把原始资料变成可信训练样本

数据不是越多越好

积木工坊决定尝试让助手稳定输出三步搭建说明。训练样本由问题、可用背景和理想答复组成。如果把论坛里未经核验的技巧和正式说明混在一起，模型可能学会流畅表达错误步骤；如果所有问题都写得十分整齐，真实用户稍有省略就可能失败。数据质量首先指任务相关、来源许可、答案正确和表达覆盖，而不是文件数量。一个错误答案复制一百次，不会变成一百份知识，只会让错误得到更强的学习信号。应先用小批样本检查流程，再决定是否扩大。

定义一条样本的契约

工坊给每条样本设置编号、说明书版本、问题、提供给模型的背景、参考答复和审阅状态。参考答复先指出适用连接件，再列三步，并在证据不足时明确需要补充哪项信息。输入里若没有零件方向，答案不能偷偷使用标注人员额外知道的方向，否则模型被要求学习无法从输入推出的结论。字段名称可以简单，但同一类样本必须遵守相同规则。对同一个问题，一条答案要求立即操作，另一条要求先澄清，会形成冲突，因此标注指南需要说明什么时候可以回答，什么时候应该提问。

防止漂亮成绩来自泄漏

训练集负责学习，验证集用于选择设置，测试集用于最后检验。不能只是把每行随机拆开，因为同一说明书可能有多个近似问题，原句和改写句分别进入训练与测试后，模型容易凭熟悉表述取得虚高成绩。工坊按说明书系列分组，将某些整组留作测试，并保留不同版本的关系。需要评估未来更新时，还可以按时间顺序留出较新的版本。划分方式必须匹配实际使用目标：测试旧内容的表达变化，与测试全新搭建任务，是两种不同的泛化要求。

先去重，再做覆盖审查

操作时先删除完全重复项，再人工检查近似重复、错误零件名、缺失步骤与不当确定性。覆盖表至少包含常规搭建、资料不足、术语口语化和相似零件混淆四类，每类都应在评估中出现。用模型协助生成草稿能够提高整理速度，但生成答案不能未经审核直接成为事实标签。对于暂时无法核验的样本，标记待审并隔离，不要假装其正确。还应把生成方法记录下来，避免训练数据全部来自同一种风格，导致模型只是模仿某个生成器的偏好而没有真正提升任务可靠性。

把数据维护视为工程工作

每次训练保留数据版本、筛选规则、分组清单与审阅记录，才能在结果变差时追查是哪批样本造成变化。不要将真实用户完整对话直接复制进训练库，应先确认授权、去除不必要信息并核验内容；本课程只使用虚构工坊资料。更新一条说明书时，检查相关训练样本是否失效，同时区分动态知识应留在检索库还是确实属于稳定技能。数据审查完成的标志不是文件保存成功，而是他人能解释任意一条样本为什么在该集合、答案凭什么正确以及哪些情况仍未覆盖。