北京
一个只有8个站台的车站，广播里却排着一条9号站台的通知。末班车已经开走，一把红伞没有主人。这是《The Last Directory》的起点——四行原创虚构笔记，喂给一个跑在本地的开源小模型，生成三段短篇鬼故事。
每个场景旁边都挂着一枚来源标签。点开它，当初启发这段故事的那行档案原文会在故事旁边亮起来。项目作者把这件事叫“可检查的纸面痕迹”：模型写了什么不重要，重要的是它引用的那句话，能不能在原始档案里对上。
这套东西不是在线服务。公开站点回放的是三次真实本地运行的存档输出，横幅上写着“RECORDED DEMO · NO ONLINE INFERENCE”。要生成新内容，得在本地 Python 应用里跑，不需要云端模型密钥，也不需要付费。
它自己先翻车了
作者在演示里专门留了一个“不体面”的案例。选《The Unsent Postcard》，模型在引号内把“marigolds”改成了“marigold”，还把一段明信片引文安上了访客簿的 ID。两个问题都直接显示在故事上方，点 E3 就能看到访客簿原文，错在哪一目了然。
这不是意外，是设计的一部分。项目的 Python 校验器会检查结构、已知 ID、引文是否为原文子串、来源是否互不相同以及顺序，但它从不改写生成的故事。校验器只负责把问题摆出来，不负责替模型圆场。
技术栈很朴素：核心是 Spark-X2.6-4B，用发布方的 Q4_K_M GGUF 配合 llama.cpp b11669，跑在 16GiB 内存的 Apple M5 上。参数是温度 0.6、种子 20261027、输出上限 900 token。三次修订后的开发运行，每次大约 21–25 秒。作者特意注明，这只是对这几次运行的描述，不是性能基准。
8个测试全过，但真正有用的是翻车记录
八项测试全部通过，覆盖伪造引文、引错文件、未知或重复来源 ID、来源顺序颠倒、输出不完整。可作者说，真实模型实验比这些通过的测试更有价值：
- 第一版提示词下，三份输出全部通过字面来源检查。人一读才发现，有借来的时间戳，还有把季节安到了错误的事件上。精确匹配一个都没抓到。
- 改完提示词后，同样三个案例里有两个通过字面检查。花园那份输出挂了两项引文检查，应用把失败直接显示了出来。
- 有些生成的场景仍然带着多余的来源 ID，或者干脆只是把笔记复述一遍。作者自己承认，文笔是个 modest 的原型，叙事质量很主观。
这些是已知案例的回归运行。没有留出集评估，没有独立人工评审，没有原创性认证，也没有受众研究。作者写得很直白：引文能对上，只是一个有用的检查辅助，不能证明整个场景忠实于那个来源。
为什么本地开源权重值得折腾
理由是可检查。模型版本被钉死，提示词就是一个普通源文件，校验规则短到能读完。评审者可以跑同一份档案、改提示词、换模型，或者去追查一句糟糕的引文，而不必依赖某个托管端点还活着。
下载公开权重和运行时之后，推理不需要联网。公开演示本身是一堆真实输出的静态集合，所以不维护付费推理服务也能一直读下去。作者也补了一句：跑起来照样费电费硬件，没人说算力是免费的。
项目始于 2026年10月27日，落在这次挑战的窗口内。档案、叙事流程、界面和来源交互都是为这次提交新做的；钉死的下载器和 llama.cpp 启动工具复用了早前 MIT PlainBridge 项目的成果，来源记在 NOTICE.md 里。模型权重本身是之前就下好的。
披露部分也没藏着
账号所有者 ChillG 授权 Codex AI 代理完成实现、虚构素材、测试、模型运行和这篇文章。这是一次自主构建，文章使用了 DEV 的“完全自主 / AI 生成”披露标签。代理是工具，不是人类队友。没有人类编辑、验证、记忆或受众反应被声称为己有。展示的应用输出是真实的 Spark 补全，保留时没有做静默修补。
代码和虚构数据是 MIT 许可，权重、运行时二进制和私钥不在仓库里。仓库包含前端、标准库 Python 服务、原创虚构档案、测试、真实录制，以及一个装着完整基线和修订证据的源码 ZIP。
回到那个 8 个站台的车站。真正有意思的问题不是模型能编出多吓人的鬼故事，而是它引用的证据，能不能撑过讲述本身。
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.
