SOP 手册 · v1.0

数据生产项目运营管理 SOP

面向大模型 SFT / RLHF / 评测 / 代码仓库式数据生产项目的端到端运营手册。包含任务拆解、排期、质量、人力、产能、归因、客户交付的完整 SOP 与可落地的考核线。

12 章节从入场到交付

30+ 表格可直接套用的模板

5 大杠杆从 1x 干到 10x

3 条红线不可触碰

📖 使用方式：新人入职 D1 必读 §0–§2、§4；老员工每季度回看 §7–§9 复盘改进。每次重大变更需更新版本号并存档于 CHANGELOG。

🎯§0 总则

📌我们靠什么赚钱

我们卖的不是"标注小时数"，是"客户能直接用于训练的合格样本数"。

所有流程、考核、激励、调度，都围绕这一句话设计。任何与此冲突的指标（如提交量、活跃度、加班时长），一律不作为核心 KPI。

0.2三条底线 · 任何人不得违反

数据真实

禁止伪造执行轨迹、禁止脱离溯源的人工改写、禁止任何形式的"看起来合规但实际虚构"。

流程可追溯

每一条样本的从生成到交付、每一次人工干预都有人、有时间、有原因。

客户视角

宁可少交付，不可交付不合格数据。一次重大质量事故的修复成本 > 10 次返工成本。

0.3体系架构总览

§0 业务定义与底线

§1任务拆解

§2排期管理

§3人力配置

§4质量管控

§5变更管理

§6培训留存

§7产能增长

§8数据归因

§9风险应急

§10客户与交付管理

§1–§6 地基（执行流程）

§7–§9 杠杆（1x→10x）

§10 外部接口

🧩§1

🗂任务拆解 SOP

1.1任务进场流程 · D0–D3

客户需求接收

产出：《需求 Intake 单》

销售 / PM

需求对齐会

产出：会议纪要 + 待澄清清单

PM + 技术 + 质检

D0+1

任务拆解评审

产出：《任务拆解表》

PM + 骨干

D0+2

小批量试做（10–50 条）

产出：试做样本 + 问题清单

骨干 2–3 人

D0+3

验收标准对齐

产出：《验收 Checklist》签字版

PM + 客户

D0+3

⚠️ 铁律：未完成第 5 步前，禁止全量投产。试做没跑通就开干，是大型项目失败的头号原因。

1.2任务拆解四问

每个新任务进场，PM 必须能用一页 A4 回答清楚：

是什么

训练目标 / 任务类型 / 数据形态

像什么

找 1–3 条标杆样本："长这样的才算合格"

不像什么

找 3–5 条反例："长这样的会被驳回"

怎么测

客户怎么验收？我们提前用什么自检？

1.3SOP 文档化要求

每个新任务上线必须同步产出 4 份文档，缺一不可：

文档	受众	篇幅	必含内容
任务执行手册	一线标注员	10–30 页	步骤截图、典型案例、常见错误
质检 Checklist	质检员	1–3 页	可勾选的判定项 + 驳回标签库
新人 30 分钟速通	新人	5–10 页	最简流程 + 5 个典型样本
FAQ 实时文档	全员	在线文档	每天追加，每周归并入手册

📏 验收标准：把手册给一个完全陌生的人，30 分钟后能独立做出 3 条合格样本，文档才算合格。

📅§2

⏱科学化排期管理

2.1排期公式（标准版）

日均有效产能目标 = ( 合同总量 × (1 + 驳回缓冲率 α) × (1 + 返工缓冲率 β) ) ÷ ( 自然天数 − 启动期 − 末期收尾天数 ) 经验参数（首次合作项目）： α（驳回缓冲） = 15–25% β（返工缓冲） = 10–15% 启动期 = 项目周期的 15%（最少 7 天）末期收尾 = 项目周期的 10%（最少 5 天）

📊 示例（3 个月 / 10 万条）： 有效产能 = 100,000 × 1.20 × 1.10 ÷ (90 − 14 − 9) ≈ 1,968 条/天，而不是粗算的 1,111 条/天 —— 这是 75% 的常见低估。

