一、数据标注与PRD概述

1.1 什么是数据标注

数据标注，说白了就是给原始数据打标签。

我经常跟产品经理们说一句话：「没有标注过的数据，就像没写注释的代码——别人看不懂，机器更看不懂」。

举个例子。你拍了一张猫的照片，人一眼就能认出这是猫。但机器不行。它看到的只是一堆像素点。你得告诉它：「喏，这个区域是猫耳朵，那个区域是猫尾巴」。这个过程，就是数据标注。

常见的标注类型包括：

• 图像标注：画框、描点、语义分割
• 文本标注：实体识别、情感分类、意图标注
• 语音标注：转写、声纹标记、语种识别
• 视频标注：目标跟踪、行为识别

1.2 为什么需要PRD

你想想看，一个AI项目里，数据标注往往占了60%-80%的工作量。但很多团队是怎么做的？

口头交代一句：「帮我把这些图片里的狗标出来」。然后标注员就开干了。

结果呢？

• 有的标了全身框，有的只标了头部
• 有的把哈士奇标成「狗」，有的标成「哈士奇」
• 有的把背景里的狗也标了，有的只标主体

我在项目中遇到过最离谱的一次——标注团队和算法团队对「遮挡」的定义完全不一样。算法认为遮挡超过50%就不标，标注团队认为只要能看到就算。最后模型训练出来，精度直接掉了15个点。

为什么会这样？

因为没有PRD。

PRD（产品需求文档）在这里扮演的角色，就是一份「标注宪法」。它规定了：

1. 标什么：标注对象的定义和范围
2. 怎么标：标注工具、标注方式、标注粒度
3. 标多少：数据量、类别分布、难例比例
4. 标多好：质量标准、验收流程、返修规则

1.3 标注需求文档的核心价值

标注需求文档，说白了就是PRD里专门讲数据标注的那一部分。它的核心价值，我总结为三点：

价值维度	具体说明	我的经验
对齐认知	让产品、算法、标注三方对「标什么」达成一致	我习惯在文档里放几个典型样例，比写一百字描述都管用
控制质量	明确标注标准和验收标准，避免「我觉得标得挺好」的扯皮	记得有一次，我在文档里写了「标注框与目标边缘的间隙不超过5像素」，标注团队直接打印出来贴在工位上
降低成本	减少返工、减少沟通成本、减少数据浪费	算过一笔账：一份清晰的标注文档，能让标注效率提升30%，返工率降低50%

这里我画了一张图，帮你理解标注需求文档在整个AI项目中的位置：

1.4 一个真实的教训

最后分享一个我自己的经历。

几年前做一个自动驾驶项目，需要标注道路上的行人。当时PRD里只写了一句话：「标注所有行人」。

结果标注团队把广告牌上的人像也标了，把车窗反射的人影也标了，甚至把远处模糊到只有几个像素的人也标了。

算法团队拿到数据后直接崩溃——正样本里混了大量「假人」，模型学出来的全是噪声。

后来我重新写了标注需求文档，明确了：

• 只标注真实存在的、可移动的行人
• 高度小于30像素的不标
• 遮挡超过70%的不标
• 图片、广告、反射影像不标

还配了20张典型样例图，标注了「标」和「不标」的边界情况。

从那以后，标注质量稳定多了。算法团队也终于能安心做模型迭代了。

嗯，这就是为什么我一直在强调：数据标注的需求，一定要清清楚楚写进PRD里。