常见工作流

工作流一 — 从原型到生产

当你在构建新项目且需要验证后再广泛部署时，使用此工作流。

采集样本（每类 20–50 张）
  ↓
提交训练任务（数分钟）
  ↓
热替换到测试设备
  ↓
在实际条件下验证
  ↓
如需重训则重训（重复以上步骤）
  ↓
打包为个人 SDK 或企业批量
  ↓
部署到生产设备

关键原则： 热替换用于学习和验证。SDK 打包用于分发。不要跳过实地验证步骤——实验室准确率和真实场景准确率往往不同。

当你要将已验证的模型部署到多台设备或多个站点时，使用此工作流。

从已验证模型出发（来自工作流一或已有项目）
  ↓
创建企业批量 SDK
  ↓
为每个站点或客户签发授权密钥
  ↓
对设备群运行批量烧录操作
  ↓
在模型管理看板中确认激活状态
  ↓
按站点配置 Agent 工作流（如果各站点行为不同）

关键原则： 授权密钥在部署前签发。在视部署为完成之前，确认所有密钥均已激活。

当情况变化，现有模型需要重训时，使用此工作流。

识别失败模式（模型在遗漏什么或错分什么？）
  ↓
采集针对失败模式的新样本
  ↓
将样本添加到现有项目（不要新建项目）
  ↓
重训（在现有训练历史基础上构建）
  ↓
同时对原始测试集和新样本进行验证
  ↓
使用与原始相同的路径部署更新（热替换 / 批量）

关键原则： 重训是在增加能力——不会消除之前的学习。如果重训后原有类别准确率下降，新样本可能缺乏代表性。在部署前先排查。

当设备将在没有网络的情况下运行时，使用此工作流。

有网络时完成模型训练和验证
  ↓
打包目标部署路径
  ↓
为离线运行配置 Agent 工作流：
  - 设置检测结果本地记录
  - 配置告警在下次联网时发送
  ↓
在维护窗口期间通过 USB 或局域网部署到设备
  ↓
确认断网设备上的推理正在运行
  ↓
下次联网时确认已记录的事件已同步

关键原则： 边缘推理无需联网运行。只有需要访问外部服务的 Agent 工作流动作（发送告警、API 调用）需要网络——而且如果网络不稳定，可以将这些动作缓冲起来。

模型在实际场景中的准确率低于测试时
可能原因：训练图像的采集条件与实际运行条件不同。直接从实际操作摄像头在真实条件下采集新图像后重训。

热替换部署未激活
确认设备固件版本兼容。检查设备连接后重试部署流程。

Agent 工作流告警未触发
确认工作流配置中的检测置信度阈值与模型实际输出一致。在调整阈值之前，使用实时测试视图查看真实置信度分数。

SDK 密钥签发后显示为未激活
设备必须连接一次网络才能激活新签发的密钥。确认设备在密钥签发后至少进行了一次有网络的会话。