港大医学生开发AI学医工具,全球用户突破40万

写在前面：

你好，我是李竺玉，一名985本硕连读临床医学生。

前两天，一个之前在我做AI医学教育小程序时帮我不少的姐姐分享了一款产品。

我点开链接，讲的是港大医学生自己研发的温习APP，两年就有40万人用，这个工具名叫“PDF2Anki”。

很感慨。2025年末的时候，我自己也尝试做一个能复习门诊病例的小程序。

我把功能都想好了，满心欢喜地以为只要告诉AI，它就能自己跑出一个我心目中的程序。

然而，想象很美好，现实很骨感

代码越改越长，问题越解越多，总是在解决问题的路上创造出新问题。结果可想而知，我只能暂时放弃了这个项目。

所以，当我看到“PDF2Anki”这个成功版本时，它成功勾起了我的好奇心：

为什么他们会想做这样一个产品？又是怎么在繁杂的医学课程中抽出时间做产品、搞创业。

01

两个在图书馆想“偷懒”的医学生

PDF2Anki并不是出自某个成熟的技术团队。

它最初来自两位港大医学生——张天俊和陈志诚。张天俊在采访中说自己的时间管理就是“白天上课，晚上写代码”。

医学学习本身就是一个时间高度被占用的过程：课程密集、知识量大、周期长。和工科或计算机专业不同，大多数医学生并没有系统的软件工程训练。

也就是说，这类项目并不是在“已有能力基础上延伸”，而更接近一种跨领域尝试。

那他们是怎么开始的？

初心其实很简单。作为医学生，每天面对海量的PDF讲义、综述、指南，阅读本身问题不大，但很难形成长期记忆。

这种时候，利用Anki卡片做“主动回忆”式学习很有效，但前提是先要花几小时把内容整理成卡片。久而久之，这件事就成了负担。

于是，一个很自然的问题出现了：    

能不能把“做卡片”这一步自动化？

https://www.youtube.com/watch?v=y6Hvx6L1LuU

在最初阶段，他们很快做出了PDF2Anki的原型。

动机很简单：不是“我要改变教育”，而是 “我想给自己省点时间”。

02

PDF2Anki能干嘛？

那这个“想给自己省点时间”的工具，到底什么样？

从功能上看，PDF2Anki做的事情很直接：

上传PDF，自动生成问答卡片，并导入Anki。

从技术逻辑上，它大致可以拆成三步：

1.从PDF中提取文本

2.利用大语言模型理解内容、识别重点

3.转化为问答或填空卡片

来源：PDF2Anki

其中真正的变化在于第二步。

过去，这类任务往往依赖规则或模板，很难处理复杂文本，尤其是医学内容。而随着大语言模型的发展，“理解内容并生成结构化表达”这件事，开始变得可行。

PDF2Anki严格基于用户上传的文档内容生成卡片，不会从互联网上随意抓取信息。创始人自测准确率能达到90%，对医学生来说，这一点至关重要。

后来，这个工具升级成了 “Memo AI” ，从一个单一功能工具变成了更丰富的学习空间：

• 可以把资料转成AI播客，边通勤边“听书”

• 可以生成信息图，把复杂概念视觉化

• 还能同时上传多个文档，让AI帮你对比不同来源的观点

Memo AI

但从始至终，核心逻辑没变：帮学生省时间。

03

他们凭什么做到40万用户？

上线8个月，用户突破10万；上线两年，用户突破40万，覆盖106个国家和地区，包括但不限于哈佛剑桥等顶级学府。

几个医学生课余捣鼓出来的工具，凭什么能走到这一步？梳理他们的故事，有几个细节值得琢磨：

第一，他们解决的是自己的真问题。

PDF2Anki从一开始就不是“市场调研”的结果，而是“自己每天被困扰”的结果。这种需求的真实性，是任何调研都无法替代的。

第二，一个周末就启动，而不是等“完美”。

他们用最短的时间捣鼓出原型，先跑通再迭代。第一个版本可能很粗糙，但只要它存在，就可以被使用、被反馈。

第三，医学生的身份是劣势，但也是壁垒。

他们没有最强的技术能力，但他们知道医学生是怎么学习的，什么样的卡片更容易记住。在AI时代，这种领域经验很多时候比技术本身更重要。

第四，他们不是在“想象用户”，而是在“被用户推动”。

产品上线后，他们收到了来自世界各地的反馈。有身处战乱中的苏丹学生来信、有ADHD患者留言。这些他们从未想过的使用场景，成了产品迭代的方向：用户会告诉你，产品应该长成什么样。

这个项目更像是一个典型的 “个人工具外溢”过程：从解决自己的问题开始，逐渐变成解决一类人的问题。

04

思考：从“能不能做”到“做什么”

回头看，PDF2Anki这类工具的出现，并不是因为问题本身变了。

医学生需要反复记忆，大量知识以大量文字的形式存在，这些都不是新问题。真正变化的，是实现路径。

过去，从一个想法到一个可用工具，中间隔着明显的技术门槛；而现在，随着AI的发展，这个门槛正在被不断压低。写代码、调试、甚至基础的系统搭建，都可以在一定程度上借助AI完成。

但这并不意味着难度消失了。

如果说过去的难点在“能不能做出来”，那么现在的问题更接近于：能不能发现一个足够具体、值得被解决的小场景。

PDF2Anki本质上解决的，并不是一个宏大的问题，而是一个非常具体的环节：

从“读完一份PDF”，到“把它变成可以记住的内容”。它没有试图改变整个学习方式，而只是优化了其中的一步。

AI确实可以帮助你“写代码”，但很难帮你“做产品”

系统设计是否合理、功能是否可用、用户体验是否连贯，这些问题AI解决不了。

某种程度上，这也是AI时代一个比较明显的变化：技术不再是最稀缺的部分，问题的选择反而变得更重要。

哪些流程是重复的？哪些环节可以被结构化？哪些体验是低效但被习惯接受的？

这些问题，本身往往就存在于日常之中。区别在于，有没有人愿意把它拆出来，然后往前再推进一步。

写在最后

张天俊和陈志诚在港大图书馆敲下第一行代码的时候，也没想过会有40万人用他们的工具。他们只是觉得“做卡片太麻烦了”，想给自己省点时间。

正是这个“嫌麻烦”，驱动他们做出了第一个版本。

工具会进化，AI会变强，“看到问题就想解决”的冲动，才是最珍贵的东西。

我的小程序没有做成，但它让我读懂了PDF2Anki的分量。那个“未完成”不是白费的，它让我成了这个故事更好的讲述者，也让我更清楚：

能发现一个问题，本身就值得动手试一试。

也许下一个”PDF2Anki”，就出自于你手。