“给我生成一份一周浇花计划。”
回车，等。242 秒。
它回我的第一行是：给我生成一份一周浇花计划。
不是复述，也不是确认收到，而是当成答案直接交上来了。我第一反应不是生气，是想给它鼓个掌——这活儿干得，勇气可嘉。
3B 的小模型，本地跑的。它犯这个错我不奇怪，我奇怪的是很多人的第一反应是“换个大的”。
换大的确实能好一点，但你换完，派给它的活一点没变：还是把“今天到底下不下雨”“这盆花这周浇过几次”这种本来就有确定答案的事，交给一个概率分布去拍板。
【裁定如下：问题不在模型，在活派错了】
Tendril 这个项目我看到一半就服气了。它打动我的不是花园，是它把活分得很清楚。
模型那一半：编植物建议、把七天写得不重样、听懂你那句“tulsi 叶子底下有蚜虫”。就这些。
另一半全是 if：降雨概率过 60 就跳过浇水，气温过 35 就排遮阴，连旱三天就补一次深浇，一天最多两个任务，动作不许超过六个词，只能动你自己养的那几盆，日期一个都不能缺。
后面这一串，没有一个字节是模型定的。它是被 Pydantic 拿尺子量出来的：不合格，就带着具体哪条错回去再问一次；再不合格，规则规划器顶上，你至少还有一张能用的表。
这不叫不信任模型，这叫不信任得很好看。
还有个细节挺讨喜：从“让它说一段人话”改成“让它吐紧凑 JSON”，一周计划的生成时间从 242 秒掉到 100 秒。模型没变快，是它被允许瞎扯的空间变小了。
输出 JSON 这事本身土得不能再土，我不觉得有多高级。但它把“模型说得对不对”这个没法测的问题，换成了“这份 JSON 合不合法、这七个字段齐不齐”——一个能测的问题。
能测就能修。不能测只能烧香。
插一句跑题的：Docker Compose 一键起，Ollama 本地挂开放权重模型，换模型就是改个环境变量再 pull 一下。我本来想在这算算本地部署的经济账，算到一半发现没什么可算的——真正的成本从来不是 token 钱，是你为它写的那几百行校验。这段当我没说。
（打住，说回校验。）
语音那条路更逗。一次测试里用户说了两句话：浇了辣椒，tulsi 叶下有蚜虫。模型听完，把这两条揉成一条，全记在 tulsi 名下，浇水那条直接蒸发了。
你说这算理解失败还是理解过度。反正作者后来加了一层关键词检查，把同一句里明显的动作硬绑到植物上。
判断一个 AI 小工具靠不靠谱，我就看模型后面站没站着人。那个“人”，是几行 if。
项目发出去之后，评论区有个叫 Mustafa 的翻完仓库，直接提了一串边界情况：规则任务可能被“每天两个”这个上限挤掉；不同动作因为都沾了个 soil 被误判成同一件事；碰上不认识的植物，系统可能顺手就给处理了。
作者一条条改。治疗、跳浇、遮阴、深浇排了明确优先级；模型产出的任务如果覆盖了规则，就直接占掉那个槽位；不确定是哪盆病了，先问人，别自作聪明。
改完这些好不好用另说，至少“我最怕的那种 bug”——系统静悄悄把你浇过的水吃掉——这条没了。
然后还有后续。同一个人指出 _SAME_JOB 还是把普通浇水和深浇当成一码事。作者回：这是我故意的。用户嘴上说“我浇过水了”，你得顺手把深浇那个任务也勾掉，不然他会以为你没听见他说话。
我站这边。有些精确就是洁癖，用户不领这个情。
当然也有没补上的：预报一天只在早上七点读一次。要是下午四点预报说要下雨、结果没下，这盆花今天就算白浇了，得等到明天早上才知道。
作者自己承认了，说这是目前的缺口。
这个承认比整篇功能列表加起来都值钱，因为写的人知道边界在哪儿。
还有个设计得单说一句：它的核心产物是一张手机锁屏图，早上七点生成，你手机上的快捷指令自己去抓。它不是让你“打开 App”，是让你压根不用打开。连图上那个太阳、云朵、叶子，都是 Pillow 一个圆一个弧画出来的——图都不让模型画。
最好的提醒，是不需要你打开的那种。这话听着像鸡汤，但你翻翻手机里那十几个“每日打卡”的图标，最后一次点开是哪天。
所以我现在看这类小工具，不太看它能干多少事，看它敢把多少事从模型手里抢回来，交给几行 if。
抢得越多，我睡得越踏实。
（郑重声明：本文夸的是一个阳台花园项目，不是给任何模型排座次。真要排，3B 那位今天下午可能又显灵了，谁知道呢。评论区说说你被模型抄过哪句话，我攒着，够写下一段了 🫠）