企业官网建设流程全解析

| 进度条：学习第 6 天（6/191）｜当前：第 1 周完结 |

✅ 进度更新（2026-10-11）：前期的图像分类练习题现已全部完成。相关基础概念与操作流程已跑通，后续将结合当前主线实战，现在已完善前第3-4篇博客的细节内容。

📎本周速览：扒 15 个 JD 做岗位能力对照表 → 注册标注平台接不到单 → 转自练：Make Sense 标 20 张 + 50 张数据集 + YOLO 坐标公式 → 重读发现 AI 写错的地方，逐篇改掉 ← 先看这段

写在前言：这是「AI产品经理191天通关计划」第一周的复盘。先交代一下我的起点：2025 年毕业的大专生，运动训练专业，想靠近 AI 行业。自测最现实的切入方向是 AI 产品销售。但我发现，想接 AI 产品这碗饭前，有个绕不过去的坎——现在 AI 产品经理的基础门槛怎么样？怎么去卖 AI 产品？所以我先跳进「AI产品经理191天通关计划」从头写起。和预想的一样，第一周只是重复学习输入，每一篇都能写到打捞干货的位置。踩坑的，以及发现 AI 帮我写的内容有错、又回去逐篇改的琐碎事。本周共输出 5 篇日更博客（Day 1-5）+ 这篇周报。

〇、本周速览（先看这段，再决定写多细）

一句话：这周主线是【扒 JD 做岗位地图 → 接不到标注单 → 自建标注流程练手 → 写出来发现 AI 有错自己改】，最大的认知变化是【学会"会用 AI，但不盲信 AI"——AI 能查格式错，但最终判断权在我】。

• 干了啥（极简 3 关键词）：【扒 15 份 JD】【自练标注 70 张】【改 AI 错】
• 最该记住的 1 点：【格式合格 ≠ 标注质量合格：AI 负责"规则能查出来的错"，人负责"机器查不出来的错"，两者缺一不可】
• 还没想通的 1 件事：【COCO / YOLO 两种格式的实际项目应用场景与区别（Day 4 遗留）】

🎯 内容量弹性自检：本周 5 天（Day 1-5）全有料，逐天写细。

一、这周我干了啥（按天过，有料才写细）

Day 1：【AI PM 岗位地图 → 能力对照表】

任务原文：读 10 个 AI PM 岗位 JD，提取能力项。

• 实际贪婪多了——扒了 15 个公司（Boss 直聘为主），挑了 10 个有代表性的方向做成图表：智能制造、Agent、大模型下层、教育大模型、AIGC 应用、AI 应用产品经理、AI 训练师等。

• 把词频导出后亲自逐条核对，数法很简单：把 15 个 JD 里的核心能力做词频统计（一份 JD 计一次，15 份里有 8 份出现，那就是真实需求）：

学历：AI PM 多数要求本科，部分大专；15 家里有 2 家明确大专及以上可投（附带 1-3 年经验）。

门槛友好的是 6 个「AI 训练师 / 数据标注岗」：多数要求大专，最低到大专/中专/高中，能力项集中在数据标注、标注规则制定、数据验收、多模态（图文/音频）处理。

📷 图1：15 个岗位 JD 能力对照表(已经上传到资源库，需要自取)
📎 Day 1 博客链接

Day 2：【注册标注平台，撞上"接不到任务"】

任务原文：注册 2 个数据标注平台（百度众测、腾讯搜活帮），通过准入考试。
实际：本以为能接单练手，现实是——新人没等级，抢不到任务，任务池要么空、要么秒没。

这一下打乱原计划——本来想"接单 → 看真实现场 → 练手"，结果电子商务没有（没通道）。于是转变策略：自己生图、自己标、自己检。

📷 图2：注册 2 个数据标注平台截图
📎 Day 2 博客链接

Day 3：【Make Sense 自建 + 两套标注创建流程】

任务原文：注册 Make Sense，自己生图自标。
实际：标了 20 张（5 类：猫、苹果、汽车、红绿灯、笔记本，平均 2 分钟/张），过程中吃遍了各账号创建陷阱：

• 路径一（上传阶段预填，自连）：项目未启动时一次性预填所有标签，稳定不出错。

• 路径二（中途 Edit Labels 补救）：项目启动后从 Actions → Edit Labels 补签。

踩坑：浏览器翻译插件会改页面代码，导致右侧标签栏"+"点不动、页面卡死。根除办法：关掉翻译插件，上传前一次性预选标签。

【最新进度补录 2026-10-11】：前期的图像分类练习题现已全部完成，相关基础概念与操作流程已跑通。后续将结合当前主线实战，回头完善第 3-4 篇博客的细节内容，眼下先专注当前主线。

📷 图3：Make Sense Edit Labels 界面截图
📎 Day 3 博客链接

Day 4：【50 张数据集 + 三种标注格式 + 越界闹事】

任务原文：完成 10 大类、共 50 张单图单物体目标检测数据集制作与标注归档，同时拓展学习图像识别模型、数据校验底层原理，补录 20 题图像分类专项自测并深度复盘。

实际：完成 50 张，同时搞懂了三个关键知识点，并补录了图像分类专项自测：

①工业界主流标注格式只有 3 套

②格式越界 vs 质量缺陷（本周最重要的区分）

③生图标准：主体居中、轮廓完整、背景干净，水印别遮关键区域。

④图像分类专项自测（10-11 补录）：完成了一套 20 题的图像分类仿真笔试题，涵盖单选、多选和情景判断。自测得分 88/100（单选全对 36 分 + 情景全对 40 分 + 多选半对 12 分）。自测暴露了两个关键破绽：

