深夜哄睡娃后，我用Fine-tuning和区块链找回了技术初心

文 / 一个住在广州老西关、两个娃的爹、白天写业务代码晚上啃论文的老广程序员

---

上周五晚上11点23分，我终于把两岁半的小女儿哄睡。她今天特别精神，翻来覆去不肯闭眼，嘴里还念叨着“爸爸讲故事，讲AI机器人”。我一边给她拍背，一边心里苦笑——这小祖宗哪知道，她口中的“AI机器人”，就是爸爸白天被产品经理追着改需求、晚上还要硬啃论文的苦命玩意儿。

等老婆也睡下，我轻手轻脚摸到书房，打开那台用了五年的MacBook Pro（屏幕左上角还有去年大宝打翻酸奶留下的淡淡印子）。今晚的目标很明确：跑通一个基于LoRA的LLM Fine-tuning实验。没错，我又在折腾大模型微调了。

起因：被现实毒打后的技术焦虑

事情要从去年十月说起。

当时公司搞了个“创新孵化项目”，领导点名让我牵头一个结合AI与供应链溯源的Demo。听起来高大上，其实就是想用区块链+AI做一套可信商品追踪系统。我嘴上答应得爽快，心里却直打鼓——我在传统电商后台干了六年，天天CRUD，最近三年连算法岗的边都没沾过。

第一次内部评审会上，产品经理甩出一句话：“我们要用大模型理解用户上传的商品描述，自动关联链上哈希。”
我愣了三秒，硬着头皮说：“Fine-tuning一下应该可以。”

散会后，我立刻百度“Fine-tuning是什么”。那一刻，我知道自己完蛋了。

更扎心的是，隔壁组那个95后小伙，居然已经用Hugging Face跑通了Llama-2的微调demo。他月薪22k，而我还卡在18k——不是我不努力，是这几年光顾着养娃、还房贷（老城区60平老破小月供8500），技术栈早就锈住了。

那天晚上，老婆看我愁眉苦脸，递来一碗糖水：“又为工作烦？”
我说：“感觉自己像块过期的SSD，写入次数快耗尽了。”
她笑：“那你赶紧‘TRIM’一下啊。”

折腾Fine-tuning：从崩溃到跑通

Fine-tuning，中文叫“微调”，简单说就是拿一个预训练好的大模型（比如ChatGLM、Qwen），用自己的数据再训练一遍，让它更懂你的业务场景。

听起来美好，实操起来全是坑。

我最初尝试直接微调整个Qwen-7B模型。结果？显存爆了。我的3060 12G显卡连加载模型都费劲，更别说训练。半夜三点，看着终端里一行行OOM（Out of Memory）报错，差点想把电脑砸了。

后来才知道，现在主流做法是用参数高效微调（PEFT），比如LoRA（Low-Rank Adaptation）。它只训练新增的小矩阵，不动原始模型权重，显存占用骤降80%。我在GitHub上找到一个开源项目，照着改了三天，终于在某个凌晨2点，看到loss曲线稳稳下降。

那一刻，我激动得差点喊出声，又怕吵醒孩子，只能默默截图发到技术群，配文：“成了！省下买4090的钱给娃报早教班了。”

数据哪来的？我自己爬的。用Python写了个小脚本，抓取某电商平台的商品描述和分类标签，清洗后凑了8000条样本。虽然不多，但对LoRA来说够用了。训练完的模型，能准确把“纯棉婴儿连体衣 无骨缝”映射到“母婴>服饰>新生儿”这类细分类目——这正是我们溯源系统需要的第一步。

区块链不是玄学，是信任的基础设施

说到区块链，很多人觉得是币圈割韭菜的工具。但在我们这个项目里，它干了一件特别实在的事：防篡改。

设想一下：消费者扫二维码查一瓶奶粉的来源，结果发现生产日期被中间商偷偷改成“新鲜批次”——这谁受得了？

我们的方案是：每批商品出厂时，将关键信息（生产时间、质检报告哈希、物流节点）写入私有链（用Hyperledger Fabric搭的）。这些数据一旦上链，就无法单方面修改。而AI模型的作用，是把用户自然语言查询（比如“这瓶奶是不是进口的？”）转成结构化查询语句，去链上精准检索。

听起来是不是有点意思？

其实技术上没那么神秘。Fabric的智能合约用Go写的，调用很简单；AI部分通过gRPC和链交互。难点在于如何让两个异构系统无缝协作——这恰恰是Fine-tuning的价值所在。

