巴山夜雨涨秋池

我们是一个四个人的小团队，主要做 AI 数据标注和多轮对话、智能体的评测。我负责评测方案设计和最终质检，另有一位同事专门跑对话脚本、回收 badcase，还有一位做标注初筛，最后一位兼着后端和简单的小程序页面。日常用 Python 写点清洗脚本，评测记录都落在飞书表格里，交付前我会自己再过一遍标准一致性。说实话，我们不是全能型团队，复杂算法优化和模型训练不接，只接评测集构建、对话质量打分和结果分析这类活。接单后一般先约一次 20 分钟的需求对齐，明确评分维度和争议口径再开工，中间每周同步一次进度，遇到标注歧义会整理成问题清单发你确认，不会自己拍板。档期上团队同时在跑的项目不超过三个，本月下旬开始有一周排期空档。报价按数据量和评测轮次算，单轮对话评测和长链路智能体评测分开报，改稿两轮内不额外收费。