## 数据集加工生产专项智能工具链总述
本章回应招标文件第五章 3.2.3 节「数据集加工生产专项智能工具链建设要求」的总体部分（b0914），内容包括三项：9 类 25 个专项智能工具链的交付清单与归类（b0915、b0916、b0917、b0918r01—b0918r10）、九类之间的数据供需关系与衔接口径、以及本工具链与行业大模型训练推理技术服务、数据集运营服务管理平台、数据治理体系之间的责任边界。各工具链的功能设计、接口定义、处理流程与样例在本章之后的三节分别展开：数据构建类见工具链（一），对齐与标注类见工具链（二），质量与验证类见工具链（三）。3.2.3.11 节通用接口、追溯与验收要求（b1146—b1158）的条款实现由工具链（三）统一给出，本章在第四节交代其归属与总体做法，不重复条款细节。
### 一、工具链建设要回应的现场问题
#### 1.1 为什么需要专项工具，而不是一套通用数据平台
甲方是矿山装备制造企业，产品为刮板输送机一类煤机装备。它手上的数据不缺体量，缺的是可用形态。板材备料共 28 道工序，历史上积累的工艺样本约 63 万张，每一张图纸历史上都配有一份已审核签发的工艺卡片；但这份配对关系存在于文件目录与经手人的记忆中，不在任何系统字段里。设备运行的时序信号采样到秒级，与具体工件、炉次、焊道之间没有稳定的主键。工单、检验结论、不合格品票与改造方案是自然语言写成的，表述自由、口径不一。
把这样的数据变成可以训练与评测行业大模型的数据集，要依次解决四个问题：对不上、没标签、不够不均、不可验证。通用数据中台工具解决的是入湖、调度与报表，它处理不了这四个问题中的任何一个——没有一个通用工具知道压弯件的展开长要按中性层系数换算，也没有一个通用工具知道一道热处理曲线落在工艺窗口之外意味着什么。招标文件要求交付的 9 类 25 个工具链，正是按这四个问题分层设置的专项能力（b0915）。
#### 1.2 九类工具的排布逻辑与三组划分
九类工具不是九个并列的产品，而是一条生产线上的九个工段。按在数据加工主线上的位置，九类可归为三组：
**数据构建组**（第 1—3 类，工具 1—8）把文本与文档变成样本。思维链构建解决推理过程不可见的问题，长上下文数据构建解决长文档不能整体入样的问题，多轮对话数据构建解决业务交互过程无样本的问题。这一组的输入是清洗后的语料与结构化业务记录，产出是推理样本、长上下文样本、检索增强三元组与多轮对话样本。
**对齐与标注组**（第 4—6 类，工具 9—18）把非文本载体接入主线并打上标签。多模态数据对齐解决「对不上」，智能标注解决「没标签」，数据生成与增强解决「不够与不均」（b0990、b1008、b1041）。这一组的产出是结构化图纸字段、图文与时序成对语料、标注结果与一致性指标、合成与增强样本。
**质量与验证组**（第 7—9 类，工具 19—25）对前两组的产出作判断，并用模型表现反向检验数据集。数据质量与分布控制判集合层面的重复、污染与形状，数据生成控制与评测管受控生成与切分冻结，数据集验证与归因用评测结果定位数据侧的问题（b1123）。这一组不生产数据，产出的是判断、证据与修订动作。
三组的关系是生产、把关、反馈。前两组构成生产链，第七、八类构成把关链，第九类构成反馈链：评测发现的错题经归因落回具体的标注批次、生成批次或覆盖盲区，转成修订工单回到生产链。这条反馈回路是整套工具链区别于一次性数据加工的地方，也是数据集在两年半建设周期里能够持续提质的机制所在。
#### 1.3 本包的责任边界
本包交付的是数据集加工生产、质量评测与场景验证。工具链建设属其中的加工生产手段。我方在本章范围内不承担智能场景建设，不承担模型训练与推理服务部署；工具链产出训练与评测所需的数据与评测结论，由训练推理技术服务消费。工具链的运行承载在奔牛数据智能平台 平台之上，共用平台的身份认证、权限控制、任务调度、版本管理与日志审计能力，不各自另建运行支撑。
#### 图 1-1 九类二十五个工具在数据加工主线上的分组与数据流向
图 1-1 九类二十五个工具在数据加工主线上的分组与数据流向。实线为样本与数据集的正向流动，虚线为由评测与质量判断驱动的反向修订。数据来源：招标文件第五章 3.2.3.1 节工具链清单（b0918r01—b0918r10）、3.2.3.10 节验证与归因要求（b1123）；数据集规模取投标文件统一口径。
### 二、智能工具链交付清单
本节回应招标文件 3.2.3.1 节智能工具链交付清单的要求（b0916、b0917）。我方交付 9 类 25 个专项智能工具链，类别划分与工具名称与招标文件表列逐项一致（b0918r01—b0918r10），不合并、不改名、不以相近功能顶替。每个工具链满足其所属类别在 3.2.3.2 至 3.2.3.10 各节的功能与质量验收要求，并满足 3.2.3.11 节的通用接口、追溯与验收要求（b0917）。
表 2-1 是完整交付清单。表中「核心输入」与「核心产出」两列给出该工具在生产线上的接口形态，用途是让清单同时成为一张数据流向表——读表即可判断谁产数据、谁消费数据；「详述位置」列指向本章之后各节，便于逐项核查。
表 2-1 9 类 25 个专项智能工具链交付清单（b0917、b0918r01—b0918r10）
| 类 | 类别 | 序 | 工具链名称 | 核心输入 | 核心产出 | 详述位置 |