以前，我们得手动维护一套关键词规则库，用户问“是不是澳洲产的”，系统得匹配“产地=澳大利亚”“来源国=Australia”等十几种变体。现在，微调后的模型直接理解语义，准确率从68%提升到92%。

上周测试时，大宝突然凑过来问：“爸爸，这个蓝线是什么？”
我指着loss曲线说：“这是爸爸的希望。”
他似懂非懂地点点头，转身跑去搭他的乐高区块链（对，这小子真用积木搭过“矿机”）。

真实世界的约束：时间、金钱与家庭

但说实话，这条路走得并不轻松。

首先是时间。我每天真正能学习的时间，只有孩子睡后到自己撑不住的那2-3小时。经常写着写着，眼皮打架，代码里全是低级错误。有次把learning_rate设成0.1（正常是2e-5），训练一晚上全废了，第二天上班差点迟到。

其次是成本。虽然用了LoRA省显存，但本地训练太慢。我咬牙充了1000块阿里云PAI的代金券，租A10 GPU跑训练。老婆看到账单皱眉：“又花钱？”
我说：“这算投资，万一项目成了，奖金够交半年兴趣班。”
她叹气：“行吧，但别熬太晚，你黑眼圈快掉到下巴了。”

最难受的是自我怀疑。有时候看知乎上大佬谈“千亿参数”“多模态对齐”，再看看自己还在调超参，会觉得格格不入。有天深夜，我在Stack Overflow提问被踩了，留言说“这种基础问题别浪费大家时间”。那一刻，真的很想放弃。

但转念一想：我又不是要去NeurIPS发论文，我只是想做个靠谱的工程师，给家里多挣点奶粉钱，顺便找回一点技术人的尊严。

技术探索的本质：在约束中创造价值

折腾半年下来，我慢慢悟了：真正的技术探索，从来不是在理想实验室里炫技，而是在一堆现实约束中，找到性价比最高的解法。

Fine-tuning之所以火，不是因为它多酷，而是它让中小企业和个人开发者也能玩转大模型——不用百亿预算，不用千卡集群，一块消费级显卡+聪明的方法，就能解决实际问题。

区块链同理。去掉炒作外衣，它的核心价值就是“多方信任的低成本建立”。在我们的场景里，它不替代数据库，而是作为信任锚点存在。

而这一切，最终都要服务于人——消费者要安心，企业要效率，而我这样的普通程序员，要在养家糊口的同时，不被时代彻底抛下。

写给同样挣扎的你

如果你也像我一样：

• 白天被业务需求淹没
• 晚上想学新技术却困得睁不开眼
• 看到“SOTA”“scaling law”就心慌
• 怀疑自己是不是该转行送外卖

我想说：别急，慢慢来。

技术浪潮永远在变，但解决问题的能力不会过时。Fine-tuning也好，区块链也罢，它们只是工具。关键是你能不能用它们，在自己的战场上打出一寸天地。

我现在每周只学三次，每次不超过两小时。目标很小：这周搞懂Adapter，下周试试QLoRA。不求一步登天，但求日拱一卒。

昨天HR找我聊晋升，提到“技术深度”时，我展示了这个AI+区块链的Demo。她眼睛一亮：“这可以包装成公司创新案例！”
我没提加薪，但心里知道，路走对了。

尾声：凌晨三点的技术浪漫

此刻是凌晨2点47分，窗外广州老城区一片寂静，只有楼下便利店的灯还亮着。我刚把训练好的模型部署到测试环境，顺手给老婆留了张便签：“糖水在锅里，热一下再喝。”

技术探索或许孤独，但并不冰冷。它是我对抗平庸的方式，也是留给孩子们的隐性遗产——让他们知道，爸爸虽然头发少了、肚子大了，但还在努力成为一个更好的人。

Fine-tuning调的不只是模型参数，更是我们与这个快速变化世界的关系；区块链记录的不只是交易哈希，更是我们在混沌中坚守的信任底线。

至于未来？
我希望明年这个时候，能带着两个娃去长隆玩——用项目奖金付门票。
也希望自己还能坐在书桌前，为下一个技术难题挠头，但眼里有光。

共勉， fellow coder & parent.

---

本文写于2024年6月，广州荔湾，一台3060显卡和两罐凉掉的王老吉陪伴下。