把 LandingAI 放进工作流：搭配工具与交接要点
LandingAI 是一款在线服务：面向工业视觉检测的 AI 平台。
单独用一个工具往往只解决一段问题，这篇讲怎么把它和上下游工具串起来。
推荐组合：LandingAI + ThoughtSpot Spotter
ThoughtSpot Spotter 的定位是：以自然语言搜索分析数据的 BI 平台。两者分工可以是：LandingAI 负责「合规清单」这一步，ThoughtSpot Spotter 负责整理数据和做结果分析。
工作流步骤
- 明确交付物和验收标准，例如：注明了确认对象。
- 准备输入：一项业务流程，先去掉敏感信息。
- 在 LandingAI 中执行核心步骤（提示词见下文）
- 把结果交给 ThoughtSpot Spotter 做下一步处理，或从 ThoughtSpot Spotter 取得所需材料。
- 人工检查关键事实与格式，记录发现的问题。
- 把这次用到的提示词和设置保存为模板，下次复用。
合规清单
适用情况：手头有一项业务流程时。
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。
检查点：注明了确认对象。
交接时最容易出问题的地方
- 格式不兼容：两边导入导出的格式提前测试一次。
- 信息丢失：每次交接附上来源和版本号。
- 责任不清：约定哪一步由谁做最终确认。
- 权限分散：两边的账号和分享范围分别检查。
如果暂时不想引入第二个工具，也可以先用海康机器视觉等同类产品替代其中一环，跑通流程后再决定。
更多可以试的用法
数据集划分与评估
输入：已经标注好的数据集。
把数据集按训练、验证、测试划分，说明划分原则（避免同一来源同时出现在训练和测试中），并列出评估时要看的指标和每类样本数量。
验收标准：测试集与训练集没有泄漏。
质检与识别
适用情况：手头有一批现场图片或数据时。
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。
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：识别模型在新场景失效
补充新场景的标注数据重新评估。
常见问题：数据合规审批卡住
提前准备数据流向说明、供应商资质和合同条款。
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：环境感知文书
在征得同意后记录对话并自动生成专业记录。
适合人群：游戏开发者
游戏开发者可以用 LandingAI 处理原型与素材、NPC 对话与文案等工作。需要注意：关注生成素材的授权和平台对 AI 内容的披露要求。
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。
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。
使用提醒
所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。
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。