|---|---|---|---|---|---|---|
| 1 | 思维链构建 | 1 | 大模型自生成思维链工具链 | 业务问题、检索到的背景材料、提示词模板 | 结构化推理样本、自一致性筛选结果 | 工具链（一）二 |
| 1 | 思维链构建 | 2 | 人机协同思维链标注工具链 | 自生成推理样本、专家判据 | 修订后推理样本、修改差异记录、仲裁档案 | 工具链（一）二 |
| 2 | 长上下文数据构建 | 3 | 文档切分与拼接工具链 | 结构化文档对象、切分与滑窗参数 | 文档对象、滑窗长上下文样本、来源映射表 | 工具链（一）三 |
| 2 | 长上下文数据构建 | 4 | RAG 数据构建工具链 | 文档片段、查询集、索引配置 | 查询—上下文—回答三元组、检索增强评测样本与指标 | 工具链（一）三 |
| 2 | 长上下文数据构建 | 5 | 文档结构解析工具链 | 技术手册、规程、标准、工艺文件原件 | 章节树、结构化段落、混合切分片段 | 工具链（一）三 |
| 3 | 多轮对话数据构建 | 6 | 对话模拟生成工具链 | 场景剧本、角色设定、知识库检索结果 | 多轮对话样本、角色标签 | 工具链（一）四 |
| 3 | 多轮对话数据构建 | 7 | 结构化工单转对话工具链 | 服务工单、运维报警、脱敏规则 | 工单转写对话样本、补全标记、脱敏记录 | 工具链（一）四 |
| 3 | 多轮对话数据构建 | 8 | 对话质量筛选工具链 | 对话样本、评分锚点与权重 | 质量评分、低质样本清单、分层采样集、筛选报告 | 工具链（一）四 |
| 4 | 多模态数据对齐 | 9 | 设备图纸与工艺图结构化抽取工具链 | 图纸文件、工艺卡片、图层与符号规则 | 几何与符号结构化字段、图卡成对文本 | 工具链（二）三 |
| 4 | 多模态数据对齐 | 10 | 视频－文本对齐工具链 | 工艺过程与安防视频、设备运行事件、工艺阶段表 | 关键帧与事件的对齐样本、图文成对语料 | 工具链（二）三 |
| 4 | 多模态数据对齐 | 11 | 传感器时序—运维事件对齐工具链 | 测点时序、报警日志、维修工单 | 时序片段与诊断文本成对语料、时序特征 | 工具链（二）三 |
| 5 | 智能标注 | 12 | 大模型预标注工具链 | 待标注样本、标签体系、提示词模板 | 预标注结果、置信度与证据片段 | 工具链（二）四 |
| 5 | 智能标注 | 13 | 主动学习标注工具链 | 预标注结果、不确定性度量、人工标注反馈 | 待标注样本的优先序、定向采集清单 | 工具链（二）四 |
| 5 | 智能标注 | 14 | 本体驱动规则标注工具链 | 领域本体、规则表、约束清单 | 本体标签、约束校验结论、冲突清单 | 工具链（二）四 |
| 5 | 智能标注 | 15 | 一致性校验标注工具链 | 多人标注结果、裁决规则 | 一致性指标、裁决记录、返工清单 | 工具链（二）四 |
| 6 | 数据生成与增强 | 16 | 指令数据生成工具链 | 种子指令、本体标签、结构化素材 | 各任务类型的指令样本与回答候选 | 工具链（二）五 |
| 6 | 数据生成与增强 | 17 | 工单与故障场景模拟生成工具链 | 故障本体与名录、历史工单分布 | 故障场景样本、排障对话候选 | 工具链（二）五 |
| 6 | 数据生成与增强 | 18 | 文本重写与多样化工具链 | 高质量原始样本、术语保护词表 | 多样化表达样本、保护项校验记录 | 工具链（二）五 |
| 7 | 数据质量与分布控制 | 19 | 数据去重与相似度过滤工具链 | 候选数据集、被保护集合、相似度阈值 | 去重后数据集、重复组清单、污染命中报告 | 工具链（三）二 |
| 7 | 数据质量与分布控制 | 20 | 数据分布分析与均衡工具链 | 数据集、领域与类别标签、配比目标 | 分布统计、均衡后数据集、质量治理报告、补齐需求单 | 工具链（三）二 |
| 8 | 数据生成控制与评测 | 21 | 模板化数据生成工具链 | 规则模板、参数字典、业务约束 | 结构化合成样本、生成批次与模板版本记录 | 工具链（三）三 |
| 8 | 数据生成控制与评测 | 22 | 数据集切分与基准构建工具链 | 洁净数据集、切分策略、评测协议 | 训练／验证／测试集、冻结基准集、评测结果 | 工具链（三）三 |
| 9 | 数据集验证与归因 | 23 | 多协议模型评测引擎工具链 | 推理接口、冻结基准集、评测协议与判分规则 | 模型评测报告、样本级评测结果、版本对比 | 工具链（三）四 |
| 9 | 数据集验证与归因 | 24 | 数据贡献度归因与错题溯源工具链 | 评测错题、训练样本血缘、数据子集标签 | 能力雷达图、失败样本清单、归因报告、修订工单 | 工具链（三）四 |
| 9 | 数据集验证与归因 | 25 | 数据集—模型版本血缘追溯工具链 | 数据集版本、训练任务日志、检查点、审批记录 | 血缘图谱、影响范围分析、审计查询结果 | 工具链（三）四 |
清单上有两处需要在此交代，以免验收时对交付对象的理解产生偏差。
其一，25 个工具链以奔牛数据智能平台 的功能模块形态交付与运行，不作为独立安装包交付给第三方使用。工具链能力的对外提供形态有两种——平台能力租用与加工任务服务，形态设计与配额口径见数据集运营服务管理平台一章，本章不重复。
