最近帮一个医疗创业团队做技术支持，他们想把通用大模型改造成能回答专业医疗问题的智能助手。今天就把整个过程整理出来，希望对有类似需求的朋友有所帮助。
**核心工具链：**LLaMA-Factory + Qwen3.5-4B + 医疗问答数据集
Qwen3.5 是阿里最新发布的千问系列模型，4B 参数量刚好卡在"效果够用 + 显存友好"的甜蜜点；LLaMA-Factory 则是目前开源社区最成熟的微调框架，上手简单，坑也相对少。
准备工作
先说硬件要求。4B 模型用 LoRA 微调的话，一张 12GB 显存的显卡就够了（比如 RTX 4070）。如果手头只有 8GB 显存的卡，可以上 QLoRA 量化方案，牺牲一点精度换显存空间。
| 微调方式 | 4B 模型显存需求 | 推荐显卡 |
|---|---|---|
| LoRA (16-bit) | ~10-12 GB | RTX 4070 / RTX 3090 |
| QLoRA (8-bit) | ~6-8 GB | RTX 4060 / RTX 3070 |
| QLoRA (4-bit) | ~4-6 GB | RTX 3060 |
软件环境这边，建议 Python 3.11+，PyTorch 2.0 以上。CUDA 版本最好 12.x，兼容性更好。
下载 Qwen3.5-4B 模型
模型从魔搭社区下载，国内速度很快：
# 安装 modelscope
pip install modelscope
# 方式一：Python 代码下载
from modelscope import snapshot_download
model_dir = snapshot_download('Qwen/Qwen3.5-4B')
print(f"模型已下载到：{model_dir}")
# 方式二：命令行下载
# modelscope download --model Qwen/Qwen3.5-4B --local_dir ./models/Qwen3.5-4B
**💡 小贴士：**模型大约 9.3GB，建议挂个代理或者选择网络好的时间段下载。下载完记得检查一下文件完整性。
搭建 LLaMA-Factory 环境
LLaMA-Factory 的安装很直接：
git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git
cd LLaMA-Factory
pip install -e .
pip install -r requirements/metrics.txt
# 如果需要 DeepSpeed 加速（可选）
pip install -r requirements/deepspeed.txt
装完之后可以跑一下测试命令确认环境没问题：
llamafactory-cli version
准备医疗数据集
数据集是微调效果的关键。这里用的是开源的中文医疗问答数据，主要来自几个渠道：
数据来源推荐： GitHub 上有个 llm-medical-data 仓库，整理了几十万条医疗问答数据，覆盖内科、外科、妇产科、儿科等科室。另外 HuggingFace 上的 shibing624/medical 数据集也不错，格式比较规范。
LLaMA-Factory 要求的数据格式是这样的：
[
{
"instruction": "你是一个专业的医疗助手，请根据患者描述给出建议。",
"input": "我最近总是头痛，尤其是下午的时候，已经持续一周了。",
"output": "持续性头痛需要关注。建议您先排除以下几个常见原因：1）睡眠质量，2）用眼过度，3）颈椎问题。如果休息后仍不缓解，建议到医院神经内科就诊，做个头部 CT 检查。"
},
{
"instruction": "你是一个专业的医疗助手，请根据患者描述给出建议。",
"input": "孩子 3 岁，发烧 38.5 度，要不要去医院？",
"output": "38.5 度属于中度发热。可以先在家观察处理：1）物理降温，温水擦拭腋下、腹股沟；2）保持室内通风；3）多喝水。如果体温超过 39 度、持续超过 3 天、或出现精神萎靡、抽搐等情况，需要立即就医。"
}
]
把处理好的数据放到 data/目录下，然后在 data/dataset_info.json 里注册：
{
"medical_qa": {
"file_name": "medical_qa.json",
"columns": {
"prompt": "instruction",
"query": "input",
"response": "output"
}
}
}
开始微调
配置文件是整个流程的核心。在 examples/train_lora/下创建一个 qwen35_medical_lora.yaml：
### 模型配置 ###
model_name_or_path: ./models/Qwen3.5-4B
trust_remote_code: true
### 微调方法 ###
stage: sft
do_train: true
finetuning_type: lora
