在医药行业，有这样一位低调却广受尊敬的人物——瑞小格。她是一位在外企深耕十八年的医药法规事务专家，日常工作是处理大量电子文本。

瑞小格并没有局限于文档和流程，而是用IT和AI技术不断改造工作方式。本文是对瑞小格的采访记录，记录了她从自学编程开发办公小工具，到运营粉丝近两万的专业公众号，再到打造AI智能体与知识库并实现知识付费，一路行来的探索之路。

从药品申报到代码实践：十八年的积累与分享

瑞小格，2007年药学硕士毕业后进入外企，至今已在医药法规事务（药品注册与合规管理）岗位上深耕十八年。她的日常工作，是处理成堆的药品申报资料。

对于外界来说，“法规事务”听起来有些陌生，但在制药行业，它是新药能否被允许进入市场的关键环节。一款新药从研发到上市，往往需要跨越十年周期，投入超过十亿美元（制药业著名的“双十”定律），而最终能否顺利走到患者手中，离不开法规事务团队把关。

这些申报资料庞大到难以想象——十几万页的文档、十几到二十个G的文件体量，涵盖生产工艺、质量控制、药理、毒理、临床试验等方方面面。法规事务专家必须把来自不同部门的数据和报告整合成标准化的申报资料，逐一检查是否符合药监部门的要求，然后正式递交。任何一个环节的纰漏，都可能导致审批延迟，甚至直接被退回。

因此，法规事务团队就像是药企与药监机构之间的桥梁与守门人：她们要把科学语言翻译成合规语言，让资料既准确又符合格式规范；要解读和追踪全球最新的法规变化，确保申报资料不“掉队”；还要与研发、生产、临床等团队沟通，协调各方数据，形成最终可被接受的完整档案。

看似只是文书工作，实际上却是需要极强责任感与专业技术核心岗位。如果说研发团队是“造车”的人，那么法规事务团队就是确保“车”能合法上路、被允许进入高速公路的关键角色。

2011年一次电子申报项目让她发现了新的可能：用计算机程序代替人工处理海量文件中繁琐重复的操作。为此，她自学了VBA，写出第一个自动化工具，虽然只是几行简单的代码，却大幅提升了效率，处理了数以万计的PDF和Word文件。

这个“小发明”不仅解决了实际难题，还重新激活了瑞小格学生时代的数理天赋，让她重新燃起了对逻辑与数学的热情。此后，她又陆续学习了JavaScript和Python，开发了二十多个实用小工具，用来批处理PDF、自动生成书签、转换文件格式、清洗数据。

这些看似“微小”的发明，却解决了医药行业里许多人的痛点——同行们过去需要几天才能完成的工作，有了这些小工具，可能只需几分钟。

瑞小格并没有把这些工具仅仅留在自己电脑里，一方面她将这些工具都交给了公司的法规信息管理部门，希望她们能够维护更新，并提供给更多同事使用。另一方面，在2014年，她创办了自己独立运营的iReg公众号，开始把自制的工具和心得公开分享。

十年来，她坚持几乎每日更新，不仅把自己的探索完整记录下来，也把复杂的经验变成可复制的解决方案，惠及了成千上万的同业者。如今，她的公众号粉丝接近两万，覆盖了全国一半的法规事务从业者。

瑞小格长期整理的“iReg法规七龙珠”栏目每月更新，将中国现行的药品注册法规系统梳理和分类，涵盖通用法规、注册申报、临床试验、上市申请、变更与再注册，核查检验、一致性评价、真实世界研究、药物警戒、原辅包关联审评、指导原则等内容。它让繁杂的法规一目了然，成为同行们高频使用的工具，甚至可以说已经成了事实上的业界标准。

许多人甚至误以为iReg是一个公司，却没想到它只是瑞小格一个人“边工作边分享”的副产物。她这在行业内建立起鲜明的专业品牌，成为医药法规事务领域最受关注的个人分享者和行业KOL。

智能体与知识库：医药行业探索AI落地

如果说编程工具让她在法规事务中摸索出一条“效率之路”，那么AI的加入，则让瑞小格真正站在了行业探索的前沿。

早在2016年AlphaGo横扫世界围棋冠军时，她就被人工智能的潜力深深吸引。那时的她更多是观望与学习，在通勤途中会打开吴恩达的机器学习课程，听着前沿的AI知识。

真正将AI引入工作，则是在2023年。ChatGPT出现让大家看到了AI处理文本的巨大潜力。等到不久后国内的百度文心一言等大模型上线后，瑞小格就开始尝试把AI作为“助手”使用：她第一时间购买了百度文心一言的会员，把它当成了写代码的伙伴。她依旧会自己构思功能逻辑，但AI帮她生成框架和调试思路，让开发小工具的速度快了几倍。

虽然AI生成的代码常常要修正，甚至会因为库版本过旧而报错，但她清楚地感受到：AI已经能够成为“程序员的副手”。

真正的突破，发生在2025年初。腾讯推出了元器平台，不仅允许用户上传私有数据，而且支持调用外部API和工作流设计，意味着它不仅能回答问题，还能“动手做事”。

瑞小格将自己十余年积累的资料系统化整理，涵盖法规文本、国际指导原则、个人笔记和行业文章——规模达到超过10亿token——投喂给腾讯元器，创建了一个专属于医药法规的智能体——iRegGPT并分享给同行。

当业内人士在工作中遇到问题时，iRegGPT能快速定位相关法规条款，生成合规解读，甚至配合简单的数据处理与文档操作，起到“助手+顾问”的双重作用。

上线半年，iRegGPT累计超过 8万次问答，活跃用户4000多人。很多同行在群里反馈，“原本要翻半天的法规，现在一分钟就能找到答案”，这种即时反馈正是AI带来的价值。