其二，凡涉及大模型调用的环节，一律经平台统一模型网关接入。网关侧采用当期能力评测领先的通用大模型，可替换、可评测、可随代升级。样本与血缘记录中只登记网关侧为该模型分配的标识与版本号，不绑定具体型号，模型换代后存量样本的血缘记录保持可追溯。
### 三、九类工具之间的供需关系与衔接口径
本节是本章的主体。25 个工具的清单本身不构成一条生产线，把它们串起来的是数据供需关系与衔接口径。这一节只写关系，不写各工具的功能——功能在其后三节逐一展开。
#### 3.1 三条主干数据流
九类工具的产出与消费关系可归为三条主干。
**文档线**从技术手册、规程、标准与工艺文件出发。文档结构解析（工具 5）先把版面还原成章节树与结构化段落，切分与拼接（工具 3）据此产出长上下文样本与来源映射表，RAG 数据构建（工具 4）在同一份片段上建索引并产出查询—上下文—回答三元组。三元组一旦可用，就成为思维链自生成（工具 1）与对话模拟生成（工具 6）的背景材料来源——这两个工具不凭空生成内容，而是在检索到的材料上组织推理与对话。文档线的末端是长上下文语料进预训练数据集、三元组经格式转换进指令微调数据集。
**多模态线**从图纸、工艺卡片、过程视频与测点时序出发。图纸与工艺图结构化抽取（工具 9）把几何与符号抽成字段，视频—文本对齐（工具 10）把关键帧挂到设备运行事件与工艺阶段的时间轴上，时序—事件对齐（工具 11）把时序片段切到报警与维修工单的时间窗里。这三者的产出有两个去向：一是进智能标注类（工具 12—15）获得标签，二是作为素材进生成与增强类（工具 16—18）扩充样本量。多模态线解决的是「对不上」，它的产出质量决定了后续标注与生成的上限——对齐错误的素材标得再细也是错的。
**合成线**从种子素材与规则出发。指令数据生成（工具 16）按任务类型与难度层次扩充指令样本，工单与故障场景模拟生成（工具 17）按本体与历史工单分布构造长尾场景，文本重写与多样化（工具 18）在语义与事实不变的前提下产出多种表达，模板化数据生成（工具 21）在强约束下产出结构化合成样本。合成线的四个工具都受两道约束：配比上限由分布分析（工具 20）在生成前派发，合成标记随样本留存，评测集构造按该标记排除合成样本。
三条主干都汇入把关链。去重与相似度过滤（工具 19）是全部候选样本的第一道闸——重复在候选池建立的第一天就存在，污染的后果最严重，基准集一旦被污染且未被发现，后续全部评测结论不可用。分布分析与均衡（工具 20）在洁净集上看形状，长尾与盲区的识别结果转成补齐需求单回到标注与生成环节。切分与基准构建（工具 22）在洁净集上做三层切分并冻结基准集，这是训练与评测得以分离的前提。
反馈链由第九类承担。评测引擎（工具 23）在冻结基准集上按协议跑出模型表现，归因与错题溯源（工具 24）把错题关联到训练样本、数据来源、标注批次、生成批次、质量问题或知识覆盖盲区六类原因，并生成修订工单；血缘追溯（工具 25）提供从样本到数据集版本到训练任务的链路，使上述关联可查可审。六类原因中前五类是数据错了，第六类是数据没有，两者的处置动作完全不同——把覆盖盲区误判为质量问题，结果是反复返工已有样本而问题不解。
#### 图 3-1 九类工具之间的供需关系（谁产数据、谁消费数据）
图 3-1 九类工具之间的供需关系。实线为样本与数据集的供给方向，细虚线为公共层与统一标识服务的支撑关系，粗虚线为由把关链与反馈链发出的回流单据。数据来源：招标文件第五章 3.2.3.1 节工具链清单（b0918r01—b0918r10）、3.2.3.11 节通用要求（b1146—b1158）。
#### 3.2 类间衔接的六个口径
类间关系能否真正接上，取决于六个口径是否事先约定。这六项都是在类的边界上发生的，不属于任何单个工具，因此集中在本章交代；各节在实现时引用本节，不另立定义。
**关联键统一**。九类工具在读写数据时一律通过统一对象标识服务换取内部主键，不直接用源系统的业务编码做关联键。原因在前文已说明：施工号、产品号、图号、零件号、物料编码、工单号、炉次号、焊缝与焊道编号、设备编码之间没有稳定的主键关系。映射缺失时返回明确的未命中状态而非空值，由调用方记为待补映射并进人工对账队列；映射关系本身带版本，历史样本回放时按当时版本解析。该服务由数据治理体系交付，工具链是使用方。
**时间基准统一**。时间一律以协调世界时存储、按 ISO 8601 格式带时区偏移表达，展示层转为北京时间。设备侧时钟漂移在多模态对齐两个工具中专门处理。
**血缘字段统一**。九类工具的每条输出记录携带同一组血缘与版本字段，字段名跨类保持一致，使一条样本从原始文件到对齐、标注、增强、去重、切分的全过程能用同一组键串起来。字段的写入由公共层在每个环节追加完成，不由各工具自填——血缘这类横向要求一旦依赖各工具自觉实现，缺失是必然的。
**置信度与人工介入统一**。工具输出按高、中、低三档置信度分流：高置信入候选集并按比例抽检，中置信进人工复核队列并由工具给出修改建议，低置信进人工标注队列、工具输出仅作参考。各工具只调阈值，不改分档逻辑；阈值由试点批次上的标定集定出，按季度复标并留记录。
**合成样本标记统一**。合成线四个工具的产出一律携带合成标记与不可用于评测集的标记，评测集构造按该标记排除。这一条是评测集隔离的落实手段：评测集一旦混入合成样本，评测的是生成规则而不是真实业务能力。
**配置即代码**。提示词模板、输出结构定义、本体版本、采样策略、相似度阈值、改写比例等全部可调项以配置文件形式入库并纳入版本管理，运行时按版本号加载。配合血缘字段，任何一批样本都能在原配置版本下重跑一遍并比对差异。这项能力在三种情形下是必需的：甲方对某批样本质量提出疑问时用于复现，模型随代升级后用于评估新旧差异，验收阶段用于抽样复算。
#### 3.3 四处需要特别约定的衔接点
还有四处衔接点，是本项目数据特性带来的，不作特别约定就会出错。这四处在工具链（三）中已给出具体配置，此处只作索引与定位。