lora_rank: 64
lora_alpha: 128
lora_target: all
### 数据集配置 ###
dataset: medical_qa
template: qwen3
cutoff_len: 2048
preprocessing_num_workers: 8
### 训练参数 ###
output_dir: ./output/qwen35_medical_lora
per_device_train_batch_size: 2
gradient_accumulation_steps: 8
learning_rate: 1.0e-4
num_train_epochs: 3.0
lr_scheduler_type: cosine
warmup_ratio: 0.1
logging_steps: 10
save_steps: 500
### 显存优化 ###
bf16: true
gradient_checkpointing: true
参数解读：
• lora_rank: 64 —— LoRA 秩，越大表达能力越强，但显存占用也越大
• lora_target: all —— 对所有线性层应用 LoRA，效果更好
• gradient_checkpointing: true —— 用时间换空间，降低显存占用
一切就绪，启动训练：
llamafactory-cli train examples/train_lora/qwen35_medical_lora.yaml
训练过程中可以通过 TensorBoard 监控 loss 曲线：
tensorboard --logdir=./output/qwen35_medical_lora/runs
在我的测试环境（RTX 4090）上，1 万条数据训练 3 个 epoch 大约需要 40 分钟。
测试效果
训练完成后，先在命令行跑个快速测试：
llamafactory-cli chat examples/inference/qwen35_medical_lora.yaml
对应的推理配置文件 qwen35_medical_lora.yaml：
model_name_or_path: ./models/Qwen3.5-4B
adapter_name_or_path: ./output/qwen35_medical_lora
template: qwen3
finetuning_type: lora
实测下来，微调后的模型在医疗问答上明显比原版更专业。比如问"孕妇能不能吃螃蟹"，原版模型可能给个模棱两可的回答，微调后的版本会从中医寒凉属性、现代营养学、个体差异等多个角度分析，更像一个有经验的医生。
导出和部署
如果效果满意，可以把 LoRA 权重合并到基座模型里，方便后续部署：
llamafactory-cli export examples/merge_lora/qwen35_medical_merge.yaml
合并配置：
model_name_or_path: ./models/Qwen3.5-4B
adapter_name_or_path: ./output/qwen35_medical_lora
template: qwen3
finetuning_type: lora
export_dir: ./models/Qwen35-Medical
export_size: 2
export_device: cuda
export_legacy_format: false
合并后的模型可以直接用 vLLM 或者 SGLang 部署成 API 服务：
# vLLM 部署
pip install vllm
vllm serve ./models/Qwen35-Medical --port 8000
# 或者 LLaMA-Factory 内置的 API 服务
API_PORT=8000 llamafactory-cli api examples/inference/qwen35_medical.yaml
踩坑记录
分享几个我遇到过的问题：
1. 显存不够用 把 per_device_train_batch_size 调小，或者启用 gradient_checkpointing。实在不行就上 4-bit 量化。
2. Loss 不下降 检查数据格式是否正确，尤其是 dataset_info.json 里的字段映射。另外学习率不要设太大，1e-4 到 5e-5 之间比较稳。
3. 微调后模型变傻了 可能是数据质量问题，或者训练轮数太多导致过拟合。适当减少 epoch 数，或者在数据里混入一些通用对话保持泛化能力。
医疗领域的 AI 应用一定要注意：模型输出仅供参考，不能替代专业医生的诊断。在产品设计时要做好免责声明和人工审核机制。
整个流程走下来，从环境搭建到模型部署，熟练的话半天就能搞定。LLaMA-Factory 确实把微调的门槛降低了很多，配合 Qwen3.5 这样的高质量基座模型，普通开发者也能做出效果不错的垂直领域 AI 助手。
当然，真要做成产品级的医疗 AI，还需要在数据质量、安全合规、持续迭代等方面下功夫。但至少，迈出第一步没那么难。
