图表将训练过程拆解为三大阶段：数据来源、加工环节与能力产出。数据输入端包含六类来源：领域文本（论文、电子病历等）、图文对（图片与体征描述）、指令对话（问答与防治建议）、偏好对（好答案与坏答案）、教师输出（Logits与数据标签）以及新到样本（新语料与新场景）。数据流入后经历六道核心加工工序：P1领域语料预训练（AgriGPT等）、P2多模态对齐（AgriCLIP等）、P3监督微调（Agri-Llama-Next等）、P4偏好优化（ALMA等）、P5压缩蒸馏（Dual-(PAL)G等）及P6增量维护（CURLoRA等）。经过加工的数据最终汇聚为四项核心能力：“认得病”（识别准确率与阈值）、“说得清”（解释问答与处方）、“答得准”（证据可溯源、不乱答）以及“跑得动”（边缘部署、低显存、轻量化）。图表底部还指出了“三个可以下手的空档”，分析了P4偏好回灌数据源单一、P6增量维护仅适用P1基线，以及中间三层折叠带来的数据规则排序挑战，为后续模型迭代提供了优化方向。