📚 课程目录第2章前置条件检查清单

2. 前置条件检查清单：数据可用性、标注规范、模型基线、硬件清单

2.1 适用场景

本检查清单适用于所有进入 Effort 估算流程 的模型训练与标注项目。在正式开展资源投入估算之前，必须对数据、标注、模型基线、硬件四个关键领域做系统性核查。该清单可作为启动会议的评审依据，确保估算基线的完备性与可执行性。

前置角色：项目经理（PM）、AI 工程师、标注团队负责人、基础设施运维工程师需共同参与本章检查。

2.2 前置条件

已完成项目需求分析与范围定义（对应第 1 章输出物）
项目团队已明确各角色对接人员
已有初步的数据源清单或数据采集计划
标注任务类型（分类/检测/分割/生成等）已确定
硬件采购/租赁预算已获得初步批复

2.3 操作步骤

按以下顺序依次确认四个检查项。每项均需填写检查表格（见 记录材料）并由责任方签字。

数据可用性检查：核对数据源、数据量、数据格式、隐私合规性、质量抽样报告。
标注规范检查：确认标注指南文档（Labeling Guideline）已编写、评审并发布，标注工具已部署，人员已培训。
模型基线检查：核实是否已有公开基线模型、预训练权重、参考论文或内部实验日志，并记录 baseline metrics。
硬件清单检查：统计 GPU/CPU 服务器、存储带宽、网络设施、标注工位数量与规格，确认可用资源与排期。

关键指标：每次检查后需输出 Yes / No / Need Clarification 三态结果，将 “No” 和 “Need Clarification” 项列入风险跟踪表。

2.4 输入输出物

方向	名称	格式	说明
输入	项目需求文档（PRD）	PDF / Confluence	包含模型目标、数据来源、硬件预算等
输入	现有数据集清单	Excel / CSV	含样本量、标签分布、数据路径
输入	标注指南（初版）	PDF / Markdown	——
输出	前置条件检查确认表	Excel / 线上表单	含四项检查的明细与结论
输出	风险清单（待澄清项）	Jira / Task	标记无法立刻满足的条件

2.5 责任边界

检查项	主责角色	协作角色	最终确认权
数据可用性	数据工程师	AI 工程师、法务（合规）	PM
标注规范	标注团队负责人	AI 工程师、QA	AI 技术负责人
模型基线	AI 工程师	研究员、开源社区	AI 技术负责人
硬件清单	基础设施运维	采购、PM	PM

注意：任何检查项出现 “No” 时，不得跳过或强行开始后续步骤；需先进入 异常处理 流程。

2.6 记录材料

以下为检查清单记录表模板（示例），每项一行，现场填写。

# 前置条件检查确认表（模板）
| 序号 | 检查项           | 检查子项                                    | 状态 (Y/N/NC) | 备注/风险 |
|------|------------------|---------------------------------------------|----------------|-----------|
| 1    | 数据可用性       | 数据源确认                                  |                |           |
|      |                  | 数据量 >= 最小样本阈值                       |                |           |
|      |                  | 数据格式符合训练管道要求                     |                |           |
|      |                  | 隐私脱敏已完成                              |                |           |
| 2    | 标注规范         | 标注指南已评审并发布                        |                |           |
|      |                  | 标注工具部署可用                            |                |           |
|      |                  | 标注人员已培训并通过考核                     |                |           |
| 3    | 模型基线         | 存在公开基线或内部预训练模型                 |                |           |
|      |                  | 基线评估指标已记录 (准确率/召回率等)         |                |           |
| 4    | 硬件清单         | GPU/CPU 数量与型号确认                      |                |           |
|      |                  | 存储容量及 IOPS 满足训练需求                 |                |           |
|      |                  | 标注工位网络带宽达标                        |                |           |

该表格应在项目 Wiki 或共享文档中留存，作为后续 Effort 估算的审计依据。

2.7 异常处理

数据不可用：触发数据采集/合成兜底方案，或调整项目范围降低数据量需求，同时更新 Effort 估算。
标注规范缺失：暂停标注团队入场，由 AI 工程师与 QA 在 3 个工作日内完成初版文档并试标 100 条样本。
基线缺失：若无可复用基线，需增加预训练或零样本测试阶段的 Effort 估算（约增加 1～2 周）。
硬件资源不足：优先启用弹性云 GPU 实例，或调整并发训练策略；长期方案提交采购工单。

2.8 验收标准

四项检查全部为 Y (Yes)，则本阶段通过，可进入 Effort 估算量化计算（第 3 章）。
若有 NC (Need Clarification) 项，需附上解决方案及预计解决日期，并由 PM 书面豁免后方可继续。
不得有任何 N (No) 项未处理即进入下一阶段。
检查确认表需经 PM 与 AI 技术负责人双方签署（电子签名或审批系统记录）。