最后编辑于2026年02月03日
前言
在寒假期间要搞毕设，因为很快就要中期答辩，同时也为了我在简历上吹牛逼。然后为了找个AI相关的工作，也要不断学习AI和刷题，所以就每天记录下。
1.30
今天用阿里的qorder cil做了毕设项目的初始化，功能是真的强，全程我可以说完全没干预，就一直allow，后面叫他把嵌入模型改成bge-m3和加上reranker模型都问题。不过我还是要去慢慢看它的代码，毕竟AI乱写太常见了。
总结来说，它已经可以做到新建文件、读文件、改文件，以及完整项目的读取把控能力，感叹模型的性能之强。
明天应该要学习一会AI，再刷会leetcode。
-
过一遍项目代码ocr模块的代码都没过完 - 学习AI
- 刷leetcode
1.31
今天没怎么干感觉，项目代码就略看了两个ai的ocr模块，学习ai和刷题是完全没动……
明天计划：
- 开发完ocr模块，并测试
2.1
今天就测试了几个ocr模型，ppStructureV3、paddle-vl 1.5、Hunyuan-OCR、deepseek-ocr 2，最后发现paddle-vl 1.5和Hunyuan-OCR效果最好，不过我是已经部署测试了ppStructureV3，为了方便，就用paddle-vl 1.5了。
明天计划：
- 开发完ocr模块，并测试（又是）
2.2
今天没怎么干活，陪语希和吃饭去了，不过问张俊然要了些测试数据。
明天计划：
- 开发完ocr模块，并测试（对，还是）
2.3
今天没开发，去学AI了，看ai写的transformers完整架构的底层代码，看了大半。
明天计划：
- 照旧……
2.4
今天就搞了一下提取结果的简单分析，发现混元的模型因为能根据我的设定来输出，好像更好用？之后再测试一下吧。
明天计划：
- 完成ocr的结构化
2.5
今天大概推进了ocr的进度，选定了方案之后也算稳步推进，但是没做完……
明天计划：
- 完成ocr的最小闭环系统
2.6
今天投了两份简历，没想到耗时好长，结果就是没做完开发……
但是也算编写完prompt了，等明天测试吧。
明天计划：
- 完成ocr的最小闭环系统
2.7
今天搞了半天环境，1080ti还是太老了，awq加载不了。换gguf，结果llama-cpp-python太久没更新，底层的llama-cpp版本太老了，已经不支持qwen3了。
后面尝试自编译上面这两个东西，结果问题多多，多到我不想回忆了……睡觉前还开了个llama-cpp编译任务
明天计划：
- 完成ocr的最小闭环系统（what can i say）
2.8
昨晚的编译任务果然失败了……😂😡😡
所以今天直接斥巨资购入5090其实是租的，果然单独跑都没问题了，但是两个模型一起跑就出错了，问了ai，加上我的判断，paddle和qwen模型环境冲突，😂😡，ai建议我搞两套环境，明天再搞吧。
明天计划：
- 这回肯定能做完最小闭环系统
2.9
确实做完最小闭环系统了哦，之后就可以准备把demo代码写成正式代码了。
这一步还可以不用在服务器上面搞，可以省一点钱。（虽然报销，但是现在还是要我付的）
明天计划：
- demo代码 -> 正式代码（肯定做不完）
2.10
确实没做完，也正常，内容太多了，demo代码耦合程度挺高的，想写成正式代码估计比较费劲。
但是也基本做完了，明天上机测试一下。
今天还在手机acode上搭建了完整的git + openssh + ssh_key的环境。虽然完全没用上
明天计划：
- 上机测试新代码
2.11
果然还是得上机测试啊，有好几个小bug，拼写错误、没配pyproject.toml啥的，不过都顺利解决了。之后代码就完美地跑起来了。
不过vllm每次加载模型都好慢，我又是用几次就sleep，考虑要不换回transformers。
问了下ai，ai说vllm重加载应该比transformers快，因为从内存到显存比硬盘到显存快得多，但是我看终端，加载模型有一步特别慢，不知道这步重加载是否需要再做。
明天计划：
