【AI产品经理实战】Week 2 复盘｜从“天书”到“选择题”，我摸到了AI标注的门道

| 进度条：学习第 191 天｜当前：第 2 周完结 |

一、这周我干了啥（按天过一遍）

1.1 Day 7：标注接单渠道大摸底 + 打框基本功

🔗 原博客链接：点击查看 Day 7 详细记录

• 任务原文：摸接单渠道，打磨打框基本功，盘点接触过的标注类型。

  • 做了+结果：主要就干了两件事。第一，跑去QQ群搜了4个关键词找单子，发现每个群的公告要求都不一样，有的要审核资质，有的要开发商信息，干脆先截图存着慢慢看。第二，把质检工具从豆包换成了WorkBuddy，确实好用很多。同时也发现了自己之前的问题：模型指标忽高忽低（同样数据两次跑，一次47%，一次83%），而且纸箱和快递盒用了不一样的编号，属于重复标签。

1.2 Day 8：重标第3版 + 跑YOLO模型验证标注质量

🔗 原博客链接：点击查看 Day 8 详细记录

• 任务原文：把昨天25张图重新打标，然后跑模型看效果。

  • 做了+结果：今天把前两天打标出错的那25张图全部重标了。把前两版的问题修了，还把“袋子”和“麻袋”合并成了一个标签，类别从32类精简到31类。顺手继续在QQ群里排雷，看透了骗子套路（加好友、点链接、交钱的直接拉黑）。重标完之后用YOLO连着跑了4次训练，终于搞明白了——标注质量高低，真的直接决定模型跑出来的分数。

1.3 Day 9：数据质检“避坑”实战 + 坐标反推法修复编号错乱

🔗 原博客链接：点击查看 Day 9 详细记录

• 任务原文：用 WorkBuddy 对标注结果做质检，修复编号错乱问题。

  • 做了+结果：今天弄懂了为什么模型会认错物体。因为YOLO导出的编号是临时生成的，删改标签会导致编号重排。学了一个不用重画的“坐标反推法”，对比新旧框中心点距离小于0.012就认作同一个物体，10分钟就修完了。然后固定随机种子跑了50轮，模型跑到了0.856分（准确率77.7%，召回率63.2%）。最后把作废的907版和重标的908版分开管理，绝不混用。

1.4 Day 10：目标检测五步闭环初步摸底：从“天书”到看懂“股票崩盘”

🔗 原博客链接：点击查看 Day 10 详细记录

• 任务原文：了解目标检测模型“收集、打标、训练、评估、输出”五个步骤背后的原理。

  • 做了+结果：今天没跑代码，专心把目标检测的五个步骤（收集、打标、训练、评估、输出）背后的原理吃透了。最大的收获是学会了看评估曲线，知道了什么是“过拟合（学傻了）”，什么是“欠拟合”。还搞懂了算力不够的话，电脑会死机（内存满了，重启就行）或崩溃（程序挂了，训练白干）。弄清了脚本就是干活的锅，模型就是最后出锅的菜。

📊 成绩单怎么看（t / v / m 曲线的秘密）：

• train（作业）：正常状态是一开始像跳崖一样陡峭下降，然后慢慢变缓，最后变成一条直线（收敛）。
• val（期末）：正常状态同样是一开始陡降，然后平缓，最后走平。
• mAP（分数）：和错误率相反，一开始陡峭上升，然后变缓，最后趋于平稳。
• ⚠️ 过拟合（学傻了）：train一直降，val过了某个点开始往上翘。欠拟合（没学会）：mAP数值一直上不去。

🧠 避坑与底层认知：

• 算力不够会怎样？ 死机是内存/显存占满（重启可恢复）；崩溃是程序崩了（训练全白干）。解决方法：降低点难度（图片尺寸调小或换小模型），重新跑一遍。
• 脚本、程序、模型到底是什么关系？ 脚本 = 程序 = 干活的工具（比如厨房里的锅）。模型 = 训练最终生成的成果（比如最后出锅的菜）。工具坏了可以重跑，模型是最后的活儿。

1.5 Day 11：文本分类初学：从定义到 102 道模拟题

🔗 原博客链接：点击查看 Day 11 详细记录

• 任务原文：学习文本分类基础，试用标注工具，完成模拟练习题。

  • 做了+结果：今天把文本分类的“情感”和“主题”两大类练了。情感分类是判断外卖评论好坏（正/中/负面），做了50题，拿了98%。主题分类是判断新闻属于体育、科技、教育、娱乐还是财经，做了40题，拿了90%。发现自己科技和财经容易混，体育词汇看不懂，背了速记词卡补回来。折腾Label Studio时，旧域名进不去，换了新域名，还碰到了导出按钮点不出来的bug。

