200MB模型跑在浏览器里，11条测试只对了9条

一个找线上副业的意大利新手，把自己踩过的坑做成了一个网页工具。粘贴一条招聘或兼职帖，几秒后给出结论：✅ 看起来正常、⚠️ 小心、⛔ 大概率是骗局。它会把每一条红旗列出来，并引用触发判断的原话。

他列出的"机会"清单里全是陷阱：先交"入门套装"费、面试前就要身份证照片、招聘方直接把你拉去 Telegram、远程岗位要求用礼品卡买笔记本"之后再报销"。对没有经验的人来说，每一条都要花真实时间去判断，判断错了要花钱。

这个工具叫 Gig Scam Shield，纯 HTML/CSS/JavaScript，没有构建步骤，也没有后端。它由两层组成。

第一层：规则引擎

大约十条基于正则的检查，覆盖英语和意大利语，针对的都是经典套路：赚钱前先收费、要银行卡或银行信息、面试前要身份证或自拍、礼品卡/加密货币/"存这张支票"、把聊天转到 Telegram 或 WhatsApp、不切实际的报酬、制造紧迫感、转运包裹和"支付处理代理"类岗位、用免费邮箱的"公司"。

每条规则带权重，分数映射到等级。速度快、可解释，用 node:test 做了完整单元测试。

第二层：本地跑的开放权重模型

在 Web Worker 里用 transformers.js 加载 onnx-community/embeddinggemma-300m-ONNX，浏览器支持 WebGPU 就走 WebGPU，否则走 WASM/CPU。它先把一小份手写的 30 条标注帖（骗局/小心/安全）嵌入一次，之后每来一条新帖，就做一次 5 近邻投票，用余弦相似度加权。

应用还会显示最相似的那条参考帖，让人看到它为什么这么判断。

两层怎么配合：规则定下限，AI 只能把结论往上抬一级。一条要收费的帖子，即使模型犹豫，也仍然是"大概率骗局"；一条换了说法、绕过正则的骗局，仍然会被抬上来。作者认为，对一个小的本地模型来说，这是正确的信任模型。

演示里有个"狡猾的"例子：规则只看到"礼品卡"（⚠️），但 EmbeddingGemma 认出了这个模式，把它抬到 ⛔。

走不通的那条路

最初的想法是用生成式 Gemma 当分类器：Gemma 3 270M，然后 1B，在浏览器里提示它回答 scam/caution/safe。在 WASM 后端实际能跑的量化版本下，答案不可靠——270M 模型把一条明显的"49 美元注册费 + 交出银行卡"帖子判成了"安全"。

还撞上一个实际障碍：4-bit 导出用了 GatherBlockQuantized 算子，WASM 后端没有实现，所以在 CPU 上需要 fp16/int8 文件，或者用特殊的"no_gather"导出。

换成嵌入 + 最近邻之后，一切都变好了：约 200 MB 而不是约 1 GB，CPU 上每次检查约 2 秒，结果确定，而且可解释。

测试结果

npm test 跑了 10 个单元测试，覆盖两种语言的规则、kNN 投票、组合逻辑和 CSV 引号处理。eval/eval-model.mjs 在 Node 里用真实模型跑 11 条留出帖：

• 规则：7/11
• EmbeddingGemma kNN：9/11
• 组合：9/11

作者自己说得很清楚：这是个很小的集合，只能算 sanity check，不是基准测试。但它确实显示出模型能抓到规则漏掉的改写骗局，比如一条没有任何触发词的"金融代理"资金骡子帖。

另有一个端到端 Puppeteer 脚本，在无头 Chrome 里加载应用，在 WASM 上下载模型，跑四条示例帖，并检查历史记录持久化和 CSV 导出。

首次 AI 检查会下载一次模型，约 200 MB，之后走缓存。

谁会付钱

大概不是求职者本人。作者判断，会付钱的是替别人筛帖的人：Facebook/Telegram 求职群的管理员，他们每天要花几个小时删骗局帖；小型垂直招聘板和社区通讯；职业顾问和学生就业办公室。

对这些人来说，一个便宜、不把申请者数据发给第三方 API 的预筛工具，值一点月费——群管理员每月 5-10 欧元，带审核队列的招聘板更多。因为模型跑在用户设备上，每次检查的运行成本是零，这也是这个价格能成立的唯一原因。

开放权重在这里不是加分项，是商业模式本身。帖子常带个人上下文，群管理员处理的是别人的消息；模型跑在标签页里，什么都不上传，也就不需要写一份承诺"会小心处理数据"的隐私政策，因为数据根本没到过他手上。

闭源 API 按次收费，对一个每月卖几欧元、要检查几百条帖的工具来说，按调用计费会吃掉全部利润。现在干活的是用户自己的 CPU/GPU，静态站点免费托管在 GitHub Pages 上。首次加载后不需要账号，也不需要 API 密钥，客户端应用里也就没有密钥可泄露。

模型还能换。因为权重、ONNX 导出、运行时全是开放的，作者可以从 Gemma 3 270M 试到 1B，读 ONNX Runtime 的真实报错，换一个导出，最后在一个下午切到 EmbeddingGemma。换成闭源 API，就只能接受端点给什么是什么。

"知识"就是 src/examples.js 里一份可编辑的示例列表。招聘板老板可以按自己实际见到的骗局模式、用自己的语言往里加，工具立刻变好，不用付微调账单。

作者在文末说明：自己是初学者程序员，这个项目在规划、代码、测试和调试模型加载上得到了 AI 编程助手的大量帮助；问题本身、产品决策（规则当下限、隐私优先、谁来付钱）和测试选择是他自己的，他确保自己能解释每一个文件。