**思维链样本的去重口径**。推理样本的推理步骤句式相近，字面相似度天然偏高，直接套用通用近重阈值会误删正确样本。约定是只比对问题与结论，不比对推理过程文本。
**长上下文样本的切分隔离**。同一份长文档的不同片段必须整份归入同一集合，否则测试集中的片段与训练集中的片段同源，等于泄漏。约定是按文档标识归集。
**跨模态重复的判定范围**。语义相似比对在同模态内进行，跨模态的关联取自多模态对齐类的对齐结果；对齐关系缺失的样本，跨模态重复不作判定并在报告中标注未检，不以未检冒充无重复。
**增强批次的可定位性**。增强前后的分布比对由分布分析工具执行，偏移超限时要回看增强参数。约定是生成与增强类工具的产出携带批次标识，使比对能定位到具体批次。
这四处的共同点是：把关链不改变上游的产出规范，而是按上游的数据特性调整自身配置；配置差异记入各数据集类型的配置档，不靠实施时临场判断。
### 四、统一底座：通用接口、追溯与验收要求的归属与总体做法
本节回应招标文件 3.2.3.11 节「专项智能工具链通用接口、追溯与验收要求」的总体安排（b1146）。该节六条要求约束的不是某一类工具，而是 25 个工具的共同行为，因此在本章交代归属与总体做法，条款的逐项实现（接口定义表、格式约定表、血缘字段表、通用质量指标表、安全管控设计、验收五件套口径）在工具链（三）第五节统一给出，本节不重复。
#### 4.1 为什么把通用要求做成公共层
25 个工具若各自定义接口、各自决定输出格式、各自实现血缘记录，结果是 25 套用法与 25 种口径，集成成本与验收成本全部落在甲方身上。我方的做法是把六条通用要求实现在工具运行的公共层：工具只实现自己的业务算子，接口、格式、血缘、质量上报、安全管控与验收材料由公共层统一承担。公共层承载在奔牛数据智能平台 之上，与 25 个工具同步版本管理。
这一安排有一个必须守住的时序：公共层必须先于任何加工批次上线。血缘的写入能力若不随第一批工具同时具备，早期加工的样本就没有血缘记录，而血缘是不能事后补回的——样本经过了哪些算子、用了哪一版规则与提示词，当时不记，日后无从还原。把血缘整体推到后期是常见的失误，代价是前期数据全部缺证。因此本方案把公共层列为第零批交付，其验收判据与工具批次同等对待（见本章第六节）。
#### 4.2 六条通用要求的总体做法与归属
表 4-1 3.2.3.11 节六条通用要求的总体做法与详述位置（b1146—b1158）
| 条 | 要求 | 对应单元 | 总体做法 | 详述位置 |
|---|---|---|---|---|
| （1） | 接口要求：标准 API 或平台内部服务接口，支持任务创建、任务查询、结果获取、异常重试、批量导出、状态回调 | b1147、b1148 | 六类调用由公共层统一提供，REST 风格与平台内部服务接口共用同一套参数与返回结构；另设参数校验与能力描述两类辅助接口，使运营平台无需硬编码各工具参数表；任务状态固定为八态，调用方按状态编程 | 工具链（三）5.1 |
| （2） | 数据格式要求：支持 JSON、JSONL、Markdown、CSV、Parquet 等格式，可按平台数据集标准转换入库 | b1149、b1150 | 五种格式各有定位而非同一内容的五种包装；多格式由同一份内部表示经统一序列化层生成并附同一结果集指纹；入库按数据集标准做字段映射、入库校验与入库凭据登记，数据集标准本身由数据治理体系出具 | 工具链（三）5.2 |
| （3） | 血缘要求：每条样本关联原始数据、处理链路、工具版本、模型版本、提示词版本、规则版本、质检结果、审核状态 | b1151、b1152 | 八项字段由公共层在每个环节追加写入，不由工具自填；血缘记录只追加不修改，更正以追加更正记录实现；粒度分层——指令样本、偏好对比组与基准题目逐条记录，预训练语料记录到文档与批次级并保留文档标识 | 工具链（三）5.3 |
| （4） | 质量要求：输出质量指标与问题样本清单，支持按批次、来源、任务类型、数据集版本生成质量报告 | b1153、b1154 | 指标分两层——各工具专有指标与 25 个工具共同上报的八项通用指标；四个维度的报告共用同一份指标底料；问题样本清单字段跨工具统一，可合并后呈现一条样本的全貌，并作为修订工单的生成输入 | 工具链（三）5.4 |
| （5） | 安全要求：敏感信息识别、脱敏、授权校验、访问控制、审计日志；外部模型调用须记录调用范围与数据出域情况 | b1155、b1156 | 五项能力实现在公共层，工具不自行实现——安全能力分散实现等于留若干个口子；统一模型网关为唯一外部出口，不可出域字段在网关层强制拦截，脱敏后回扫，调用逐次留记录；全项目安全体系另见安全方案一章 | 工具链（三）5.5 |
