1.第一次去找老师：为项目争取“关键助力”
这周我联系了在我16岁面试我的医生，想当面请教他能否在我的项目上给一些提前的专业意见，甚至成为合伙人。老师目前是上海市胸科医院的副主任，我一直觉得他在临床经验、行业资源、真实需求判断上都能对我帮助很大。为了这次见面，我前前后后准备了好几天：不断在脑子里推演我该怎么介绍项目、怎么把需求说清楚、怎么把合作方式讲得更具体、怎么让老师更省时间地理解我到底在做什么。（或者说让老师来认同我说的，并给我支持）
2.模型迭代：从“误以为缺失”到“定位参数问题并重训”
技术上，这周我重点优化了我之前搭好的“Xundoc-30B-Model”。上上周我已经把基本架构搭起来了，这周主要做的是“查漏补缺 + 针对性优化”，尤其是围绕视觉模块的能力恢复。我用的是 “Qwen3-30B” 作为基础模型。一开始，我把模型里的视觉模块删掉了，因此后续很多涉及视觉输入的能力直接用不了。于是这周我决定把这个问题彻底查清楚，并重新训练一遍。过程中我一度以为是自己把视觉模块“搞丢了”，或者怀疑当前版本压根就不包含视觉模块——为此我还不断去问各种“大神”，在不同的可能性里来回排查。但最后定位到的问题其实很简单：是我少给了对应的参数包，把关键参数丢掉了。也就是说，不是模型没这个模块，也不是版本不支持，而是我自己配置不完整导致能力缺失。
、
找到根因后我重新训练了一遍，效果还不错。现在优化后的版本也已经上传了（GitHub “github.com/pluto627/do… ”和 Hugging Face “huggingface.co/pluto6272/Q… ” 都有），大家有兴趣可以下载体验、给我反馈。这段经历让我更真实地感受到：AI 在“做 AI 的事”上真的能帮很多忙。尤其当我这种偏小白的选手在面对复杂链路时，AI 工具的价值不只是写代码，还包括：帮我梳理排查路径、快速列出可能原因、建议验证方式、甚至辅助我理解训练与部署环节的关键点。我这周还看到小红书上一篇文章，核心思路是“让 Cloud Code 帮你训练模型”。我很认同这种方式：借助 AI 去做工程化与验证工作，把人的注意力更多放在目标定义、评估标准、真实场景与迭代方向上。对我来说，这种“用 AI 看 AI、用 AI 做 AI”的工作方式，是一个很好的思维环境。
3.和成老师一起参加会议，了解行业前行
我和老师约在了“2025肺癌围术期免疫规范化治疗专题会”，在会前我以为自己多少算“有点基础”，也算愿意关注最新内容、比较与时俱进。但到了现场我才发现，临床体系的信息密度、方法路径、以及对“证据链”的重视程度，比我想象中更强。我也更直观地体会到：中国医疗体系有它复杂的一面，但确实也有非常突出的优势——尤其是在筛查、路径设计、以及大量真实样本带来的验证机会方面。层层筛查与标准化流程，让很多问题能更快被定位；而真实世界的数据与经验沉淀，也能让一些“看上去很理想化”的想法迅速接受检验。因为老师是胸外方向，关注点自然集中在肺癌等相关疾病。会议中我们学习到一些靶向治疗的最新内容。
我原本以为靶向治疗的费用会“贵到离谱”，但现实情况比我想象得更友好：很多药物处于研发或推广阶段，国家承担了相当一部分成本，再叠加医保后，患者实际负担会明显下降。这一点让我很受触动——很多“看不见的系统性努力”，确实在让医疗更可及。此外，还有一个让我印象很深的理念是：未来无论是手术还是综合治疗，“能保器官就保器官、能保功能就保功能”。比如肺部切除不可避免会对功能造成损失，因此在治疗策略上如何最大化保留功能、减少长期影响，是非常关键的方向。这种从“活下来”走向“活得更好”的临床目标，也让我对医疗场景的真实需求有了更具体的理解。
接下来我希望在老师的指导下，把项目从“能跑”推进到“有用、可信、可验证”，让每一次迭代都更贴近临床实际。代码与模型我已经上传到 GitHub 和 Hugging Face，欢迎大家下载试试，也欢迎提出建议与批评——我会把反馈作为下一轮优化的依据。
“www.mypluse.life “ 这是我的个人链接 请你打点击查看 可以了解到更多的我