在探索元器的同时，瑞小格也在腾讯的另一款平台ima 上做了尝试。与强调工作流和插件的元器不同，ima更像是一个知识管理与分发平台，它强调“知识沉淀+便捷使用”，支持双语对照、划线笔记、全文搜索、AI问答等功能，搜索结果和AI问答的引用源可以方便在手机端和PC端跳转查看全文。用户可以轻松将资料上传为知识库，特别适合行业从业者查阅标准文件。

瑞小格在IMA上整理并发布了FDA指导原则知识库，涵盖上千份官方指导文档。用户不仅能快速检索法规条款，还能一键生成中英文对照，大大降低了学习和使用门槛。

这一知识库是她第一次尝试知识付费。虽然最终只有几十位用户购买，但也带来了5000多元的收入，在高度垂直的医药法规领域，这已是极具突破性的尝试。她坦言：“即便付费率不高，但至少证明了这个模式在我们行业不是空想。”

今天的瑞小格，已经不仅是法规事务专家，也是医药行业中少见的AI先行者。她用AI辅助开发工具，用AI搭建知识库，并在高度垂直的医药合规领域完成了知识付费的第一步。

这条路并不轻松：要解决数据清洗的琐碎，要面对低付费率的现实，还要不断与新兴平台磨合。但正如她所说：“写公众号、做工具、建知识库，最大的收获是督促自己持续学习，和收获一批志同道合的朋友。” 而她的实践，已经为医药行业展示了一种全新的可能。

在挑战中前行：经验与建议

探索IT与AI的道路从不轻松。瑞小格在实际操作中，常常遇到各种各样的而技术难题。

在处理传统软件开发的问题时，她往往依靠搜索引擎、技术论坛和文档说明，找到“确定的答案”，再一步步调试。

而面对AI问题时，她则是通过不断尝试不同的提示词（prompt）、不同的数据处理方法，甚至调整投喂资料的结构，来逐渐探索更合适的答案。在她看来，这种差异恰恰是AI探索的乐趣之一：没有现成的标准答案，更多依赖耐心和实验精神。

同时，瑞小格也清楚地看到了商业化的现实挑战。知识付费在国内的转化率始终不高，即使触达人群上万，愿意真正付费的用户仍是少数；而资料的版权与合规问题，也意味着个人层面的尝试难以直接规模化。她认识到，如果未来要真正商业化，必须依靠与出版社、数据库平台等的合作，才能形成长期可持续的发展路径。

在这样的实践和反思中，瑞小格对同样有志于落地AI及知识分享变现的同行们提出了几点建议：

1.专业为基，AI为翼：专业知识时应用AI的基础，如果对专业知识理解不够深，AI给出的答案往往无法判断真伪，更谈不上转化为实际价值。

因此，先要在本职岗位深耕，比如药品注册、临床试验、药物警戒等，把行业规则吃透，再用AI来辅助工作，才能真正做到事半功倍。

2.先分享，再变现：iReg公众号运营经验充分印证了长期、稳定地输出专业内容，是让同行对分享者形成信任感和依赖感的关键。只有当读者相信你确实有价值，才可能愿意为你的知识库或服务付费。

千万不要一开始就想着收费，而是要通过持续的“免费分享”建立起影响力，把自己打造成一个可信赖的专业品牌。

3.选择合适的平台：当前各种模型、工具百花齐放，但深处国内最好优先考虑国内生态，比如腾讯的元器、ima等。这类平台在访问和合规上更稳定，用户上手也更方便；而如果过度依赖境外平台，不仅访问门槛高，还可能遇到合规风险。

4.持续学习，保持积累：技术更新迭代极快，要把学习当成习惯，哪怕每天只花一点时间，也要持续跟进。可以利用开源课程、社区论坛、视频教程等资源，不断更新知识结构。同时，要把学习成果及时沉淀下来——写成文章、做成工具、汇编成知识库，这样才能真正内化为自己的长期竞争力。

对瑞小格来说，挑战不是阻碍，而是成长的“必修课”。她的经验告诉同行们：在专业深耕的基础上，勇敢拥抱新技术，并敢于通过分享建立影响力，才可能在AI浪潮中找到属于自己的立足点。

前景与路径：看AI如何重塑医药行业

作为在医药行业最早一批尝试AI应用的从业者，瑞小格对行业的走向有着清晰的判断。

她认为，文本型数据的价值最大。药品注册申报、临床试验报告、不良反应的药物警戒资料，都是以海量文档为主，而这正是大语言模型的优势所在。未来，在法规解读、合规审查、临床数据分析等环节，AI都有潜力显著提升效率。

与此同时，图像与多模态AI 的落地也在加速。影像诊断、病理分析、超声解读等领域已经出现成熟应用，而在新药研发中，基于分子结构的AI药物设计甚至已进入临床阶段。这些案例表明，AI不仅是辅助工具，也可能成为推动创新的核心力量。

她尤其看重AI在企业级应用上的潜力。无论是临床试验的数据管理，还是研发流程的效率优化，抑或生产环节的质控和上市后的药品安全监测，AI都将逐步全面渗透。“未来的竞争力，不在于有没有用AI，而在于能用得多深。”。

在商业化模式上，瑞小格的观察是：

·To C（面向个人）：付费意愿普遍偏低，用户习惯免费使用，忠诚度不高，因此更多是长期的教育和习惯培养。

·To B（面向企业）：企业在数据库、合规工具等方面有明确刚需，更适合支撑长期稳定的商业化模式。

由此得出的结论是：中国AI的真正突破口在B端，而医药行业，正是这一趋势的典型代表。

AI大模型学习和面试资源

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