| （6） | 验收要求：每个工具链提供演示样例、输入输出样例、配置说明、接口说明、测试报告 | b1157、b1158 | 五件套按工具逐个提供，9 类 25 个共 25 套，内容口径统一，使验收按同一张表逐项核对；功能测试用例与招标文件功能要求逐条对应，用例编号标注其回应的单元标识，便于按条目反查有无对应测试 | 工具链（三）5.6、第六节 |
表 4-1 的第六条有一项全局安排在此说明：25 套五件套在整体验收前汇总成册并编制索引，索引按招标文件单元标识排序。这样做的用途是让验收方不必先理解工具的内部结构，就能按招标文件条目找到对应的测试证据。
#### 图 4-1 公共层与业务算子的分层，以及血缘的写入点
图 4-1 公共层与业务算子的分层，以及血缘的写入点。血缘字段在公共层逐环节追加，业务算子不参与血缘填写。数据来源：招标文件第五章 3.2.3.11 节（1）—（6）条（b1147—b1158）。
### 五、与相邻建设内容的责任边界
本节交代工具链与相邻建设内容的边界，避免同一事项在投标文件中出现两套口径，也避免实施阶段的职责悬空。边界划在数据的交接点上，而不是划在组织上。
表 5-1 工具链与相邻建设内容的责任边界
| 相邻内容 | 交接的是什么 | 工具链一侧的责任 | 相邻一侧的责任 |
|---|---|---|---|
| 数据资源采集接入 | 清洗后语料、结构化业务记录、图纸、测点时序、视频的只读取数 | 接收已登记来源、已完成格式归一与敏感信息初筛的数据；按来源出质量报告并据此提取数改进要求 | 源系统接入、协议对接、清洗去噪、初筛、接口开通推动 |
| 数据集加工生产环节 | 工具与规范的使用 | 交付工具、标注规范文本、阈值与规则的首期基线配置 | 标注与复核作业的产能组织、排班、计件；逐样本质检的执行 |
| 数据治理体系 | 统一对象标识服务、数据集标准、术语与本体资产 | 作为使用方提出接口要求，按数据集标准转换入库，按本体版本加约束 | 交付统一标识服务与数据集标准，组织标准与本体的版本演进 |
| 行业大模型训练推理技术服务 | 数据集版本的取用与被测对象的推理接口 | 产出训练与评测数据并携带完整血缘；按协议在冻结基准集上执行评测 | 训练、调参、算力调度；提供推理接口与检查点登记；训练任务须登记所用数据集版本 |
| 数据集运营服务管理平台 | 任务提交、看板、血缘图谱与审计查询的入口 | 提供接口与数据，提供能力描述接口使平台无需硬编码参数表 | 界面与交互实现；数据集与工具链能力的对外提供形态与配额 |
| 数据集质量评测 | 过程证据与成品评测 | 提供样本级与批次级的过程指标、问题样本清单、运行记录与冻结集 | 成品数据集的指标体系、评测组织、第三方盖章报告的出具 |
| 场景验证 | 样本与可核对的评测口径 | 提供各场景所需样本与评测口径的计算方式 | 验证用例的组织、现场验证流程与结论形成 |
| 智能场景建设 | —— | 不在本包范围 | —— |
表 5-1 中有两条边界需要展开说明，它们是实施阶段最容易起争议的两处。
**与训练推理技术服务的边界**按「工具产数据、训推消费数据」划分。工具链不写训练方案，训练推理一侧不写工具的功能设计。两者之间有三个接口是硬约束：被测对象经统一模型网关以同一种调用形式接入，工具链不感知对象差异；训练任务必须登记其使用的数据集版本，否则血缘链路在训练任务这一节点断开，缺血缘字段的训练作业不予调度；留出对比所需的额外训练轮次由训练推理一侧承担，工具链负责设计对比方案、提供子集划分与评测执行。贡献度估计的具体算法在验证与归因类工具中给出，两处使用同一套方法，不在两处给出不同算法。
**与运营平台的边界**按「工具提供能力、平台提供入口」划分。工具链不设计界面，平台不实现工具算子。两者之间的接口是公共层的六类调用与能力描述接口。工具链能力的对外提供形态（平台能力租用与加工任务服务）、工具不作为交付物离开平台、基准测试数据集按评测服务方式提供——这几条口径由运营平台一章给出，本章引用而不另述。按评测服务方式提供基准集的理由与本章的评测集隔离原则一致：基准集的题目与标准答案一旦外流，它就不再具备评测效力。
### 六、建设节奏：公共层先行与分批投产
25 个工具不一次性全部投产。排序依据是数据流上的依赖关系与问题出现的时间先后，不按工具编号。本节给出全局的分批安排；各组内部的批次细节、前置条件与阶段验收内容在其后三节分别给出。
#### 图 6-1 公共层先行与四个投产阶段
图 6-1 公共层先行与四个投产阶段。横轴为建设期时序，各批次之间有重叠，箭头表示前置依赖而非严格串行。数据来源：招标文件第五章 3.2.3 各节的能力依赖关系；批次内容与本章之后三节的分批安排一致。
表 6-1 各批次的前置条件、解锁的工作与判为可用的依据
| 批次 | 内容 | 前置条件 | 本批解锁的工作 | 判为可用的依据 |
|---|---|---|---|---|
| 第零批 | 公共层：六类调用接口、五种格式序列化、八项血缘字段写入、通用指标上报、安全管控 | 平台接口规范确定；敏感字段标定与授权矩阵由甲方确认 | 任何工具可部署，任何批次可留血缘 | 六类接口按文档可调通；血缘八项字段写入完整；脱敏回扫无命中；越权与出域拦截生效 |
