输出当作不可信的API响应来设闸，并且从模型只能指向的源文本中重新推导数值——这样即便结构上完美的答案，也可能在自己的引文面前失败。

离线与开放

整套栈运行在你所在的地方：291 MB和806 MB的Gemma权重、4核CPU、无GPU，22,401个token花费$0.00。作者在断网条件下验证了完整的19份说明书运行——在只配置回环的用户加网络命名空间内，内部再起一个Ollama，没有任何对外路由，判定结果完全一致。地下室、车库、气隙网络：这个说法是一条日志，不是一句承诺。

换模型，卡片不变。--model phi4-mini改变代理的行为，接口保持一致——开放权重是让模型成为配置项而非依赖项的唯一条件。换检索后端，卡片也不变：同一张卡既能从本地SQLite FTS5三元组索引产出，也能从Tiger Cloud混合索引（pgvector加pg_textsearch BM25，用倒数排名融合）产出。在实时语料上的对齐测试：4/4查询一致，本地前5的命中都能在云端前20中找到。云索引是增强，从不是前提。

隐私是结构约束，不是承诺。云端表只存切块文本和向量，没有任何一列能装下设备名、序列号、购买日期或服务日志，填充它的代码也从不接触这些。只有说明书文本和向量过网，卡片和到期日留在你的机器上。由于模型必须引用你自己说明书中的逐字子串，它只能指向你本来就拥有的文本，无法夹带一个你没有出处的事实。

格式端到端开放：SQLite、JSON、Markdown报告，以及你已有的PDF。卸载工具之后，它抽取的一切连同引文仍然在你手里。

算得清的回报

手工读19台设备的维护表，认真看的话每台约20分钟——而老实说，你从来不会去看。实测的回报是：把19份PDF丢进文件夹，走开，10分14秒后拿到35个已核验周期、每台一张打印就绪的卡，以及一份准确率报告，告诉你哪13次抽取需要修复、哪7次被拒绝。约37倍的阅读量节省，$0的API成本，永久、离线。此后维护只需一次done或浏览器里一次点击——移动到期日的是代码，不是语言模型。