BoHuYeShan

我的简历里有一行字：训练过语言模型。一行字背后是几百天的时间。从搭数据管线、训到一半 loss 炸了重来、把整套东西搬到华为昇腾 910B 上再踩一遍坑，到后来发现这套”训练语言模型”的思维居然能一路迁移到蛋白质预测、再迁移到 AI 药物对接——这篇文章就是把这三次迁移完整讲一遍。 先交代清楚开源状态：医药侧（蛋白质、药物）的代码和模型，我暂时没有开源；语言模型侧的代码和仓库，在简历 V1 里提到的启智社区（OpenI）个人主页可以看到：openi.pcl.ac.cn/bhys。所以下面讲方法论和踩坑为主，代码点到为止。 第一部分：从零训练大语言模型，我踩过的坑架构别发明，抄已经收敛的模板训练 LLM 最反直觉的一件事是：架构设计在这个年代几乎不构成竞争力。Stanford CS336 课程的 Tatsu 讲过一句话我印象很深——2024 年大家都在 cosplay Llama2，2025 年的主题是”怎么训得不崩”，2026 年变成”怎么扛住长上下文”。我自己的经验印证了这一点：把主流开源模型的架构参数并排放在一起，90% 的维度几乎一模一样： pre-norm：LayerNorm 挪出残差流，梯度反传更稳 RMSNorm 替代 LayerNorm：减均值加 bias 那部分没帮上忙。RMSNorm 只做缩放不做平移： pIC50=−log⁡10(IC50...

生物信息学有一个少被明说但每个人都心知肚明的现实：这个领域的人来自两个截然不同的起点。 有人是从计算机科学、软件工程、数学物理”跨”过来的——会写代码、懂算法，但在第一次拿到 RNA-seq 数据时，连”什么是文库、什么是接头、为什么要去重”都要从头学起。 有人是从生物学、医学、农学”转”过来的——做过 PCR、跑过胶、养过细胞，但在第一次面对终端窗口时，连 ls 和 cd 的区别都要查半天。 这两类人最终都在做同一件事——从生物数据里找答案。但他们走的路径、用的工具、面对的困难，完全不一样。 而 2026 年，AI 的介入让这两条路开始交汇了。但交汇的方式可能和大多数人想的不一样。 第一条路：从代码出发程序员转入生信的典型路径是：因为某个课题或项目需要分析生物数据，发现自己能写脚本、能调包、能搭环境，于是自然而然地接手了组里的计算任务。 这条路的人对以下场景不会陌生： 写 Python 脚本处理 FASTQ，用 Biopython 解析序列 搭 Snakemake 或 Nextflow 管线，把比对→定量→差异表达串起来 用 Docker/Singularity 管理环境，确保结果可复现 写 R 脚本画热图、火山图、GO 富集条形图 这是典型的 gII（脚本管线）和 gIII（工作流管理器）的工作方式。它高效、灵活、可扩展。一个写 Nextflow 管线的...

别再问哪个 Agent 最强——它们连活法都不一样过去一个月我被问得最多的问题就是：”哪个 Agent 最强？” 这个问题没法回答，因为它预设了一个不存在的前提：所有 Agent 在赛同一条赛道。事实是，我把 47 个 Agent 摆在一起、逐个翻完 README 之后，发现它们连”活着的方式”都不一样——有的把一切交还给你，有的替你焊死所有流程，有的在你睡觉时偷偷学习你，有的干脆把自己拆成一堆可替换的零件，还有的压根不卖 Agent，卖的是它背后那朵云。 用”强弱”去比它们，就像用百米成绩去比较潜水员和登山运动员。 有一个数据能说明框架比模型更决定结果：同一个模型，换一个框架跑，表现能差 5–40 个百分点（Claude Opus 在 Claude Code 里 77 分，在 Cursor 里 93 分）。模型是灵魂，框架是身体——灵魂再好，装错身体也跑不动。 所以我做了一个自测网页：处境题加认知题，分三档深度——极速 20 题（处境+认知）三分钟出结果；详细 70 题在处境之外加需求、展望两个维度；专业 180 题把认知扩到 12 个维度，给从业者和重度玩家。答完给你推荐几个值得先试的，而不是一个”冠军”。拿不准的题可以标记，答完会建议你升级到更细的版本。这篇文章是它的说明书——讲清楚这 36 个东西到底分几类，每一类的设计哲学是什么，README 里是怎么自我介绍的，以...