| 第一批 | 文档结构解析、切分与拼接；图纸抽取、预标注、本体规则标注；去重与污染扫描 | 文档资源清点完成；图纸与企业文档只读接口开通；本体首版发布 | 工艺设计域语料结构化与首轮标注；候选池可入库 | 解析与抽取的抽样准确率达基线；污染回灌测试识别率达基线；来源反查双向可验 |
| 第二批 | 检索增强构建、自生成思维链；时序对齐、一致性校验、主动学习；分布分析与均衡、模板化生成、切分与基准构建 | 第一批产出可用；统一模型网关可用；专家题库首批完成；测点时序接口开通 | 标注资源按配比投放；首轮训练可启动；评测可开始 | 检索增强六项指标实测；三粒度一致率达基线；泄漏构造例逐类检出；基准集冻结后不可改 |
| 第三批 | 人机协同思维链标注、对话三个工具；视频对齐、指令生成、文本重写；评测引擎、归因溯源、血缘查询与图谱 | 标注工位与评分规则会签完成；脱敏规则与甲方数据安全要求对齐；视频布点完成；首个模型检查点产出 | 对话与指令样本批量生产；数据集价值可被验证 | 同协议重复运行偏差达基线；注入错误样本可被归因命中；五类审计查询按预置返回 |
| 第四批 | 工单与故障场景模拟生成 | 故障域本体与名录完备；历史工单频次统计完成 | 长尾故障场景的定向补齐 | 构造场景经业务口裁定；长尾类目样本量披露 |
批次安排里有三处时序是不可调的，在此点明。公共层先于一切批次，理由在 4.1 已述。去重与污染扫描排在第一批，因为重复在候选池建立的第一天就存在，而污染一旦进入基准集且未被发现，受影响的全部评测结论都要作废，返工代价是整条链路。切分与基准构建排在第二批末尾、首轮训练之前，它的前置是数据集已完成去重与同族登记；基准集的建设周期较长——题目要专家出、要经污染核验，所以须与切分工具并行准备。
四批之后进入持续生产与迭代期，直至建设期结束。迭代期的工作不是维护而是校准：阈值随人工复核反馈按季度反推调整，分布的最小可用量随场景验证结果调整，模板约束表随工艺口裁定逐条回写，评测协议随能力维度的区分度调整，基准集按期组织复核与补题。每一项的判据与回退路径在其后三节对应位置给出。
### 七、工具链产出与四大数据集、场景验证的对应
本节把 25 个工具与本项目的交付目标对起来。工具清单本身不是交付目标，数据集与场景验证结论才是；这张对应关系的用途是让评审能判断工具链是否真的支撑了数据集建设。各类工具对四大数据集的逐工具贡献在其后三节分别给出，本节只给类级对应。
表 7-1 九类工具对四大数据集的类级贡献
| 类 | 预训练数据集 615 亿 Token | 指令微调数据集 89 万条 | 强化学习偏好数据 6.6 万组 | 基准测试数据集 0.95 万条 |
|---|---|---|---|---|
| 1 思维链构建 | —— | 推理类指令样本的主产出 | 同一问题多路径的优劣配对 | 推理评测题 |
| 2 长上下文数据构建 | 文档类长上下文语料的主产出 | 检索增强三元组经格式转换计入 | —— | 检索增强评测样本 |
| 3 多轮对话数据构建 | —— | 多轮对话样本的主产出 | 对话样本的高低分配对 | 对话评测样本 |
| 4 多模态数据对齐 | 图文与时序成对语料 | 抽取与推理类指令的输入素材 | 多模态描述与诊断结论的候选回答对 | 多模态与诊断类评测题的事实依据 |
| 5 智能标注 | 语料的类型与质量分级标注 | 各任务类型的标注结果 | 偏好比较的初筛与一致性校验 | 评测题标注的一致性保证 |
| 6 数据生成与增强 | 增强文本（按配比上限） | 指令与场景样本的扩充 | 表达不同而内容相同的回答对 | 不参与 |
| 7 数据质量与分布控制 | 去重、污染拦截与分布均衡 | 同左 | 同左 | 污染核验与同族隔离 |
| 8 数据生成控制与评测 | 切分隔离 | 结构化合成样本 | —— | 基准集构建与冻结 |
| 9 数据集验证与归因 | 覆盖盲区识别与补齐需求 | 同左 | 同左 | 评测执行与题目失效判定 |
表中第 6 类与第 8 类的「不参与」是评测集隔离的落实：生成类工具的产出一律带不可用于评测集的标记，评测集构造按该标记排除。预训练语料的实际 Token 量受甲方可用文档的实际体量约束——解析工具能把现有文档的结构还原出来，不能增加文档总量。我方的做法是先完成文档资源清点与解析覆盖度统计，按业务域给出可得 Token 量的实测值，与目标存在差距的域在数据卡中列明并提出补充来源建议，由项目组与甲方共同确定补充路径。逐数据集的规模对账与数据卡见四大数据集规模一节。
表 7-2 工具链对场景验证的支撑点（类级）
| 场景 | 工具链提供的关键支撑 | 验证时可核对的口径 |
|---|---|---|
| 产品智能选型 | 历史选型方案的结构化抽取；选型校核类推理样本；相似工况检索样本 | 推理步骤可按校核公式复算；相似案例检索的命中位次 |
| 板材备料工艺 | 图纸几何要素与加工要求抽取；28 道工序内的排序候选；展开长确定性计算；历史图卡成对回归样本 | 展开长与手算的一致性；工序排序与历史工艺卡的符合度；字段抽取正确率 |
| 库存控制 | 物料与口径的实体归一；供需计划域的推理与工具调用样本 | 口径归一正确率；工具调用参数的结构合规性 |
