先说清楚它是什么：LandingAI 属于「垂直行业」方向的在线服务，面向工业视觉检测的 AI 平台。

用 AI 最容易犯的错是「看着不错就用了」，这篇给出一张可复用的打分表。

评分表（每项 1 到 5 分）

维度看什么1 分5 分
专业准确是否符合行业规范和事实明显不合格无需修改即可使用
可追溯结论能否回到原始资料明显不合格无需修改即可使用
合规是否满足行业监管与隐私要求明显不合格无需修改即可使用
责任清晰是否保留专业人员的最终判断明显不合格无需修改即可使用
效率是否切实减少重复性工作明显不合格无需修改即可使用

建议：任一维度低于 3 分就不要直接使用；总分用于比较不同提示词或不同工具的效果。

用一个任务试打分

质检与识别

输入：一批现场图片或数据。

根据标注好的样例识别这批图片中的缺陷类型，输出置信度，低置信度的样本交给人工复核。

交付前确认：低置信度交人工。

怎么让评分更可靠

  • 同一批材料至少测 5 次，不只看最好的一次。
  • 两人分别打分，分歧大的维度再讨论标准。
  • 把 LandingAI 的结果与人工完成或 Cognex 的结果放在一起盲评。
  • 每次改提示词后用同一批材料复测。

补充练习

标注规范制定

适用情况：手头有一批待标注的图片样例时。

根据这些样例写一份标注规范：每个类别的定义、正反例描述、边界情况怎么处理，以及标注员之间不一致时的裁决规则。

验收标准：边界情况有明确规则。

合规清单

输入：一项业务流程。

针对这项流程列出需要关注的合规检查点，每项注明依据类型（法规 / 行业标准 / 内部制度）以及需要向谁确认。

交付前确认：注明了确认对象。

常见问题：客户误以为是专业意见

在输出中加入明确提示，并由专业人员审核后再发出。

常见问题：输出引用了不存在的条款或文献

只接受能追溯到原文的引用，逐条核对。

常见问题：从业者担心责任问题

明确 AI 只做草稿与检索，签字与判断由专业人员负责。

概念补充：数据驻留

数据存储在指定地区，满足行业或地区监管要求。

概念补充：免责声明

说明 AI 输出仅供参考、不构成专业意见的提示。

适合人群：软件工程师

软件工程师可以用 LandingAI 处理代码阅读与重构、测试与排错等工作。需要注意：不要把密钥和未开源代码上传到未授权工具，合并前审阅每处改动。

适合人群：科研人员

科研人员可以用 LandingAI 处理文献检索与阅读、实验记录与数据整理等工作。需要注意：遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。

适合人群：行政与助理

行政与助理可以用 LandingAI 处理会议安排与纪要、通知公告等工作。需要注意：员工个人信息与内部文件按权限管理。

使用提醒

本文基于 LandingAI 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

文中提示词和示例仅作示意，实际效果取决于你的材料和 LandingAI 当前版本，重要内容请人工核对后再使用。

延伸阅读