你手里的 AI，和别人手里的不是同一个 AI前阵子参加了一场 AI 工具的线下交流会（城市不说，公司名也不说，都不重要）。会上有个现象很有意思：科班出身的、半路出道的、文科背景的，各讲各的，彼此的观点几乎无法对话。 一位半路出道的开发者上台，要向大家分享一个”听到就绝对不可能”的东西——一个零 Bug 的 skill，用来开发小程序，一定一次通过，没有 bug。 同一场里，另一群人在聊的是：定期抓一遍开源社区的热点、做成 RSS 推送这种工作流，去年就已经能靠 AI 百分百复现了，效果还很好。 这两拨人坐在一个房间里，用着同一个词——“AI”——在描述两个完全不同的东西。 我一开始以为这是水平差距。后来想明白了：不是观点不同，是手里的东西根本不是同一个。 同一场会里至少叠着四层分裂，每层都会让上层的讨论失去共同基础。 上一篇讲的是宏观层面：AI 把成本从”做出来”搬到了”判断对不对”上。这一篇往下钻一层，讲一个更前置的问题——为什么大多数人连”AI 到底好不好用”这个最基本的判断都做不出来。 答案有点难堪：因为你根本不知道自己手里拿的是什么。 一、模型层：你没见过它真正的样子先说最基础也最少被提起的一层：免费 chat 界面里的模型，从来都是 API 的严重缩水版本。 这不是猜测，是这个行业的通行做法。网页端和 App 端要扛住海量的并发，给你的是经过量化的、上下文被截断...

从 “Show me the code” 到 “Show me the talk”：AI 把稀缺性翻了个面2000 年 8 月 25 日，Linux 内核邮件列表上正在吵线程性能。当时 SCO 声称自家的线程创建速度比原生 Linux 快一千倍，一群人你来我往，从信号处理谈到 PID 语义再谈到 POSIX 规范，越吵越理论化。Linus Torvalds 扔下一句：”Talk is cheap. Show me the code.” 二十六年过去，这句话被印在无数 T 恤上，成了程序员世界的实力主义宣言：你是谁不重要，学历不重要，PPT 不重要，能跑起来的代码说明一切。 但 2026 年的今天，这句话正在被人反过来写——Code is cheap. Show me the talk. 这个翻转不是文字游戏。它背后是一个更硬的事实，也是这篇要讲清楚的唯一一件事：AI 没有消灭成本，它只是把成本从”做出来”搬到了”判断对不对”上。你之所以用 AI 越用越忙，不是姿势不对，是你正好站在成本被搬过去的那一侧。 而且这件事不是第一次发生。人类二十年前就踩进过同一条河，只不过那次的触发因素不是 AI，是 Git。 上一篇讲的是个人层面：你写不出合格提示词，是因为你说不清输入，也说不清什么叫做对。这篇往前推一层——为什么现在连有能力验收的人，都开始跟不上生成速度了。 一、三份账单先看...

和AI磨出一篇批判文章：多轮协作写作方法论（文末附可复用Skill）今天同时发布的那篇词元文章，不是一次成稿的。它从一句带着情绪的语音输入开始，经历了十几轮往返：我发散观点、拍板框架，AI 核查事实、纠正我的错误，我再纠正它的错误，最后磨出一篇带十六条参考文献的批判长文。这个过程本身就是一个相当典型的”AI 辅助写作”实践样本。这篇文章把整个协作过程拆开复盘，提炼成一套可以复用的方法论——文末附上整理好的 Skill，下次写考证型文章可以直接加载。 第一课：先核查，再开火——AI 的第一个贡献是反转了靶子事情的起点是一句愤怒的语音输入：人民日报说 token 就是词元，事关科技话语权，这文章太蠢了。如果当时顺着情绪直接开写，出来的就是一篇纯泄愤的檄文，而且大概率会打错靶子。 AI 做的第一件事不是写，是查。查完发现了一个关键反转：全国科技名词委 3 月 25 日的公告其实做得很克制——标题写明”人工智能领域”，程序是”发布试用”，还留了”结合社会推广应用情况最终确认”的口子。真正有问题的，是前一天报纸那篇抢跑宣布”中文名定了”的报道，和五个月后把译名问题升格成”话语权危机”的锐评。 这就是协作的第一课：情绪指认的靶子和事实上的靶子，经常不是同一个。人的愤怒指向的是”谁让我不爽”，核查回答的是”到底哪一步出了问题”。把靶子找对，后面的十几轮讨论才没有白费——如果一开始就把名...

Token译成”词元”没有错，把外来词当成危机才是文化不自信今年三月，《人民日报》报道了国家数据局局长在中国发展高层论坛上用”词元”指代 Token，标题直接叫《”Token”中文名定了：词元》[1]；四个多月后，人民网观点频道发了一篇《人民锐评：用”Token”还是”词元”，事关科技话语权》，把这条产业新闻升级成”母语体系被消解的深层危机”[2]。两篇原文我都找来逐句读了，结论是同一句话：给 Token 定一个中文名，没有任何问题；有问题的是这两篇文章处理这件事的方式——一篇是抢跑加一刀切，一篇是上纲上线。 先把引用来源全部列出，分三组：被评论的矛盾文献、事件与制度文献、语言与历史辅佐文献。正文所有直接引语都出自前两组，历史论断的佐证在第三组，欢迎逐条核对： 一、主要矛盾文献（本文评论对象） [1] 王萍萍、王云杉：《”Token”中文名定了：词元》，《人民日报》2026年3月24日第08版，人民日报客户端同步推送：https://www.peopleapp.com/column/30051714161-500007408568 [2] 李玮：《人民锐评：用”Token”还是”词元”，事关科技话语权》，人民网-观点频道，2026年8月5日：http://opinion.people.com.cn/n1/2026/0805/c436867-40774551.html 二、事...