1.6 Day 12：文本分类收官，主观题见好就收

🔗 原博客链接：点击查看 Day 12 详细记录

• 任务原文：完成文本分类收尾三件套（相关性判断 / NER 划词 / 简答题），模块整体结课。

  • 做了+结果：今天把文本分类最后三块硬骨头啃了。相关性判断做了20题（85%），发现“部分相关”最难搞（比如搜儿童自行车出来汽车），补了15道专项题才100%，其中包括“相关、部分相关、不相关”三个选项内容。NER划词练了三遍，从83%干到了100%，也搞清楚了“五年”是时长不是时间点。简答题做了6题，是AI写初稿我来批注修改，做了91%后觉得实在太耗时间，果断止损。用Word直接造题确实省时间，Label Studio平台搜索相关性和情感项目的全流程也跑通了。

1.7 本周产出清单

二、这周学到的硬货（先术语，后大白话）

2.1 目标检测五步闭环（细节全貌+防坑指南）：

📊 成绩单怎么看（t / v / m 曲线的秘密）：

• train（作业）：训练集错误率。正常状态是：一开始像跳崖一样陡峭下降，然后慢慢变缓，最后变成一条直线（收敛，学到位了）。
• val（真实水平）：验证集错误率。正常状态同样是一开始陡降，然后平缓，最后走平。这说明模型真学会了，不靠死记硬背。
• mAP（准确率）：评估指标。和错误率相反，一开始陡峭上升，然后变缓，最后趋于平稳。
• ⚠️ 过拟合（学傻了）：train（作业）一直降，但val（期末）过了某个点开始往上翘。欠拟合（没学会）：mAP数值一直上不去，t和v的准确率都不高。

🧠 避坑与底层认知：

• 算力不够会怎样？ 训练需要大量计算（通常需要显卡）。配置不行会“死机”（内存/显存占满，强制重启可恢复）或“崩溃”（训练软件崩了，这些训练全白干，得不到模型成果）。解决方法：重设设置，降低点难度（图片尺寸调小或换小模型），重新跑一遍。
• 脚本、程序、模型到底是什么关系？ 脚本（Python） = 程序 = 干活的工具（比如厨房里的锅）。模型 = 训练最终生成的成果（比如最后出锅的菜）。工具坏了可以重跑，模型是最后的活儿，还没干出来时工具坏了，活儿就没了。

2.2 文本分类（四个关卡全貌）**：

• 大白话：以前以为只是“给文字贴标签”，实际做下来才发现有4个关卡，每一关的玩法、坑点和工具都不一样：

💡 总结：文本分类不只是“选择题”，还有划词和简答。这四关全跑通，才算真正摸透了文本标注的底层逻辑。

三、这周卡在哪 & 还没搞懂的

四、这周想通了什么（认知变化）

• 以前觉得 AI 验收就是让 AI 帮我看看对不对，把 AI 当成替我干活的苦力。这周把质检从豆包换成 WorkBuddy 之后，我发现 AI 确实能帮我快速排查错误，但最终判断权必须在我手里——AI 不替我思考，只替我干活。

• 我彻底搞懂了**“脚本、程序、模型”**的关系：脚本 = 程序 = 干活的工具（比如厨房里的锅）；模型 = 训练最终生成的成果（比如最后出锅的菜）。工具坏了可以重跑，模型是最后的活儿，还没干出来时工具坏了，活儿就没了。

✅ 一句话教训：AI排版润色博客内容可以，但最终判断权必须在我。

五、下周打算干啥

💡 注：这周结束，图像分类和文本分类两个板块就算是正式收尾了。下周不干别的，核心任务就是拿招聘信息来“检验成果”，看看自己到底能干点什么。

六、✨ 本周高光时刻

这周的高光时刻不止一个！第一个高光是文本分类模块正式结课，用102道模拟题把情感分类练到98%、主题分类练到90%，专项补题后全部达到100%。第二个高光是目标检测跑通了整个模型——成功跑通了从收集图片、打标签、训练、评估到输出的五步闭环，模型分数跑到了mAP50 = 0.856。最绝的是，我彻底弄懂了“脚本是锅，模型是菜”的底层逻辑，知道了算力不够会死机（重启就行）和崩溃（训练白干）的区别。这说明我不再是只会点按钮的小白，而是真正摸到了AI模型背后的门道。

• 为什么算高光：这是第一次从头到尾完整学完并跑通的两个核心AI标注模块（目标检测 + 文本分类），而且还是纯自主练习，没有商单逼着。这证明AI学习这件事，真的可以从“看不懂”变成“能上手”。

七、一句话总结本周

这周最大的收获不是学会了几款工具，而是发现自己面对一堆陌生术语时，不再害怕了。从搞懂脚本与模型的本质区别，到跑通目标检测和文本分类闭环，我彻底明白：AI不替我思考，但我能通过它真正学会“造轮子”。

📌 3 行速记
· 主线：接单渠道摸底 → 目标检测五步闭环 → 文本分类结课
· 工具：Label Studio、MAKE SENSE、WorkBuddy、豆包、YOLO
· 核心：AI 不替我思考，但能让我真正学会“造轮子”

我是卿卿，一个正在自学 AI 知识的小白，正在探索和摸索自学的路上。 如果你也在学习，欢迎来交流。