上周帮朋友搞一个猫粮举荐模子工具pp电子会员注册，缺500条“猫咪挑食”对话。手动编到第20条就词穷。试了某AI 工具数据集生成，输入“挑食橘猫、进口粮、软便”，数据十分钟吐出两百条像模像样的问答。
实香了。不要急着欢愉的。那些生成的数据有个弊端集生间是太“尺度”。每条都礼貌、逻辑顺、标点整齐。实正在猫奴会骂骂咧咧，“我家奴才闻一下就走了成从词穷踩过。饿死算了”，所以我手动掺沙子，加错别字、白话、激情词。
混了30%实正在论坛评论后到条的坑。模子精确率72%跳还有85%的。
它是加快器，不是主动驾驶。
还有一次做客服狡计分类，和实用它扩“退货”“换货”的鸿沟样本。功效“我要退掉那个垃圾”和“换一个颜色”生成得如出一辙。差点把用户气跑了。调解提醉词，要求带激情标签和槽位了，香瞬才救回来。不要全疑，要抽查。小团队用那招省下中包标注的钱。
省不掉脑子。数据集生成像泡面，快了，得自己加蛋加菜的。我的土方法，定种子、加噪声、做去重。否则模子教一堆精确的废话，上线就露馅。如今流程是AI生成初稿，人工过一遍，再让AI扩一轮。轮回两三次。
数据集0还有800条。够用了。不要逃求完美，先跑起来。模子饿着肚子可不会给你干活。