| 热处理 | 时序片段切分与特征；炉次关联样本；规程类文本的多样化表达 | 诊断文本事实层的数值准确性；关键信息保持率 |
| 焊接 | 关键帧与焊道对齐样本；参数流时序片段；缺陷描述归类标注 | 对齐正确率；缺陷归类与人工标注的一致率 |
| 健康诊断 | 报警与维修前后窗片段；诊断推理与排障对话样本；长尾故障补齐样本 | 证据等级分档的正确性；长尾类目样本充足度的披露 |
| 五个通用信息类场景 | 制度与标准的改写增强样本；带引用的问答样本；条款级证据定位 | 答案依据可定位率；原文换版后的样本联动比例 |
表 7-2 右列是工具链与场景验证之间的接口：验证时核对的就是这些口径，而口径的计算方式在各工具的质量口径表中已逐项定义。场景验证的组织方式、验证用例与验收流程见六个专业场景验证方案与五个通用场景验证方案两节。本包只提供场景验证所需的样本与评测口径，不承担场景建设。
### 八、工具链的总体验收口径
本节给出 25 个工具链共同的验收口径与指标表述方式，具体指标值与回退动作在其后三节逐工具给出。
#### 8.1 指标一律按基线、趋向、回退三段表述
我方对工具链的质量指标不采用固定数值的绝对承诺。理由不是保守，而是这类承诺在工程上无法验证，也无法在真实数据条件下成立。同样的解析能力，作用在电子版规程上与作用在二十年前的扫描件上结果不可能相同；要证明某项检测漏报为零，前提是已经知道全部正例，而若已知道就不需要工具去找。
因此每项能力按三段表述：**基线**说明首期可达到的水平及其测量方法；**趋向**说明服务期内随样本积累与阈值校准逐步接近的目标；**回退**说明达不到时的具体动作与兜底方。本章之后三节给出的每一项指标都带这三样，且回退列写的是可执行动作——整批转人工复核、改以人工判定为准、退回上一稳定配置版本、批次不得出加工域、阈值调向保守侧并扩宽复核带——不是原则性表述。
验收时的用法随之明确：按基线值核对实测值，达到或超过基线即判通过；未达基线的，核对回退动作是否已执行并留有记录，回退已执行且未达项已登记的判为有条件通过并列入服务期校准计划；回退未执行的判不通过。趋向目标不作为验收判据，它在服务期的阶段性检查中核对改进趋势。这样安排是把「达不到怎么办」提前约定下来，而不是留到验收会上就一个达不到的数字反复争论。
#### 8.2 三类验收的对象与依据不互相替代
「验收」在本投标文件中指三件不同的事，对象与依据各异，不以一类代替另一类。
表 8-1 三类验收的对象、依据与归属
| 验收类别 | 验收对象 | 判定依据 | 口径归属 |
|---|---|---|---|
| 工具的单项验收 | 单个工具链 | 五件套齐备；功能要求逐条对应测试用例；指标达首期基线 | 本章第四节与工具链（三）5.6 |
| 数据集的发布验收 | 某一版数据集 | 质量门全过；血缘挂接率达门限；无未裁定的高风险污染；无未关闭的高优工单 | 工具链（三）第二、四节 |
| 项目的整体验收 | 全部交付物 | 数据集规模与质量、工具链 25 个、运营平台功能模块、治理文档、场景验证结论 | 项目管理措施与数据集质量评测方案 |
三类验收的证据链是串联的：工具验收合格的工具产出数据集，发布验收合格的数据集版本进入整体验收的交付清单，整体验收所需的质量证据由前两类的记录与第三方评测报告共同构成。第三方盖章的数据集质量评测报告不由本章的测试报告替代；两者的关系是本章提供过程证据——协议版本、冻结集、运行记录、指标与原始测试记录，第三方据此与自行抽测结论出具评测报告。为使第三方可复核，本方案承诺评测过程的可复现性：协议版本化、基准集冻结、随机种子固定、运行记录留存，第三方按同一协议与同一冻结集重跑应得到一致结果。
### 九、本章回应的招标文件单元索引
表 9-1 本章回应的单元与对应位置
| 单元 | 内容 | 本章回应位置 | 详述位置 |
|---|---|---|---|
| b0914 | 3.2.3 专项智能工具链建设要求（节标题） | 本章开篇 | —— |
| b0915 | 平台须支持九类至少 25 个专项智能工具链 | 一、1.1、1.2 | 工具链（一）（二）（三） |
| b0916 | 3.2.3.1 智能工具链交付清单（节标题） | 二 | —— |
| b0917 | 须交付不少于 9 类 25 个工具链，满足类别功能与质量验收要求及通用接口、追溯与验收要求 | 二、表 2-1；八 | 工具链（三）5.6 |
| b0918r01 | 清单表头（表行） | 表 2-1 表头 | —— |
| b0918r02 | 第 1 类 思维链构建（工具 1—2） | 表 2-1 第 1—2 行 | 工具链（一）二 |
| b0918r03 | 第 2 类 长上下文数据构建（工具 3—5） | 表 2-1 第 3—5 行 | 工具链（一）三 |
| b0918r04 | 第 3 类 多轮对话数据构建（工具 6—8） | 表 2-1 第 6—8 行 | 工具链（一）四 |
| b0918r05 | 第 4 类 多模态数据对齐（工具 9—11） | 表 2-1 第 9—11 行 | 工具链（二）三 |
| b0918r06 | 第 5 类 智能标注（工具 12—15） | 表 2-1 第 12—15 行 | 工具链（二）四 |
