8000行医院数据，断网跑出0.67的AUC

一台笔记本，网线拔掉，8000行医院数据丢进去，几分钟后每一行都拿到了风险评分、风险等级、驱动因素，外加一页文字总结。整个过程没有一次请求发往云端。

这是开发者 YuvrajSHAD 提交到 Hacktoberfest 开源 AI 挑战赛第二周的作品，名字叫 Airgap。形态是一个桌面风格的网页仪表盘，核心承诺只有一句：数据不离开这台机器。

它要解决的问题很具体。小团队手里往往压着几百到几千行的敏感表格——诊所的病人记录、工厂的设备遥测、放贷机构的贷款历史。能帮上忙的工具要么需要数据科学家调模型，要么要求把数据传到云端，而后者恰恰是这些团队被明令禁止做的事。

三种模式，一个引擎

用户拖入 CSV 或 Excel 文件，从三个任务里选一个，剩下的交给 TabPFN——Prior Labs 的表格基础模型，在本地 GPU 上给每一行打分。之后由本地大模型写出一页总结。

作者反复强调一件事：这是决策支持，不是决策者。评分永远不该替代临床医生、工程师或信贷委员会。仪表盘上这么写，生成的总结里也这么写。

演示用的是真实医院数据：Diabetes 130-US Hospitals，来自 UCI，CC BY 4.0 许可，8000 行、47 列。其中 7800 行有已知结果，200 行结果为空，被当作"新病人"打分。

0.67 这个数字是故意放出来的

再入院本身就是一个噪声很大的预测目标，AUC 在 0.67 左右是符合现实的。作者的原话是：如果这个仪表盘在这份数据上报出 0.99，那说明它在掩盖数据泄漏。

已知结果的行始终采用折外评分，一个病人自己的结果永远不会参与给他本人打分。最强的驱动因素是既往住院次数，这也是该数据集公认的最佳预测因子，算是一次有用的合理性检查。模型给出的驱动因素反映的是对评分的影响，不是因果关系——比如"A1C 结果缺失"这一项，更多反映的是谁被安排了检测。

技术栈方面：TabPFN 3.5 权重、PyTorch 配 CUDA 12.8、FastAPI、pandas 和 scikit-learn、Ollama 跑 qwen3:8b，前端是一个静态 HTML 页面。

TabPFN 承担全部打分工作，没有模型要训练，也没有超参数要调。已知的行就是上下文，TabPFN 在一次前向传播中完成预测。分类给出校准过的概率，回归给出预测值加 80% 区间。

解释性靠遮挡法实现：对与结果最相关的 10 个列，替换成典型值，观察评分如何移动，移动最大的列按记录列出，配上下箭头。

本地大模型被禁止编造数字。qwen3:8b 通过 Ollama 从一份小型 JSON 事实集写总结，文本里的每一个数字都要和结果核对。如果模型引用了事实集里没有的数值，总结会被拒绝，改用内置模板，页面会说明用的是哪一种以及原因。

三个翻车现场

第一个：明明有 4090，跑起来却用了 CPU。Windows 上 pip install torch 装的是纯 CPU 版本，而且 pip 会把已有的 CPU 版本判定为"已满足"。解决办法是强制重装 CUDA 12.8 版本。不需要 CUDA Toolkit，只要 NVIDIA 驱动。现在顶栏会显示 GPU 名称，或者一个红色的"仅 CPU"。

第二个：TabPFN 的浏览器授权登录在 Windows 的 .bat 文件里崩溃。脚本改成从本地文件读取 API 密钥，关掉浏览器流程。

第三个：大模型总结悄悄退回了模板。原因是模型名检查用了前缀匹配，同系列的另一个模型被当成了"已安装"。现在改成精确匹配，只要没用上大模型，页面就会写明原因。

作者自己列出的局限

TabPFN 单次运行比梯度提升模型慢，它的价值在于零调参下的接近最优精度，而不是速度。8000 行文件的计时是 269 秒，更小的表格——也就是预期使用场景——要快得多。在 GPU 检查中，1500 行训练加 500 行测试的拟合与预测，预热后耗时 1.34 秒。

结果来自公开数据集上的交叉验证，说明的是模型在同一来源的留出行上的表现。作者没有测试过来自另一家医院、另一家工厂或另一家放贷机构的数据，所以新站点的数字可能不同。

还有一个必须提前说明的许可问题：TabPFN 的权重是开放权重，采用 Prior Labs 的许可。免费许可为非商业用途，要销售 Airgap 需要从 Prior Labs 获得商业许可。这是黑客松原型，查清许可条款是这门副业的第一步。

作者也坦承商业模式尚未验证：设想是由一个人把 Airgap 装进诊所、工厂或放贷机构自己的机器，按站点或按席位收费。这个模式没有经过测试，他还没有卖出去过。