作者自嘲说过「kal bhej dunga（明天就发）」的次数和群聊数量一样多。Said It 把他导出的 WhatsApp 聊天放在自己笔记本上读，只挑出「他自己做出的承诺」，判断哪些已经逾期，然后起草一句「抱歉，这就发」的回复。整个过程跑在本地 Ollama 的 gemma3:4b 上，模型在磁盘上 3.4 GB。一次完整运行发起 17 次模型调用，在 RTX 4050 笔记本显卡上耗时 16.9 秒，生成速度约每秒 50 个 token。效果上，29 条消息原本要全部重读，现在只剩 6 张卡片（3 条逾期、2 条即将到期、1 条已兑现），少读 79% 的消息。像「kal」「parso」这种相对时间由代码换算成具体日期，不交给模型猜。聊天文本一个字节都不发出去，只到本机的 11434 端口。