2.2三阶段产能曲线

务必按曲线排，不要按平均值排。

第 1 阶段

启动爬坡期

15%

产能：稳态 30% → 80%
重心：培训、试做、SOP 迭代

第 2 阶段

稳定量产期

60%

产能：稳态 100%–130%
重心：严控质量、压榨流程

第 3 阶段

末期收尾期

25%

产能：稳态 80% → 50%
重心：返工、抽检、交付包装

2.3排期前必须确认的 8 项

未确认完不得对客户承诺交付期：

合同有效样本数（不是提交量）交付里程碑（首交 / 中交 / 末交日期与比例）数据准入标准 & 客户验收 Checklist 预估驳回率（基于试做 50 条的实测）单样本平均工时（试做实测）新人上手周期（按团队历史数据）质检产能上限（避免标注做完了质检堵车）平台 / 算力 / 账号 / 工具的硬约束

已确认

0/8

2.4排期看板 · 每日必更

日期	提交量	一次通过	通过率	累计有效	进度 %	偏差	预警
D+15	2,100	1,920	91.4%	28,400	28.4%	−2%	绿灯
D+16	2,050	1,750	85.4%	30,150	30.2%	−9%	黄灯
D+17	1,800	1,310	72.8%	31,460	31.5%	−22%	红灯

偏差 >10% 触发黄灯，>20% 触发红灯。红灯当天必须出具《偏差归因报告》（见 §8.3）。

👥§3

⚙️人力配置与动态调度

3.1人员四象限分类 · 每周刷新

高质量

低质量

高产能

核心骨干

承接试点 / 难任务，进入骨干池，加薪 / 试点优先。

定向培训

限时整改，连续 3 周无改善则转岗或清退。

低产能

标准化任务主力

稳定承担量产任务，是团队产能基本盘。

上岗周后未达标

清退，避免拖累团队整体合格率。

判定阈值（按项目调整）：高产能 ≥ 团队中位数 1.1 倍；高质量 ≥ 团队 75 分位。严禁用主观印象分类，必须用 §8 的数据。

3.2标准岗位与编制比例

岗位	人数比例	核心职责
项目经理 PM	1 : 30–50	客户接口、进度、风险
任务设计师	1 : 50–80	提示词设计、试做、SOP
组长 / TL	1 : 8–12	一线管理、答疑、初审
标注员	主体	生产
质检员	1 : 10–15	终审、驳回归因（按抽检比例反算）
培训师	1 : 50	新人培养、复训（启动期翻倍）
数据分析	1 : 100+	指标、归因、看板

3.3技能矩阵 · 动态调度的基础

员工	编程语言	业务领域	复杂度上限	历史合格率	当前负载	可用工时
张三	Py / Go	后端 / 数据库	L3	92%	70%	60h/周
李四	JS / TS	前端	L2	88%	40%	40h/周
王五	Py	数据 / NLP	L1	76%	90%	20h/周

分配规则：新任务按"技能匹配 → 当前负载 → 历史质量"三层路由分配。
禁止单纯按"谁有空"派活——这是新人垫底导致返工率爆炸的根源。

3.4跨基地负载均衡

每日 9:30 调度会（15 分钟）：PM + 各组长，看昨日产能、积压、合格率
任务包流转规则：
- A 基地积压 > 1.5 日 → 自动溢出到 B 基地
- 某基地合格率 < 团队均值 −5pct → 暂停增量分配，先消化整改
调度看板字段：基地 / 在岗 / 产能 / 积压 / 合格率 / 瓶颈环节

3.5晋升与清退规则 · 写死，不留人情口子

触发条件	处置
连续 2 周 A 类	进入骨干池加薪 / 试点优先
连续 2 周 D 类	清退
单周合格率 < 60%	暂停产线强制复训
重大违规（造假 / 泄密）	立即清退 + 黑名单
连续 3 周 C 类无改善	转岗或清退

