北京
海得拉巴的Avinash有兩個女兒，一個三歲，一個一歲半。她們上的日托班教英語字母、印地語兒歌，就是不教泰盧固語——這對夫妻的母語。更尷尬的是，Avinash和妻子雖然流利地說著泰盧固語，卻早已不會讀寫。當他向同事提起這事，好幾個人點頭：我們也是。
這就是Maatru的誕生背景。這個小型應用瞄準的正是這群"語言斷層"的家長：能說不寫，想教無力。孩子點擊開始，聽到一個泰盧固語字母的發(fā)音，從四個選項中選出對應的字符。五輪后彈出"做得好"卡片。家長則通過PIN碼進入一個獨立后臺，閱讀一段英文總結——今天練了哪些字母，哪些對了，哪些還需加強。
最初的設想更激進：讓孩子用紙筆寫出字母，拍照上傳，Gemma 4實時評判。Avinash在動工前先做了一天可行性測試。結果令人清醒：他輸入了一個印刷清晰的元音"?"，白底黑字，毫無干擾。Gemma 4 E4B本地運行，20次識別對了1次；31B版本通過OpenRouter調用，對了4次。模型把同一個字符分別認成了"?"和"??"，連最基礎的印刷體都頻頻翻車。
"視覺能力對印度語系文字還不夠可靠，至少不足以支撐識字工具的核心功能。"Avinash在復盤時寫道。他果斷放棄了手寫識別路線。
最終落地的架構做了明確分工：孩子交互環(huán)節(jié)完全離線，零模型調用；Gemma 4只干兩件事——生成課程內容的純文本，以及基于學習數據做教學決策。家長每次打開后臺時，模型才運行一次，輸出那段英文反饋和背后的教學邏輯。
這個案例的啟示很實在：大模型的能力邊界不是紙面參數決定的，而是具體場景測出來的。泰盧固語有56個字母，全球使用人口近一億，卻在多模態(tài)基準測試的盲區(qū)里。Avinash沒有等模型變強，而是把Gemma 4放在它確實能勝任的位置——文本生成與策略規(guī)劃，讓產品先跑起來。
技術選型上，Maatru的agentic架構也值得關注。Gemma 4在這里扮演的是"規(guī)劃者"角色，而非端到端的黑箱。孩子的學習軌跡被結構化為狀態(tài)，模型據此決定下一組練習內容，而非實時干預每一次交互。這種"重決策、輕感知"的設計，恰恰繞開了當前視覺能力的短板。
對于更多非英語市場的開發(fā)者，Maatru提供了一個可復用的思路：先暴力測試模型在你目標語言上的真實表現，再倒推產品形態(tài)。而不是反過來，拿著Demo視頻想象應用場景。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。
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.
