Part 01｜确定目标与实验准备¶
Lab Manual for Multimodal Document AI Laboratory
阶段主题：Experiment Preparation
本关核心产出：
docs/project_plan.md· 预计时间：45 分钟
本关通过条件
你已经写清研究问题、固定变量、唯一自变量、样例范围、成功标准与数据风险；即使暂时没有 GPU，也知道将使用本地、Kaggle 还是实验室服务器完成首次推理。
一、实验简介（Experiment Overview）¶
欢迎来到实验室的第一个正式科研实验。
本实验的目标不是简单运行一个开源模型，而是按照实验室统一规范，独立完成一个可复现、可管理、可持续迭代的科研项目。
完成本实验后，你将掌握实验室最基本的科研开发流程，包括：
- 创建科研项目
- 管理 GitHub 仓库
- 配置开发环境
- 下载开源模型
- 完成第一次模型推理
- 规范记录实验过程
- 提交实验成果
重要说明：
本实验要求保留每一关的自主检查证据。已经具备某项能力时可以跳过重复操作，但必须留下等价证据，例如可访问的仓库、环境版本记录或一次成功运行。
二、实验目标（Learning Objectives）¶
完成本实验后，你应该能够：
- 建立符合实验室规范的 GitHub 项目；
- 理解项目目录结构及各目录作用；
- 独立完成开发环境检查；
- 为后续实验做好准备；
- 养成规范记录科研实验的习惯。
三、实验要求（Prerequisites）¶
开始实验前，请确认已经完成以下课程。
| 状态 | 最低前置能力 | 对应入口 |
|---|---|---|
| □ | 能 clone、commit 和 push | Git 与 GitHub |
| □ | 能创建隔离 Python 环境并记录版本 | Python 与可复现环境 |
| □ | 能阅读 Model Card 与 Dataset Card | Hugging Face Hub |
| □ | 能运行一个 Transformers 推理示例 | Transformers 推理 |
| 推荐 | 已完成 Qwen3.5 多模态最小实验 | Qwen3.5-0.8B 多模态推理 |
| 后续补充 | 理解 Document AI 任务与指标 | Document AI 与评测 |
如果最低前置能力中有一项无法完成，先进入对应页面补齐；Kaggle 和完整 Document AI 评测不是开始 Part 01 的硬性条件。
写出项目计划¶
创建 docs/project_plan.md，至少回答：
# Project Plan
- 研究问题：
- 固定内容：模型、样例、generation config
- 唯一自变量：
- 观察指标：
- 最小样例范围：
- 完成标准：
- 数据许可与隐私风险：
- 计算平台与备选方案：
这份计划不是形式材料。Part 06 的实验变量和 Part 07 的结论都必须回到这里。
四、实验成果（Deliverables）¶
本实验最终需要提交以下成果。
first-document-ai-project/
├── README.md
├── requirements.in
├── requirements-lock.txt
├── environment.yml
├── data/
├── scripts/
├── outputs/
├── experiments/
└── docs/
代码、说明、配置和允许公开的小样例提交至 GitHub；模型权重、完整数据、密钥和私人文档不得提交。models/、notebooks/、assets/ 等目录只在项目实际需要时创建。
五、实验规范（Laboratory Rules）¶
为了保证实验结果具有可复现性，实验室统一规定：
- 所有代码必须使用 GitHub 管理；
- 每次实验必须记录实验日志；
- 不得直接修改官方源码，建议在自己的项目中调用官方接口；
- 每完成一个阶段，及时提交 Git（Commit）；
- 每次实验均应保留输入数据、Prompt、输出结果和分析结论。
六、开始实验前的检查（Environment Checklist）¶
请逐项确认以下内容。公开模型和数据通常可以先浏览；只有实际下载或平台访问需要认证时，再完成对应登录。
1. GitHub¶
- □ 已注册 GitHub 账号；
- □ 已安装 Git；
- □ 已配置 SSH Key 或 Personal Access Token；
- □ 能够正常 Push 与 Pull。
2. Python¶
- □ 已安装 Python；
- □ 已安装 Conda（推荐）；
- □ 已创建实验环境（如
mdai）； - □ 能正常运行 Python 程序。
3. Hugging Face¶
- □ 已注册 Hugging Face 账号；
- □ 已完成登录；
- □ 能访问模型页面；
- □ 能下载公开模型。
4. GPU¶
请选择以下任意一种实验环境。
- □ 本地 GPU；
- □ Kaggle Notebook；
- □ 实验室服务器。
确保后续能够正常运行官方模型 Qwen/Qwen3.5-0.8B，或已经记录可使用的替代计算平台。
七、自我检查列表（Checklist）¶
在进入下一部分之前，请根据实际证据完成自检。
| 检查项 | 状态 |
|---|---|
| GitHub 配置完成 | □ |
| Python 环境正常 | □ |
| Hugging Face 可访问 | □ |
| GPU 环境可用 | □ |
| 已完成前置课程学习 | □ |
| project_plan.md 已完成 | □ |
最低前置能力、研究问题和计算方案均明确后，即可进入 Part 2：创建 GitHub 科研项目。
本部分小结¶
至此，你已经完成了实验前的所有准备工作。
下一部分将正式开始创建实验项目，并按照实验室统一规范搭建科研项目目录。这将成为你今后所有科研工作的基础模板。