所筑何物
数周之内，时闻客数据泄或SaaS平台遭破。与此同时，众皆欣然将Gmail账户连于诸般AI之器，只为答一问： "吾之包裹安在？"
Parsli乃一本地优先之AI助人，应此问而不使君之邮箱流于他人云中。
其与Gmail本地相连，解析与货运相关之邮件，提取追踪信息，分类货运事件，自纷繁之市集、承运商、提货点、海关通知及仍如2009年般发送邮件之杂货铺中，构建时序。
货品之函，细察之，竟为私密之数据。默然示人购物之所，用药之方，所购之贵物，出行之期，乃至有时君未归家。吾不愿将此流之私行，予另一初创公司，虽其有“吾辈重君之私”之页。
Parsli尚为初稿，然吾实欲继之。吾购自异国，经异市，运单追查，迅速淆乱于诸承运者、诸语言、诸通知格式之间。此始为本地AI流程之试验，渐而成吾欲自用之物。后续之计，将添SMS、截图、语音消息为输入之源——运单更新散于诸渠道，非独电子邮件耳。
吾亦欲系统可察，毋为"黑箱"之AI代理人。除存运货之事件，Parsli犹存规则相合、模型决断、信度层级、所抽实体、处理之时、词元之用及分类之理。一旦离欣然之示演，邮件解析立成边缘之厄境，故有全然之决断轨迹，则排错大易。
示演
代码
https://github.com/olgazju/parsli
吾之用Gemma 4
Parsli以Gemma 4为推理之层，置于确定性抽取之管道之上。
甚多货件之函，实无需求乎大智模型。亚马孙、UPS、以色列邮局及互联网之半，恒复用同模之函，故如HTML清理、运单提取、发票筛选及显见之货件更新，皆循定规，依语言包而办。每函皆以模型调用为费，则迟滞无益矣。
然一旦邮件渐离标准模板——一通多语海关公告，一纸提货点通知将追踪信息隐于冗文，一市集格式各异——则独恃定规已不足矣。此即Gemma之用，既为货件分类之器，复为规则之上之审察之层也。
首以定法析结构之候选，复将歧义之案送至模型，以验其真、估其信、分其运状，并通察其事果有理否，而后存其果。
吾存其全决之迹：所发之规，模型所出，信度之数，符用之数，时序之数，及其终答之由规抑由模也。于吾实笈，四十八相关之函，其五十五分之由规所决，模型仅附和以作廉察，其三十八分者，模型实正规则所谬，其余则分属畸例。独规仅得至其六十分之程。独模可应万变，然则迟滞而费。合之则各补其阙。
为地之推演，吾用google/gemma-4-e4b，于M2 MacBook Pro上以LM Studio无头模式运行。此模型之大小，终足敷此劳作。货物追踪，一旦去其HTML之秽乱与邮件之纷纭，实乃狭而有序之题——汝不过分门别类于有限之态，非作诗也。E4B予吾所需之推理质，而速且足以于本地运行，无需专司GPU之服务器，此诚吾之本意。