- 确定哪一步加载特别慢，并决定是否需要换回transformers
- 设计好ocr模型最终的数据结构并写进schema.py（应该需要保留图片的位置，text类型的是否直接拼接？是否需要获取/生成体检报告类型，比如血常规啥的？应该需要
- 完善json2md的逻辑，目前不能处理中间有多格合并的情况
2.12
今天没干啥，试了一下codex的plan模式，感觉还可以。然后看了一下vllm的源码，它会报告sleep和wake_up的耗时，下次可以搞一下测试。就这些
明天计划：
- 做完2.11的计划吧
- 测试vllm重加载耗时
2.13
今天忙着坐车，也没干啥……看一下minimax 2.5的实测文章，做一个md编辑器，感觉确实很强啊，给出架构设计（甚至不是很清晰的架构设计），就做出来了。对现在的这种agent coding，感觉想用好，一定要给出清晰的行动方向和限制，比如让它以SDD（调研 - 架构 - 开发）的流程开发产品。搞得我想弄个了，但是好贵，希望能报销
明天计划：
- 明天估计没什么空，投简历去吧
2.14
今天一点空没有，啥也没干，或者说就看了一下招聘……
明天计划：
无因为太忙
2.15
今天也啥也没干，只能说太忙了。 其实有功夫就刷手机
明天计划：
也没有
2.16
过年了，新年快乐🎇
明天计划：
随缘
2.17
今天试了一下qwen code，感觉还行，每天有2000次免费调用，如果还不错的话，就能省一点钱了。
用来简单重构了一下ocr的ocr提取模块，挺简单的一个活，ai做得还行。
明天计划：
随缘，因为真没什么固定时间（
2.18
今天写了一点点代码，大概就是分离解耦ocr模型中一些硬编码的json读取路径，以支持不同ocr模型的json结果。（因为有点像换glm ocr 2，这个不需要两套环境）
明天计划：
随缘
2.19
今天就没开电脑，啥也没干。
明天计划：
出去玩，qbr来了
2.20
今天出去玩了，自然啥也没干。
明天计划：
- 完成ocr模型的完整开发，即加上图片的保存
2.21
今天是加上了图片的保存，但是没做完数据的保存结构，schema.py还没怎么写，所以ocr还没开发完……
感觉自己开发效率太低了，ai code工具也不怎么会用，还停留在发消息给ai - 根据ai回答自己写，要强迫自己学一下更自动化的ai开发流程了。
明天计划：
- 写完ocr的字段定义，最好想一下ner模块的开发计划（用来干嘛，怎么用，用什么实现）
2.22
几乎什么也没干，简单修改了一下ocr字段的定义，删除部分无用内容。
明天计划：
同上
2.23
也没干多少，投了一家简历，还是没写完ocr字段的定义
明天计划：
同上
2.24
今天和ai反复讨论了字段的定义和用处，最后发现，因为要入库，定义最终结构化的数据字段没太大意义。因为不同ocr的输出结构、扫描精度不同，所以需要在单独ocr类的内部将这些不同构的数据处理成同构的（包括表格结构化），然后再给下一步处理并入库，由此可见，更有意义的字段定义应该用在同构之后的ocr输出结果上。
然后这个字段定义写是写完了，但是ocrrunner的适配还没做（，感觉自己的效率太低了……寒假都快过去了，ocr部分居然还没做完……
明天计划：
- 完成ocrrunner的适配，并进行测试
2.25
今天投简历去了，投了几家
明天几乎：
同上
2.26
今天也在投简历，感觉不会找不到工作吧（
明天计划：
明天应该还去投简历
2.27
今天确实去投简历了，投了电信等等。
明天计划：
明天返校，估计没什么时间写代码，看看投简历吧
2.28
今天也就投了一家，然后飞机又因为暴雨延误了，11点半才回到寝室。
不过今天字节给我打电话，说我是否考虑去另一个岗位，也是做ai开发的，我同意了，他就发笔试短信给我，要在3.3中午之前做了。我去牛客那里看了一下之前的，也就4道编程题，希望我能把握住吧。
明天计划：
明天估计要休息玩一下了，明晚去刷题吧，项目开发先缓一缓。（3.2晚还有一场美团的招聘直播，也有招ai的，到时候用手机挂着吧，刚好试试新买的懒人手机架）