图文图表结构化数据生产

项目背景

• 需要把图片、表格、流程图等素材整理为结构化交付数据包。
• 规模大、质检环节多，仅靠人工难以保证一致性与准确率。

业务需求

• 图片采集与筛选、表格/流程图还原。
• QA、质检返修、重分包与交付前校验。
• 约 5 人参与质检；≥95% 独立盲检准确率交付门槛。
• 不得公开原始受限数据与客户数据。

我的职责

• 独立承担整体项目：流程设计、工具开发、质检规则与交付组织。
• Python/PowerShell 自动化与轻量 QA 页面。
• 大模型辅助 QA 与双模型互检、人工返修、独立盲检与复核流程设计。

核心难点

• 十万级图片与多轮质检的版本与返修追踪。
• 自动化规则与人工抽检之间的平衡。
• 交付门槛量化（独立盲检准确率）需可执行、可复核。

解决方案

• 建立采集→QA→返修→重分包→交付的标准化流水线。
• 用脚本处理批量文件/字段修改，用 QA 页面承载抽检与返修入口。
• 双模型互检 + 人工盲检的多层质量控制。

关键工程实现

• 批量处理与 manifest/重分包工具。
• QA 页面与返修工具（不公开受限样本）。
• 质检记录与交付前校验流程。

结果 / 交付状态

• 按约定规模完成采集与交付。
• 质检流程与准确率门槛有据可查（不公开敏感原始数据）。

这个项目证明的能力

• 大规模数据生产与质量控制的完整项目经验。
• 自动化工具与流程设计能力，而非仅手工处理。

技术栈

相关服务

• 数据处理 / 自动化工具