妈妈只读孟加拉语，他为她做了个防骗阅读器

妈妈把一条WhatsApp消息转给我，说她的SBI账户不更新KYC就会被冻结。她没有点那个链接。她打了那个号码。

我妈读孟加拉语，我祖父母也是。但管着他们生活的大部分纸张不读孟加拉语：电费单、银行信件、血压药板上的说明，还有每部印度家长手机里不断堆积的"尊敬的用户，您的账户今天将被冻结"。

于是这些东西最后都变成一张照片发给我，配一句"এটা কী？"（这是什么？）。如果我在开会，它就得等。如果那条消息是骗局，等待就是最危险的部分。

চিঠি（Chithi）在孟加拉语里是"信"的意思。它只做一件事。你把手机对准任何一张纸或任何一张截图，它就用你的语言念出来：

——这是什么。"这是你的CESC电费单。"

——你需要做什么。"在12-10-2026前支付₹1,182.00。"

——这是不是个陷阱。一个红色的প্রতারণা！（骗局！）印章，配上"什么都别做。别点链接，别打消息里的电话，别把OTP告诉任何人"，以及一个巨大的按钮，按下去就能打给我。

它最初只是给我家人用的孟加拉语应用。后来我意识到同样的问题存在于印度的每一种语言里，所以它现在能说印度宪法第八附表里的全部22种语言，外加英语。

演示

试用地址：chithi-teal.vercel.app。选一种语言，然后点一张示例照片（一条诈骗短信、一张账单、一板药），或者上传你自己的。

公开演示版把Gemma跑在云端，这样你不用安装任何东西就能试，页面上也写明了这一点。在家里，它跑在我们自己的笔记本电脑上。下面会讲这个区别为什么重要。

代码

codeswithroh / chithi

把手机对准任何账单、信件或WhatsApp转发。用你的语言听出来。知道它是不是骗局。开放权重的Gemma，22种印度语言。

চিঠি（Chithi）

在线演示：https://chithi-teal.vercel.app。选一种语言，然后点一张示例照片。为DEV Hacktoberfest周末挑战赛"为朋友而建"而做。MIT许可。

给我妈和祖父母的口袋阅读器，他们读孟加拉语，不读英语。

把手机对准任何账单、银行信件、药板或WhatsApp转发。Chithi用Gemma（一个跑在家用笔记本上的开放权重模型）读出来，然后用你的语言念出来：

——这是什么，

——你需要做什么（金额、截止日期），

——这是不是个骗局，配一个巨大的按钮打给我。

照片永远不离开家。没有云端API，没有账号，没有月费账单。

它怎么工作

手机（PWA，带摄像头）──Wi-Fi──▶ 笔记本：Bun服务器 ──▶ Ollama + Gemma（视觉）

▲ │

└── 用你的语言说话 └── 防骗规则层（只能提高风险，永远不能降低）

（手机自带的离线语音）

server.ts

提供……

整个东西是故意做小的：一个Bun服务器、一个不用框架的手机网页应用，加上不到200行共享逻辑，负责提示词、清理和防骗规则。

我怎么做的

妈妈的手机（网页应用，带摄像头）──家庭Wi-Fi──▶ 家用笔记本：Bun服务器 ──▶ Ollama + Gemma 3 4B（视觉）

▲ │

└── 语音回答（手机自带的离线语音） └── 防骗规则（可以提高风险，永远不能降低）

模型。Gemma 3 4B，一个开放权重的视觉模型，跑在我那台8GB内存的M3 MacBook上的Ollama里。手机通过家庭Wi-Fi发一张照片过去。Gemma读完，按固定的JSON结构回答：原文、文档类型、两行解释、该做什么、金额、截止日期，以及safe、caution、scam三档风险等级。Ollama的JSON模式保证回复永远能解析。

语音。手机自带的文字转语音，孟加拉语用bn-IN（印地语用hi-IN，泰米尔语用ta-IN……）。离线可用。没有对应手机语音的语言，就退回到读同一套文字系统的语音——迈蒂利语走印地语语音，孔卡尼语走马拉地语语音。

手机应用。一个能加到主屏幕的小网页。按钮巨大，字号巨大，没有任何需要学的东西。一个按钮开摄像头，一个按钮选截图。

测试教会我的事

大部分工作不是"调用模型"，而是找出一个4B模型会怎么失败，然后确保这些失败到不了我妈那里。

1. 模型抓住了骗局，然后给出了骗子的号码。第一次测试是一条假的SBI"KYC更新"短信。Gemma正确判断为骗局，然后建议："拨打消息里的求助热线了解更多。"那个求助热线就是骗子。从那以后，只要判定是骗局，建议就换成由人用每种语言写好的固定文本，模型永远不写这段。

2. 小模型不该是唯一的防线。scam.ts里有一层确定性规则，检查转写出来的文字里有没有OTP和PIN索取、KYC、"账户被冻结"、彩票和奖品话术、短链接、.apk文件，以及AnyDesk这类远程控制应用。它只能提高风险等级，永远不能降低。药板上印的MRP会被记录，但不会被升级为风险。

3. 数字太重要了，不能让它转述。Gemma有一次把₹1,182念成了"一千一百八十八"。现在解释部分被禁止包含任何数字。金额和截止日期来自单独的字段，按印刷原样复制，应用把它们放在各自的框里显示。

4. 小模型会在文字系统之间漂移。孟加拉语的回答里混进过韩文字符，马拉雅拉姆语的回答里混进过罗马尼亚语和俄语单词。现在，任何不属于读者自己文字系统（或品牌名用的纯英文，比如SBI）的字母都会被剥掉，漂移严重的回答会重试一次。没有这层剥离，手机的孟加拉语语音会在句子中间卡在韩文上。

5. 8GB的笔记本有它的规矩。第一张照片花了将近四分钟，因为模型在加载。然后我的一个修复让事情更糟：预热请求和真实请求用了不同的上下文大小，Ollama把模型加载了两次，然后超时。现在服务器在启动时用同样的设置预热模型，并让它保持加载。在家里，一张照片要25到60秒——对应用来说很慢，对一封信来说刚好。

全部22种语言

首次启动时，Chithi用每种语言自己的文字显示所有语言，……