问题 / 你大概正在遇到
想微调模型，但标注没人做。
一、为什么会反复发生
- 把标注当成一次性任务，没算长期
- 没有标注规范，同一个样本三个人三种标法
- 标完不校验，数据质量差
二、四步做法
- 先判断：是评测集（几十条）还是训练集（几千条）
- 评测集自己标，业务方标最准
- 训练集可外包，但规范与抽检必须自己做
- 每批抽 10% 复核，一致率低于 90% 就返工
三、对照表
| 用途 | 量级 | 谁做 |
|---|---|---|
| 评测集 | 30–100 条 | 业务方自己 |
| 微调训练集 | 1,000+ 条 | 外包 + 抽检 |
| 线上反馈 | 持续 | 自动收集 + 人工抽检 |
四、常见问题
能不能用 AI 标注？
可以做预标，但必须人工复核，否则错误会放大。
标注贵吗？
按条计费，量级决定成本；先标 100 条试成本。
五、怎么落地
上面这些做法，用一张表 + 一个看板就能先跑起来：免费模板里有窗口台账、日报、审批队列与周会议程； 跑通之后想固化成一屏，再看在线看板与定价。
我们不写客户案例（当前 ARR $0，没有可公开的付费客户），所以文中只给方法与边界，效果需要你自己测。
七、把方法落到具体动作
标注这件事，最大的成本不是人力，而是「标准不一致」。同一个样本，三个人标出三种结果，最后训练出来的模型会学到混乱。所以开始标注之前必须先做三件事：写一份标注规范，用十个例子说明边界情况；让三个人独立标同一批二十条，算一致率，低于 90% 就先改规范而不是继续标；固定抽检比例，比如每批抽 10% 复核，错误率高的批次整批返工。规范与抽检做好，标注质量能上一个台阶；跳过这两步，标得越多错得越多。
RELATED // 继续读
相关的几篇（含跨分类）
- 创始人怎么决策：把「拍脑袋」变成「可复盘」 · 管理与协作
- 要不要给免费试用：看「上线成本」而不是「价格」 · 增收与获客
- 轻量数据库怎么选：先看「多人同时改」这一条 · 对比与选型
- 历史数据迁移：只迁「还在用的」，其余归档 · ERP 与系统选型