本地 AI 实验：把过程写成可复现的记录

先记录环境，再记录结论

这是一篇 MDX 演示文章，没有执行模型性能实验，也没有真实的评测数据。可复现的实验需要记录软硬件版本、输入、参数和评价方法。

一份最小实验清单

项目	记录方式
模型与版本	完整名称、来源与校验值
运行环境	系统、驱动、内存与推理框架
输入与参数	原始提示词、随机种子、采样设置
结果与限制	原始输出、耗时、错误与重复次数

命令行与代码

以下命令仅展示如何收集版本信息：

python --version
git --version

可以用一个最小脚本保存实验元数据：

import json
from pathlib import Path

record = {
    "experiment": "example-only",
    "model": "待填写",
    "seed": 42,
    "limitations": ["尚未执行真实评测"],
}
Path("experiment.json").write_text(
    json.dumps(record, ensure_ascii=False, indent=2),
    encoding="utf-8",
)

解释结果的边界

平均耗时的排版示例为 $\bar{t}=\frac{1}{n}\sum_{i=1}^{n}t_i$。单次运行时间不能说明长期稳定性，不同任务的表现也不能直接互相替代。

下一次实验

保留失败案例，在相同条件下重复测量，再讨论变化的原因。关于如何表达理由与结论，可继续阅读研究笔记示例。