你不会写提示词的真正原因：不是话术不够，是没法验收很多刚摸生物信息学的人都揣着同一个默认假设：AI 连代码都能写了，我还学什么代码。然后第一次动手就卡住——不是卡在写代码上，而是卡在提问上。让 AI”帮我做个单细胞分析”，它回你一大段看起来很专业的东西，跑不通；把报错最后一行贴过去问”怎么办”，它开始猜，你跟着乱改，越改越乱。最后归因成两句话：”我果然不适合做这个”，或者”我去学学提示词工程”。这两个方向都不对。这篇只讲一件事：你的问题不是不会说话，是你既说不清输入是什么，也说不清什么叫做对。 上一篇讲的是通用的自查顺序：先看 Agent 模式开没开，再谈目标描述、授权和基建。这篇不重复那张分层表，而是往下再挖一层，只对生信新手回答一个更前置的问题：为什么你连”把问题描述清楚”这一步都迈不过去——答案通常不是懒，也不是话术不够，是你的知识结构里还没有可说的东西。 先摆一个观点：提示词不是话术，是说明书加验收标准市面上的提示词课大多在教话术：要角色扮演，要说”请你扮演资深专家”，要加上”一步一步思考”。这些有点用，但都是次要的。一份能用的提示词，本质上是两样东西：一份足够完整的需求说明书，加一套判断输出对不对的验收标准。 这也解释了一个现象：同一个人，让他写”帮我把这段中文翻译成英文”，提示词清清楚楚；让他写”帮我处理这批测序数据”，立刻语无伦次。不是他突然不会说话了，而是...

很多人对 AI 的态度，建立在两个错误上。 一个是用的时候：效果不好，第一反应是”模型不行”。但有没有一种可能——你是在 chat 模式裸用的，连工具都没给；或者你甩了一句”帮我优化下”，然后怪它没懂你。 另一个是评的时候：拿一道”洗车店 50 米该开车还是走路”的残缺题去考 AI，AI 答”走路”就被制成表情包全网嘲。可那道题在传播中，早把”我想洗车”这个条件弄丢了。 这篇不聊怎么调 prompt 的玄学，而是给你一张分层自查表：你用不好 AI，基本就是下面四层里某层卡住了；而网上那些”AI 翻车”的笑话，往往也是出题人自己没说清。 先自测一下，答”否”越多，你越该往下读： 你用 AI 时，开的是 Agent、给了工具，还是一直拿对话框当万能？ 你提需求，是”明确可验收的目标”，还是”帮我弄个好用的东西”这种猜谜？ 你会不会把规划放权给强模型、让一般模型执行，并按任务选模型方向？ 你会不会配 harness、权限、上下文，让分工真正落地？ 这四层从下往上，顺序不能反。下面一层层拆。 一、先定位：你卡在哪一层的”使用断层”很多人以为”用不好 AI”是个单一问题，要么怪模型、要么怪自己不会写 prompt。但真正的情况是一张分层图——你大概率是其中某一层断了，而且往往是最底下那层。 层 它在解决什么 典型症状（中了几条？） L0 模式层 你给没给 AI 工具...

上一篇聊了 chatbox 和 Agent 模式的区别，有朋友说：道理懂了，可打开应用商店一看，叫得上名字的 Agent 产品几十个，到底谁跟谁是一家人？ 这篇就来扒血统。结论先放在这里：市面上 Agent 产品看着百花齐放，扒开皮看骨架，真正称得上”祖宗”的上游体系，一只手数得过来。 国内厂商的产品，绝大多数都能在这几个上游里找到自己的位置——有的学 Pi，有的学 Claude Code，有的干脆直接 fork。 一、先搞清楚：Agent ≠ 模型谈血统之前，得先立住一个概念：harness。 你用的每一个编程 Agent，都是两部分拼起来的：底下的模型负责”想”，外面的 harness 负责”干”——工具怎么编排、循环怎么跑、权限怎么管、上下文怎么裁剪、文件怎么编辑。同一个模型换一套 harness，表现能差出一个档次；反过来，同一套 harness 接不同模型，体验也天差地别。 所以看一个 Agent 产品，不能只看它接的是谁家的模型——模型是发动机，harness 是整车的底盘和操控。市面上的”百花齐放”，大部分来自底盘设计的不同，而不是发动机的不同。 二、几大上游，各有各的哲学Claude Code：事实标准Anthropic 官方出品，TypeScript 实现，闭源商业产品。 能力标杆。SWE-bench Verified 上 Claude Opus 4.8...