| b0918r07 | 第 6 类 数据生成与增强（工具 16—18） | 表 2-1 第 16—18 行 | 工具链（二）五 |
| b0918r08 | 第 7 类 数据质量与分布控制（工具 19—20） | 表 2-1 第 19—20 行 | 工具链（三）二 |
| b0918r09 | 第 8 类 数据生成控制与评测（工具 21—22） | 表 2-1 第 21—22 行 | 工具链（三）三 |
| b0918r10 | 第 9 类 数据集验证与归因（工具 23—25） | 表 2-1 第 23—25 行 | 工具链（三）四 |
| b1146 | 3.2.3.11 通用接口、追溯与验收要求（节标题） | 四 | 工具链（三）五 |
| b1147、b1148 | 接口要求：六类调用 | 四、表 4-1 第（1）条 | 工具链（三）5.1 |
| b1149、b1150 | 数据格式要求：五种格式与按数据集标准入库 | 四、表 4-1 第（2）条 | 工具链（三）5.2 |
| b1151、b1152 | 血缘要求：八项字段 | 四、表 4-1 第（3）条；三、3.2 | 工具链（三）5.3 |
| b1153、b1154 | 质量要求：质量指标、问题样本清单与四维报告 | 四、表 4-1 第（4）条 | 工具链（三）5.4 |
| b1155、b1156 | 安全要求：五项能力与外部模型调用记录 | 四、表 4-1 第（5）条 | 工具链（三）5.5 |
| b1157、b1158 | 验收要求：五件套 | 四、表 4-1 第（6）条；八 | 工具链（三）5.6、六 |
| b0990、b1008、b1041、b1123 | 第 4—6、第 9 类的类级定位（引用，详述在相应任务） | 一、1.2；三、3.1 | 工具链（二）（三） |
### 十、本章待补材料清单
本章的结构与论述已按招标文件要求写足，以下材料需由相关方提供后补入。清单只列总述层面的共性前置项；各工具的专项待补材料在其后三节的清单中分别列出，不在此重复。
表 10-1 本章待补材料清单
| 序 | 待补项 | 本章中的位置 | 需要谁提供 | 影响 |
|---|---|---|---|---|
| 1 | 平台接口规范正式版（最终路径、鉴权方式、回调约定、能力描述接口返回结构） | 四、表 4-1 第（1）条 | 由数据集运营服务管理平台建设统一出具 | 公共层接口路径为示意写法，待按规范定稿 |
| 2 | 数据集标准正式版本（字段模式、编码规则、入库校验规则） | 四、表 4-1 第（2）条 | 由数据治理体系出具 | 格式转换入库的映射配置待定 |
| 3 | 统一对象标识服务的接口与映射覆盖范围 | 三、3.2 关联键统一 | 由数据治理体系出具 | 跨类关联键的可用范围与待补映射量待定 |
| 4 | 敏感字段标定清单与出域许可分级的甲方确认口径 | 四、表 4-1 第（5）条 | 甲方信息安全主管部门与相关业务口 | 脱敏与出域拦截无法配置；未确认前相关环节降级为内网处理 |
| 5 | 角色与数据域的授权矩阵 | 四、表 4-1 第（5）条 | 甲方信息安全与业务主管部门 | 访问控制无法配置 |
| 6 | 备料分厂正式工序字典（28 道工序的标准名称、编码与分档规则） | 一、1.1；表 7-2 板材备料行 | 甲方工艺部门 | 影响类别维度取值、规则校验依据与测试用例设计 |
| 7 | 各场景判据字典（热处理三级判定、焊接缺陷类别与检出手段对应、故障名录与证据分级） | 表 7-2 | 甲方工艺、质量、设备各口 | 影响能力维度定义、标注口径与判分规则 |
| 8 | 历史文档资源清点结果（按类型、份数、页数、电子化程度与扫描质量分档） | 七、表 7-1 预训练列 | 甲方各文档归口部门 | 预训练语料可得 Token 量的实测与缺口统计 |
| 9 | 源系统只读接口的开通范围与协议文档（图纸、测点时序、工单、检验记录、视频） | 六、表 6-1 第一、二、三批前置条件 | 甲方信息化部门，与数据资源采集接入一节协同 | 接口未开通时工具按离线样本包调试，质量标定推后 |
| 10 | 质量指标定义的统一台账 | 四、表 4-1 第（4）条；八 | 与数据集质量评测方案统一 | 同名指标的定义需以一处为准 |
| 11 | 工具链能力对外提供形态的配额口径 | 二、清单后说明 | 由数据集运营服务管理平台建设统一出具 | 本章引用其口径，不另述 |
| 12 | 性能承诺的实测环境参数 | 六、表 6-1 判为可用的依据 | 由非功能性技术要求一节统一 | 本章不列性能数值，待统一口径 |
清单中第 1 至第 3 项与第 10 至第 12 项属投标文件内部的口径统一事项，在合稿阶段统一。第 4、5 项属安全配置类，须在任何涉外模型调用之前确认到位。第 6 至第 9 项属业务规则与数据通道类，是工具链能否贴合矿装场景的实质前提：工序字典、判据字典、文档资源清点与源系统接口，这四项缺失时工具只能按通用规则运行。我方的处理方式是在蓝图设计阶段以工作坊形式逐项确认并成文，确认结果即成为规则资产的首个版本，后续按版本演进。这个过程本身是一项交付价值——把散见于经验的规则落成可执行、可版本化的规则库，其用途不限于本项目。