当整个行业都在把医疗AI推向云端、推向大模型时，有人选择了一条完全相反的路：把AI检索系统塞进一台普通电脑，完全离线运行，不联网、不上云、不碰任何患者数据。

这个项目的架构设计，最近在一篇技术文章中公开。作者搭建了一套面向医学文献的本地检索系统，核心数据源是约2,500本现代医学专著——不是期刊论文，而是经过筛选的、系统性的教科书级内容。这套系统跑在标准商用硬件上，内存受限，却能完成医学文献挖掘和语义检索。

打开网易新闻 查看精彩图片

为什么选专著而不是期刊？这是整个设计最反直觉的地方。期刊文献数量庞大、更新快，但碎片化严重；而专著经过编撰和审校，知识体系完整、表述稳定。在内存受限的本地设备上，专著是性价比极高的知识载体——用更少的存储，换取更结构化的医学知识。

作者在文中明确划清了边界：这是一个非商业的个人研究项目，仅用于教育、私有研究和性能测试。系统部署在隔离的本地基础设施上，不对外分发，没有公开网页界面，也不提供外部API。它不构成FDA、欧盟MDR或俄罗斯Roszdravnadzor框架下的医疗器械软件，不用于临床诊断、分诊或治疗规划，也不替代专业医疗建议、诊断或治疗。

数据隐私是这套架构的硬约束。整个项目完全离线运行，测试查询全部使用模拟数据、合成数据或完全匿名化的数据。系统不收集、不传输、不处理任何受HIPAA保护的医疗信息、GDPR定义的个人数据，也不涉及任何真实世界的个人信息。2,500本专著的文本仅存储在本地机器上，用于私人文本索引、NLP基准测试和搜索实验，不托管、不发布、不镜像、不共享。文本挖掘使用符合国际"合理使用"原则（17 U.S. Code § 107）及俄罗斯联邦民法典第1273条的个人使用豁免。

这套架构的价值在于它证明了另一条路径的可行性：在极端硬件约束下，用资源高效的智能体框架，在本地边缘计算设备上搭建一个可审计、可复现的医学知识检索系统。对于一线临床医生、生物医学工程师和跨学科研究者来说，它提供了一个不依赖云端、不牺牲隐私的语义研究加速器。

作者在文章开头引用了《马太福音》21章42节："匠人所弃的石头，已成了房角的头块石头。"在所有人都在追逐更大模型、更多算力的时候，这块被主流忽视的"小石头"，或许正在角落里悄悄成形。