• 破绽1：数据泄露的隐蔽形式（漏选 C）：测试集的图是训练集图的增强版后放进去的。数据增强只能对训练集做，测试集必须是另一批独立采集的图。

• 破绽2：分类与检测的边界模糊（多选 D）：把"判断图里有没有猫"（分类）误归为了"要上检测"。大白话：有没有猫=分类，猫在哪=检测。

📷 图4：50 张数据集文件列表（或：图像分类仿真笔试题自测得分截图，二选一保留即可）
📎 Day 4 博客链接

Day 5：【YOLO 坐标公式 + AI 人机协同改】

任务原文：学会 YOLO 坐标换算，做一轮格式改造。
实际：学会手动标注还原四步公式：xmin = xc - w/2、xmax = xc + w/2、ymin = yc - h/2、ymax = yc + h/2。
用这组公式做一轮格式改：合格率 100%，内容准确率提到约 90%（剩 10% 是框贴边等需人眼判断的问题）。另对 7 张图做了边界检查（其中 1 张右边未越界但贴边，标记预警）。

🧯核心公认：格式合格 ≠ 标注质量合格。AI 负责"规则能查出来的错"，人负责"机器查不出来的错"，两者缺一不可。

📷 图5：YOLO 坐标公式拆解截图
📎 Day 5 博客链接

本周产出清单

二、外部输入 & 本周投入

三、这周学到的硬货（先术语，后大白话）

• 岗位能力词频法：把 N 份 JD 的核心能力做出现频次统计，出现多 = 真实需求。

  • 大白话：别看广告看疗效——15 份 JD 里 8 份都写的能力，才是真门槛。

• 三种标注格式（YOLO / VOC / COCO）：YOLO 用归一化比例（txt），VOC 用像素角点（xml），COCO 用像素坐标（json）。

  • 大白话：练手认 YOLO 就够；VOC 是老项目在用，COCO 是大型公开数据集在用。

• 格式越界 ≠ 质量缺陷：越界（坐标 <0 或 >1）机器直接拦；贴边（空隙不足 5%）文件能用但拉低准确率。

  • 大白话：一个是"考试作弊直接判零分"，一个是"字迹潦草照样及格但卷面分低"。

• YOLO 四公式：xc yc w h 反推 xmin / xmax / ymin / ymax，用于数据质检。

  • 大白话：知道中心点和宽高，就能算出框的四条边在哪，反过来就能验数对不对。

• 数据泄露的隐蔽形式：测试集不能是训练集经过“增强（翻转、调色）”后的图片，否则相当于“泄题”。

  • 大白话：考试前你把原题数字改了改，表面变了但模型早就见过“兄弟”图了，测出来的分数是虚高的。

• 分类 vs 检测的边界：“有没有猫”是分类，“猫在哪”才是检测。

  • 大白话：分类是认整体，检测是画框框，多一个定位的活儿，业务选型千万别搞混。

• AI + 人工双检：AI 查规则错，人查肉眼错，缺一个都不行。

  • 大白话：机器管"数有没有算对"，人管"框框得像不像样"。

四、卡点分两类（已解决 / 未解决）

✅ 本周已解决

❓ 还没搞懂（带到下周）

💡 本周踩的坑都当周解决了。没解决的两个都是知识型卡点，已排进下周计划。

五、这周想通了什么（认知变化）

• AI 辅助 ≠ AI 替代：AI 能查格式错、帮你调色，但标注对象不对、任务接不到，还是得自己想办法——跑去 QQ 群找数据标注/图像分类兼职，去知乎攻略找授课人上传的阅卷流程资料，看市面上免费任务的难易差异。

• 发现 AI 生成的内容和现实体系的差异：本周复盘做的思维框架，和前几周用 AI 生成的完全不一样。这 5 篇全部重读，发现不少错处（比如"数据质检"被写成"模型校验"、"数据标注"写成"模型标注"这类概念错位），都改掉了。

• 从"不会写"到"会写框架"​：从不会写博客，到能自己提炼写出 5 篇，再回头把 AI 写错的地方一个个改掉。

✅ 一句话教训：AI 可以用、能帮你整理，但最终判断权在我——它用的是通用知识，不一定是你的真实场景。

六、下周打算干啥

💡 最小目标：把"一张图多个物体怎么标"跑通一遍，并说清 YOLO txt 适配结论。

七、✨ 本周高光时刻

扒 15 个 JD 做出能力词频对照表：跨团队沟通 80%（12/15）排第一；学历门槛摸清——15 家里 2 家大专可投，训练师/标注岗门槛最低（到中专/高中）。
为什么算高光：这是第一次不靠 AI、自己动手把"模糊的行业印象"变成"可验证的数据结论"。

八、一句话总结本周

这周最大的收获不是学会了标注，而是学会"会用 AI，但不盲信 AI"——从不会写博客，到能自己提炼写出 5 篇，再回头把 AI 写错的地方一个个改掉。

📌3 行速记
· 主线：读 JD → 接不到单 → 自练标注 → 写出来 → 发现 AI 有错 → 自己改
· 工具：Make Sense（标注）+ 腾讯文档/工作台（表格周报）+ QQ/知乎（找渠道）
· 核心：归一化 Xc、Yc、W、H 坐标换算，用于数据质检

我是卿卿，一个正在自学 AI 知识的小白，一个转行学 AI 的小白。这是「AI产品经理191天通关计划」的 Week 1 复盘，目标很简单：每天留下一份能回头看懂的笔记。