YOLO 产出验收：5 个维度打分法

在「垂直行业」类工具里，Ultralytics YOLO 的定位是：广泛使用的开源目标检测与分割模型系列。

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）

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

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。

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 Ultralytics YOLO 的结果与人工完成或 Detectron2 的结果放在一起盲评。
• 每次改提示词后用同一批材料复测。

延伸练习

上线前现场测试

准备材料：训练好的检测模型和现场环境。

设计一份现场测试方案：不同光照、角度、遮挡条件各采集一批样本，记录漏检和误检，低于预设标准时不上线。

检查点：覆盖了不同现场条件。

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。

验收标准：注明了确认对象。

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。

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。

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：领域模型

针对特定行业数据训练或调优的模型。

适合人群：软件工程师

软件工程师可以用 YOLO 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：行政与助理

行政与助理可以用 YOLO 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：数据分析师

数据分析师可以用 YOLO 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

注意事项

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

涉及个人信息、商业机密或受监管数据时，先确认 Ultralytics YOLO 的数据处理条款，再决定能否使用。

延伸阅读

• 软件工程师怎么用 Ultralytics YOLO：3 个高频任务的做法
• Ultralytics YOLO 可复制模板：拿来就能改的提示词与结构
• 用 Harvey 完成第一个小项目：完整演练
• 更多工具：AI工具