精选项目与实践案例
每个案例均按照【业务背景 → 关键难点 → 解决方案与数据规范 → 评测与质控 → 业务成效】标准展开，为技术面试官与团队负责人提供详尽的方法论支撑。
CASE I
游戏 / 动画 CG 视频多模态数据构建
针对高动态、强时序、快剪辑的游戏过场与技能演出构建可学性 Video-to-Text 训练数据
3200 条视频标注 · 143 条零噪底表
01. 核心挑战 (CHALLENGES)
- 高动态运镜与多机位切换：普通描述往往忽略运镜视角（如推拉摇移），导致模型无法解耦镜头运动与主体运动；
- 技能特效与角色动作交织：绚丽的光效易被误判为实体，需要严格剥离特效层与人物动作层；
02. 解决方案 (SOLUTION)
- 建立多维分层描述规范：将每个视频切片解构为【镜头运动 + 主体身份 + 瞬态动作 + 持续状态 + 光影特效 + 环境作用】六维要素；
- 设计 Prompt 自动化初稿流水线：利用强视觉 LLM 结合关键帧采样生成初始结构化文本；
03. 交付价值 (IMPACT)
- 成功交付 3200 条高细粒度游戏/动画 CG 描述数据，合格率 96%、抽检一致率 94%；完成 143 条垂类视频深度排查，实现底表零噪准入；
- 沉淀出针对动作游戏与二次元动画的《视频多模态描述工程指南》，确立 6 大评测维度并构建 200 条基准评测集；
CASE II
图像生成模型五层数据构建与版本双盲评测
建立细粒度五层描述体系与两两盲评机制，把控模型迭代质量并推动穿模缺陷修复
首检通过率 97%+ · 8 个版本评测
01. 核心挑战 (CHALLENGES)
- 传统标注粒度粗糙：常规描述仅提及画面中心物，缺乏对构图透视、主光源方向、画风艺术流派的精确量化；
- 主观审美难以量化：评测人员受个人偏好影响极大，打分标准波动剧烈；
02. 解决方案 (SOLUTION)
- 创立【五层细粒度描述框架】：拆解为 L1 主体特征、L2 构图与景别、L3 艺术风格、L4 光影与色彩氛围、L5 画面文字与符号；
- 实施严格的双盲评测（Side-by-Side Evals）：对照样例按构图准确性、主体一致性、风格还原、文字渲染及指令遵循独立开展两两盲评与独立复评；
03. 交付价值 (IMPACT)
- 个人交付 600+ 条复杂画面细粒度描述，全维度精准覆盖，首检通过率达 97% 以上；
- 统筹 10 人小组质检与抽检工作，小组平均通过率稳定在 95% 以上、分歧率降至 5% 以下；
CASE III
Dify / Python 驱动的 Prompt 工程与自动化流水线
以工程化思维重塑数据生产管线，结合软硬约束逻辑与 Dify 工作流实现 3 倍提效
效率提升近 3 倍 · 培训周期缩短至 10 天
01. 核心挑战 (CHALLENGES)
- 纯人工产能天花板：单人每天产出上限有限，面对数十万级训练需求难以按期交付；
- 大模型直接生成的失控幻觉：直接让 LLM 自由发挥容易产生逻辑冲突（如同时出现白天与星空等不合理组合）；
02. 解决方案 (SOLUTION)
- 多维标签原子化解构：将场景解构为【主体】、【瞬态动作】、【持续状态】、【特效类型】、【镜头视角】、【渲染风格】等离散标签库；
- 引入软硬约束判定引擎：硬性约束（如特定职业限定武器类型） + 软性约束（风格与光影氛围自然搭配），利用 Python 脚本进行合理性校验；
03. 交付价值 (IMPACT)
- 整套数据生产流程效率提升至原有纯人工方案的约 3 倍，大幅节省业务外包与人力成本；
- 将规范固化在自动化系统与约束规则中，新入职人员上手与出活周期由 3 周骤降至约 10 天；