一键(One-click)

数据行由智能体标注。
你只需核查结果。

标注环节是预测项目最容易夭折的地方。问题不在模型,而在于没人有时间用一个下午手工判断四百行数据。一键把这项工作交给智能体来做,让它写下判断依据,并允许你随时推翻它的判断。

run  /  who-is-worth-a-call 用时 4 分 12 秒完成
01 采集数据 11 个数据信号 · 3 个数据来源
员工人数 近 12 个月变化 在招职位 按职能划分 融资阶段 技术栈 评论数量 网站流量区间 办公地点数量

你给了它 4,120 个公司名称。它自己判断出哪些数据信号能区分出值得联系和不值得联系的公司,采集回这些数据,并为你的数据行写入了 38,400 个字段。每个字段都标明了数据来源。

02 标注样本 200 行
sample_labeled.csv4,120 行中的 200 行
公司标签理由
Northwind Ltd值得联系 正在招聘三个运营岗位,员工人数一年内增长 40%
Aster Health暂不值得 仅有 8 名员工,没有可对接的运营部门
Kestrel Robotics值得联系 自 3 月以来新开两个仓库,技术栈也匹配
Vantage Print暂不值得 员工人数没有变化,未招聘,技术栈老旧
6 处你修正的标签,已被纳入判断标准

它按照你的判断标准逐行标注,并每次写下理由。你只需浏览、修正判断有误的地方,你的修正就会成为新的判断标准。只需十分钟的关注,而不是一个下午。

03 为其余数据评分 3,920 行
companies_scored.csv下载 CSV
公司员工人数在招职位阶段 预测列置信度
Halcyon Group3107B轮 值得联系0.94
Bellweather Co440种子轮 暂不值得0.89
Orchard Labs1,18021D轮 值得联系0.86
Merrow Freight962自筹资金 值得联系0.58

剩余的每一行都完成了评分,并标出置信度。按置信度排序,你就知道哪些行可以放心,哪些需要自己看一遍。

从未被自动化的部分

标注工作,由会写判断依据的智能体完成

市面上几乎所有预测工具,第一步都是让你提供标注样本,却没有人问这些样本是从哪来的。它们来自一个人逐行阅读数据、亲手判断,这正是大多数预测项目在模型真正运行之前就搁浅的原因。

智能体可以像你一样阅读一行数据——不只是列里的数字,还包括公开文件、招聘信息、公司网站。所以我们让它来做标注这件事,并要求它为每一行都写下判断理由。正是这个理由,让核查工作只需几分钟,而不是几个小时。

智能体标注  /  这家公司是否值得联系 从 4,120 行中抽样 200 行
Northwind Ltd 值得联系 正在招聘三个运营岗位,员工人数一年内增长 40% 同意
Aster Health 暂不值得 仅有 8 名员工,没有可对接的运营部门 同意
Kestrel Robotics 值得联系暂不值得 你说:两个新仓库的分量超过老旧技术栈 你修正了这条
Vantage Print 暂不值得 员工人数没有变化,未招聘,技术栈老旧 同意
200
由智能体标注的行数,每行都附有书面理由
6
你不认同并修正的行数,这就是你真正要做的全部工作
10 分钟
核查全部所需时间,而不是花一下午从零判断

理由为何重要

无法核查的标签毫无价值

如果智能体只是甩给你四百个标签,那只是把问题挪了个地方,并没有真正解决。你要么盲目信任,要么重新做一遍。正是“理由”这一列,才让结果变得真正可以被你接受。

它读取的不只是列里的数字

公开文件、招聘信息、公司网站——第一步中采集到的一切,它都会用上。它依据的是和人一样的证据,而不是表格里的四个数字。

每一行一句判断依据

大白话,一眼就能看完。哪怕标签碰巧是对的,错误的理由也一眼可见——这正是其他工具都藏起来的失误。

你的修正即为定论

一旦你推翻它的判断,这一行就此定案。它会按照你刚刚给出的标准重新标注样本中的其余行,所以一次修正就能带动所有类似的行。

差距

模型从来都不是难点

问问任何真正上线过预测项目的人,那几个月时间都花在哪了。答案几乎都不是模型本身,而是花在寻找表格里没有的数据、争论标签到底该怎么定义,以及手工标注数据行——直到有人失去耐心,干脆改用一条规则草草了事。

一键把这三件事都接过来做。你只需说出你想知道什么,它会判断需要哪些数据、自己去采集,标注一份样本,和你一起核对这些标签,再为其余数据评分。

  • 查找数据一份名单不是一份数据集。它会判断哪些数据信号能区分出你要的结果,然后自己去采集。
  • 对齐标签你的判断标准只存在于你脑子里。它先写出一版草稿,你来修正,修正后的版本才是最终使用的标准。
  • 为其余数据评分表格基础模型把你的样本作为上下文来读取,为其余每一行评分。只需几秒钟,无需训练过程。

工作原理

只需说一次,看它自己完成。

01

它会查找数据

你手头可能只有名单,别的什么都没有。它会判断哪些数据信号对你的问题重要,并从公开网页、公开文件、招聘信息、点评网站以及你自己的系统中采集这些数据。它新增的每个字段都标明数据来源。

02

它会标注样本

它会阅读一份样本,按你的判断标准逐行标注,并附上一句理由。你只需浏览、修正判断有误之处,此后你的修正将优先于它自己的猜测。

03

它会预测剩余部分

剩余的每一行都会完成评分,并标出置信度。你可以下载结果、推送回 CRM,或者让你的智能体直接从工具中读取。

可控

没有任何环节发生在幕后

一个你无法查看的自动化流程,不过是带着进度条的传闻。每一次运行的每个阶段,都会被记录下来并向你开放。

改变判断标准后,重新运行一次即可。整个过程只需几分钟,所以你完全可以对“什么样的行才算好”这件事更挑剔一些。

每个字段都标明数据来源

点击任意采集到的值,即可查看它来自哪个网页、文件或系统,以及采集的时间。

每个标签都附有理由

每行一句大白话说明。如果理由是错的,标签也就是错的,你一眼就能看出来。

你的修正说了算

你已经判断过的行,永远不会被它自己猜的结果覆盖。你的修改定义了判断标准。

在哪里提问

在你工作的任何地方提问

在对话中

用一句话描述你想预测什么,它会返回完整的运行过程、标注结果和评分后的数据。

通过你的智能体

通过 MCP,作为你的智能体在执行任务过程中调用的工具。返回的是一个数值和置信度,而不是一段文字说明。

在浏览器中

实时查看运行过程,手动修正标签,并下载结果。

告诉我们你想知道什么

带上你的问题和一份数据列表,我们会向你展示在你自己的数据上运行是什么样子。