迁移到 Roboflow 前要准备什么
计算机视觉数据集管理、训练与部署平台——这是 Roboflow 最主要的用途，也是本文讨论的前提。
换工具的成本常被低估，这篇按步骤列出迁移前后要做的事。
以从 LandingAI 迁移为例
迁移不一定是「全面替换」。很多团队会先把一部分任务交给 Roboflow，与 LandingAI 并行一段时间再决定。
迁移步骤
- 盘点资产：现在用的提示词、模板、知识库、自动化流程和历史产出。
- 确认导出方式：哪些能导出、格式是什么、哪些只能手工迁移。
- 挑 3 个典型任务（如「合规清单」「上线前现场测试」）在两边同时做。
- 按同一张评分表比较结果。
- 迁移账号与权限，通知团队新的使用规范。
- 保留旧工具一段时间的只读访问，确认无遗漏后再停用。
对比测试用的任务
合规清单
准备材料：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。
检查点：注明了确认对象。
不建议迁移的情况
- 核心流程依赖 LandingAI 特有的功能或集成。
- 团队刚刚完成培训，切换成本过高。
- 新工具的数据处理条款不满足要求。
更多可以试的用法
数据集划分与评估
适用情况：手头有已经标注好的数据集时。
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。
交付前确认：测试集与训练集没有泄漏。
质检与识别
准备材料：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。
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。
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：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。
概念补充：领域模型
针对特定行业数据训练或调优的模型。
概念补充：审计日志
记录谁在何时用 AI 处理了什么数据。
适合人群：软件工程师
软件工程师可以用 Roboflow 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 Roboflow 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：游戏开发者
游戏开发者可以用 Roboflow 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。
写在最后
本文基于 Roboflow 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。
涉及个人信息、商业机密或受监管数据时，先确认 Roboflow 的数据处理条款，再决定能否使用。