数据训练
标注规范、抽检与质控闭环；让训练集可复现、可审计，支撑模型迭代。
01 — ABOUT
关于我
我是 Harry Yuu，正在系统学习 AI 训练师路径：从需求承接、数据标注与质控，到提示词工程与模型评测，再到用 AI 原生工具把流程落到真实工作场景。
相信优质数据决定性能上限；清晰规则与持续复盘，比堆工具更重要。目标是成为能「训好、用好」模型的人机协作角色。
02 — CAPABILITIES
能力方向
模型评测
按任务设计评测集与指标，对比多模型表现，用数据说话而不是凭感觉选型。
工作流搭建
需求 → 规划 → 交付 → 复盘；文档沉淀与任务拆解，让人机协作可规模化。
提示词与 Agent
定制系统提示与多步 Agent 流程，把图像识别、写作、开发助手嵌进日常工具链。
03 — SELECTED WORK
精选项目
以下为课程练习示例项目，展示学习方向与交付结构。
示例项目
图像识别数据采集与质控
设计采集清单与标注规则，建立抽检流程，为分类/检测任务准备可用训练集。
示例项目
提示词工程工作台
为笔记总结、脑图生成等场景编写可复用提示词模板，并做 A/B 对比与版本管理。
示例项目
个人站点从 0 到 1
参考编辑式品牌站结构，用静态 HTML/CSS/JS 搭建可部署到 Cloudflare Pages 的初版个站。