模型只负责观察，表格才能决定：为什么宠物分诊必须把大语言模型关在门外

为什么宠物急诊分诊不能完全交给视觉模型？

当你把一张狗狗牙龈的照片指向视觉模型，问它哪里出了问题，它会立刻给你一个答案。问题在于，它在犯错的时候听起来同样自信，而且同一张照片今天问和明天问，很可能得到两个不同的回答。对大多数应用功能来说，这只是体验上的质量瑕疵；可对”今晚要不要开车去急诊兽医”这种场景来说，这就是全部问题——错误的代价可能是一条生命。

TailStory的宠物健康记录是如何设计的？

TailStory是一个由两个人开发的宠物健康记录工具。它的核心功能之一，是让宠物主人拍摄九个特定身体部位中的任意一个，包括粪便、食物、水、耳朵、眼睛、皮肤、嘴巴、伤口和爪子。上传后，系统会返回一个明确的紧急程度判断：正常、观察、尽快看兽医、立即看兽医。

这个功能背后遵循着一条铁律，也是这篇文章想讲清楚的重点：模型只负责观察，表格才能决定。视觉模型可以描述它看到了什么，但”这意味着多危险”并不是由模型随口给出的。

为什么必须坚持”模型观察，表格决定”这条规则？

最直接的原因是确定性。同一张照片，应该产生同一个紧急程度结论。如果模型拥有最终裁决权，它今天说”正常”，明天说”立即看兽医”，主人就会陷入无休止的焦虑和怀疑。在宠物健康领域，可重复的判断比听起来聪明的判断更重要。

把”观察”和”决定”拆开，意味着视觉模型只承担它擅长的事——描述粪便形态、耳朵颜色或牙龈状态；而紧急程度的映射，则来自一张模型永远无法触碰的规则表格。表格里的每一行都是人事先设定的边界，不会因为模型的”心情”而改变。

这条规则让TailStory付出了什么代价？

坚持这条规则并非没有成本。它意味着系统无法覆盖所有边缘情况，因为表格是静态的，而现实中的宠物症状千变万化。但两位开发者认为，在”是否送医”这种高压决策上，一个稳定、可预期、不会突然改口的系统，远比一个看似全能却反复无常的模型更值得信任。

说到底，技术可以处理图像，但处理不了”万一”。当宠物的健康悬于一线时，主人需要的不是模型的即兴发挥，而是一个今天和明天给出同样答案的可靠伙伴。把裁决权交给冰冷的表格，把描述权交给温热的模型，这种分工或许不够性感，却是对生命最朴素的负责。

我认为：我向来是不惮以最坏的恶意来推测技术的，然而也还不料，竟会有人急着让模型来当兽医的。那些模型固然会说话，说得自信，说得漂亮，可它昨天说这猫康健，今日又说病危，叫人信哪一句是好？宠物不会说话，主人便已惶惶，再叫这无常的模型来添乱，岂不是要乱上添乱？把观察交给机器，把判断交给规则，看似冷酷，实则是留了一线清明在人世。毕竟，表格虽不会安慰人，却也断不会在深夜两点，对着同一张照片改口。

#表格决定