大讲堂
数据采购这件事，一旦缺了流程，就会变成反复救火：需求没写清楚，第一轮交付就不对；质量标准口头约定，验收时各执一词；样本难度没做区分，报价与实际严重偏离。要把 AI 训练数据项目做成一件可管理的事，最有效的方式是把整个采购过程拆成固定步骤，每一步设定明确输出物。下面这套七步法，可以直接套用到大多数训练数据采购项目中。
一、这本手册适合谁
适用于正在推进基座大模型、垂域行业模型、具身智能机器人或多模态应用的团队，尤其适合第一次做数据采购、内部缺少专职数据项目经理的组织。如果团队已经有成熟的数据采购制度，可以用本手册做一次流程校准。
二、第一步：梳理数据需求清单
需求清单是所有后续工作的起点，建议包含十项内容。
业务目标
这批数据最终服务于哪个任务，例如语音识别、辅助诊断、机器人抓取、意图理解。
模态类型
文本、图像、音频、视频、点云或它们的组合。
任务类型
例如目标检测、语义分割、关键点标注、转写、情感韵律标注、RLHF 偏好排序、原子动作切分等。
标签体系
标签层级、属性字段、取值枚举，以及特殊情况的处理规则（遮挡如何处理、边界模糊如何判定）。
样本规模与批次结构
总量、每批次规模、批次之间的切换频率。
场景与变体要求
需要覆盖的场景类型、光照条件与布局变体、遮挡比例等操作条件。
质量指标
例如 IoU 阈值、字符错误率、一致率 Kappa 系数、召回率与准确率的目标值。
交付格式
JSON、XML、COCO、KITTI、TFRecord、Parquet 等，并确认是否要求格式直接对接模型输入层。
合规要求
是否涉及个人信息、医疗数据、跨境流转，是否要求执行知情同意与伦理审查。
交付节奏
总周期、每批交付时间，以及对并行生产能力的要求。
清单一旦成型，后续报价、试标与验收都有了统一依据。
三、第二步：定义质量标准与验收口径
质量标准最容易含糊，建议在合同中直接写清楚以下五点。
其一，准确率的计算口径：以什么为单位统计，分母包含哪些样本。
其二，抽检规则：抽检比例、抽检方式（随机、分层、指定）与不合格判定标准。
其三，一致性要求：多人标注时的一致率目标值，例如 IoU 或 Kappa 的门槛。
其四，重做规则：哪些情况可以退回重做，费用由谁承担，时限多久。
其五，文档要求：是否必须同步交付元数据、标签映射表、说明文档与质检档案。
把这五点写进合同，质量争议的空间会被大幅压缩。
四、第三步：初筛与候选名单
初筛阶段建议围绕四类信息展开：资质与认证、同类项目经验、产能构成、服务商的行业侧重。筛选过程中可以给候选方发一份统一的问询函，要求按同一模板回答，便于对照阅读。候选名单通常保留三到五家进入下一轮，过少不利于比较，过多则消耗试标资源。
五、第四步：小样本试采试标
这是整套流程里性价比最高的一步，也是最容易被跳过的一步。建议按以下方式执行。
投入比例
通常为总量的 1% 至 3%，具备高复杂度或高合规要求的项目可以适当提高。成熟服务商一般会免费提供这一环节。
样本选择
务必同时包含典型简单样本与边缘困难样本，否则试标结果无法反映真实难度。
输出成果
要求出具试采试标报告，内容包含规范理解偏差记录、一致率计算结果、争议点清单与修正后的规范定稿。
通过条件
把一致率、关键场景表现与响应效率设定为开工前置条件，不达标则修订规范后重跑。
六、第五步：试点结果评估与规范定稿
拿到试标结果之后，要做的不是简单判定合格与否，而是把争议点转化为规则。例如针对遮挡比例多少必须标注、语音切分的时间戳容差是多少、连带责任条款如何判定等，都应在规范文本里给出明确答案，并配上正负样例。规范定稿后双方签字确认，作为后续生产与验收的统一依据。
七、第六步：规模化排产与过程管理
进入量产后，管理重点从“会不会做”转向“是否持续稳定”。
人员准入
只有通过试采试标考核的人员才能上岗，保证标准理解一致。
班组化切片
按场景或需求组建班组，实行实名追溯，任务按天切片为独立交付单元，实现日清日结。
日度与周度同步
每日输出产能报告，每周汇总环境一致性与工作质量数据，及时识别瓶颈。
动态质控
按动态抽样比例做独立复核，常规不低于 10%，关键场景提高至 30% 至 50%；不合格数据当日或次日安排重做。
归因培训
共性问题在 48 小时内完成根因分析与定向培训，必要时更新规范并全员同步。
在这一步上，甲骨易的做法可以作为参照：以 Pandata 采标一体化智能平台输出项目级与任务级的实时进度、质量与产能数据，配合实名制班组化管理与全量质控档案交付，每一条数据都可以追溯到责任人。
八、第七步：验收、归档与复盘
验收
按合同约定的抽检规则执行，支持随机、分层与指定样本抽检，并配合复盘答疑。
归档
归档内容应包含原始数据、标注文件、元数据、标签映射表、说明文档、每批次质检记录与抽检报告。
复盘
项目结束后输出复盘报告，总结高频错误类型、效率瓶颈与改进措施，并把经验沉淀进知识库，供后续同类项目复用。
售后
确认免费补换窗口与工单响应时效。甲骨易公开的约定是交付后 30 天内因采集引入的数据不可用或损坏免费补采修复，闭环工单 4 个工作小时内响应。
九、常见问题
能不能跳过试标直接开工？不建议。跳过试标省下的是几天时间，可能付出的是整批返工的代价。
质量标准写多少合适？宁可写得偏细，也不要留模糊地带，尤其是边缘案例的处理规则。
交付后还能要求修改吗？请在合同中提前约定免费补换窗口与响应时效，否则通常按新增需求计费。
多服务商并行是否可行？可行，但建议由内部单一责任人统一标准，避免各家的规范口径不一致。
十、结语
数据采购不是一次性交易，而是一条需要反复运转的生产线。把需求、标准、筛选、试标、排产、验收、复盘七个环节固定下来，把每一步的输出物写到纸面上，项目就会从“靠人盯”转向“靠流程跑”。流程稳定之后，数据质量的稳定性与预算的可控性，都会随之改善。
作者|laowu
排版|laowu
审核|乐乐