研究、数据与 AI 项目

本页规范的是软件中 AI 功能、研究数据和模型产物的工程责任。若 AI 编码代理参与实现、评审或交接，使用AI 参与开发工作流中的任务边界、权限和证据规则。

研究项目也要能说明程序如何运行、数据从何而来、指标代表什么以及结果如何获得。执行轨迹与在线服务运维文档不同，不要为研究工具臆造 HTTP 健康端点或迁移目录。

来源和复现

每次重要实验关联数据集名称/版本、来源和使用权、预处理、配置和随机种子、代码 revision/dirty 状态、环境和硬件、模型/checkpoint 版本，以及指标定义。

保留 train/dev/test 边界、数据泄漏/污染假设和数据清洗版本。将大规模或受限数据、权重和运行产物放在明确拥有者管理的外部存储；小型、可分发的合成 fixture 可保存在仓库。探索 notebook 与可维护管线分开。

Smoke/fixture run 不是完整实验。对照文档记录指标采集条件和缺失结果；不得为了得到高分悄悄替换数据集、模型或算法。数据、权重和生成结果的发布还要遵循其许可和项目授权。

AI 功能说明预期质量、失败处理、评估样例、时延/成本边界和版本变化。检索到的网页、文档、模型输出和工具返回内容都当作不可信输入，不能自行扩大工具权限。

明确模型可以访问的数据和工具、秘密隔离、提示注入/泄漏风险。变更模型、提供方或关键配置时运行相关评估；集成测试通过不等于证明模型质量或性能。