一个人如何做出一整套预测平台：生物稳定性分析平台全复盘

为什么要做这个平台

在生物药研发里，“这个细胞株还稳不稳”是一个反复出现、又高度依赖经验的问题。实验室里的做法是看几次传代数据、凭感觉拍板——慢，且不可复现。

我决定把这件事做成一个系统：输入传代数据，自动输出稳定性预测与可视化报告。从第一行清洗脚本到最后一个部署脚本，全部一个人完成。这篇文章是整个项目的复盘。

系统全景：8 个子项目

平台不是一个大单体，而是 8 个各司其职的子项目：

一个人做全栈的三条经验

1. 先让数据流动起来，再谈模型精度

最常见的失败顺序是：先花三周调模型，最后发现数据管道根本跑不通。我的顺序反过来——先写 A-01 数据清洗和 A-03 预测引擎的最小闭环，用规则模型（甚至线性回归）占位，让”上传数据→出结果”这条链路第一天就是通的。之后再迭代模型，每一步都有可对比的基线。

2. 每个子项目都能独立运行、独立测试

8 个子项目各自有入口、有自己的输出物。数据清洗引擎可以单独跑一批文件，报告生成器可以单独喂一份结果 JSON。这样做的好处是：任何一层出问题，我都能在 5 分钟内定位到是哪一层——这对单人维护至关重要，因为你没有队友帮你分担排查成本。

3. 交付形态决定工具的命运

同一个预测引擎，我做了三种交付：

• Web 版：给有浏览器的所有人，部署在 wxsunday.cloud/stability/；
• 桌面 exe：给不能联网的实验环境，PyInstaller 打成单文件，双击即用；
• Word/Excel 报告：给需要归档和汇报的场景，一键导出。

工具的算法再好，交付形态不对就不会被用。“让别人用起来”本身，就是工程设计的一部分。

踩过的三个坑

1. PyInstaller 打包体积爆炸：科学计算全家桶打出来超过 500MB。解法是按需裁剪依赖、排除测试目录，最终压到可接受范围。
2. 模型版本混乱：训练集更新后旧预测结果无法复现。解法是 A-05 数据管理后台强制”训练集—模型—预测结果”三者版本绑定。
3. 服务器重启后服务没起来：解法是 A-08 部署脚本把服务注册成 systemd 单元，开机自启 + 崩溃自动拉起，从此没再半夜爬起来重启过。

写在最后

一个人做完整套系统，最大的收获不是省了人力，而是你对每一层都了如指掌——数据从哪来、模型怎么判、服务怎么挂、报告怎么出，没有任何黑盒。这种全链路的掌控感，是团队协作很难给的。

如果你也在考虑把某个”靠经验拍板”的问题做成系统，我的建议是：今天就把最小闭环写出来，哪怕预测逻辑只是 if-else。

平台 Web 版已上线：细胞株稳定性预测，欢迎试用并把反馈发给我。

常见问题

本文由 祥哥（祥哥）撰写并首发于 祥哥的私人工坊。 转载或引用请注明出处：https://wxsunday.cloud/blog/stability-platform-fullstack.html