数据范围决定模型边界
算法只能从可用数据中学习规律。如果训练样本与真实使用场景差异较大，模型在测试或上线后的效果可能明显下降。
因此，算法开发前需要先确认数据来源、采集条件、样本类别、异常样本、标注质量和权限边界。
指标需要连接业务目标
- 视觉检测项目要区分漏检、误检和关键缺陷类别
- 预测项目要明确预测周期、误差口径和业务容忍度
- 推荐或优化项目要确认评价目标和约束条件
- 大模型应用要设计典型问题、边界问题和拒答条件
- 部署项目还要记录响应时间、资源占用和稳定性
建议先做小范围验证
当数据质量、样本覆盖或指标口径不明确时，建议先做算法原型或技术验证，而不是直接承诺完整项目效果。
验证阶段可以帮助客户判断数据是否需要补充、指标是否需要调整，以及后续是否适合进入完整算法开发和系统集成。