🛡️§4

✅质量管控体系

4.1三级质检体系

LEVEL 1 · 100% 全检

L1 自检

标注员本人 · Checklist 勾选

LEVEL 2 · 100% 全检

L2 AI 自动质检

脚本 / 小模型 · 格式、长度、关键词、可执行性

LEVEL 3 · 动态抽检

L3 人工质检

质检员 · 业务逻辑、训练价值

L3 抽检比例 · 按人员风险等级动态调整

新人（上岗 ≤ 2 周）

100%

合格率 < 80%

100%

合格率 80–90%

50%

合格率 90–95%

20%

合格率 ≥ 95% 且稳定 4 周+

10%

出现重大缺陷次日起

100%

📌 出现重大缺陷次日起升至 100%，回归阶梯需 2 周稳定。

4.2驳回标签库 · 固化、不许自由发挥

驳回必须打标签，禁止只写"质量差"。建议标签体系（按项目细化）：

R1 提示词问题

R1.1 不清晰 · R1.2 不可执行 · R1.3 与训练目标偏离

R2 过程问题

R2.1 步骤缺失 · R2.2 逻辑跳跃 · R2.3 重复无效操作

R3 人工干预问题

R3.1 过度替代 · R3.2 无溯源改写 · R3.3 隐瞒模型错误

R4 产出问题

R4.1 代码不可运行 · R4.2 不满足需求 · R4.3 安全 / 合规风险

R5 格式问题

R5.1 字段缺失 · R5.2 编码错误 · R5.3 结构违规

作用：标签是 §8 归因分析的原始数据，没有标签库的质检等于没有质检。

4.3质量红线事件 · 红灯流程

任一发生，当日停线、当日复盘、次日整改方案：

单日驳回率突涨 ≥ 10 个百分点
同类缺陷连续出现 ≥ 5 次
客户抽样发现 P0 问题
某组某基地合格率连续 3 日 < 团队均值 −10pct
出现造假、违规

T+0
1h

上报 + 暂停

组长上报，暂停问题来源人 / 组的产线

T+0
4h

根因复盘会

复盘会定位根因（人 / 流程 / 工具 / 规则）

T+1

整改方案

整改方案 + 复训材料 + 抽检比例临时上调

T+3

验证 + 恢复

抽样验证整改效果，决定是否恢复

4.4交付前三份必出报告

① 整体交付报告

总量、分批、合格率、典型样本

② 数据有效性报告

编译 / 运行 / 逻辑覆盖等可执行性核验

③ 风险与说明报告

已知 issue、未覆盖场景、客户须知

🔄§5

📝需求变更管理

5.1变更分级与响应 SLA

等级	定义	决策人	响应 SLA
L1 微调	字段微调、文案改写	组长	4h 内全员触达
L2 流程调整	增减步骤、调整 Checklist	PM	24h 内培训 + 试做
L3 重大变更	任务定义 / 质量标准颠覆性变化	项目负责人 + 客户	启动八步流程

5.2L3 重大变更八步流程

评估影响 · 必须量化产能、合格率、人力、交付期，不许"影响不大"

暂停或降速 · 相关产线

召集核心组 · PM / 技术 / 质检 / 客户重定义标准

编制新规 · 正反例 + 培训材料

全员复训 + 考核

小批量试点 · 50–200 条

试点合格率门槛 · ≥ 历史均值才可全量

全量恢复 · 1 周内每日跟踪指标

5.3变更档案要求

每条变更必存档，最低字段：

变更编号 │ 提出方 │ 变更内容 │ 影响评估 │ 决策记录 │ 试点结果 │ 生效日期 │ 回滚预案 │ 责任人

🎓§6

📚人员培训与流失管控

6.1新人培养四阶段

STAGE 1

制度与基础

⏱ 1–2 天
SOP 通读 + 工具使用

✓ 笔试 ≥ 85 分

STAGE 2

跟班观摩

⏱ 2–3 天
老带新看 30+ 条样本

✓ 能口述每条对错

STAGE 3

带教试产

⏱ 5–7 天
独立产 50 条，全检

✓ 合格率 ≥ 80%

STAGE 4

抽检独立

⏱ 2 周
100% 抽检 → 50%

✓ 稳定合格率 ≥ 85%

任一阶段未通过：补训 1 次；二次未过，不上岗。

6.2培训材料三件套

① 新人 30 分钟速通

含 5 个典型样本，最简流程

② 典型案例集

每周更新，分"优秀样例 / 驳回样例 / 边界案例"三栏

③ 错题集

每位标注员的个人版 + 团队版

6.3流失预警与留存机制

预警信号 · 任一触发 PM 主动 1:1

产能连续 3 日下滑 > 30%
主动答疑 / 群发言骤降
合格率突然下滑但人未变化
加班时长异常增高（疲劳信号）
工资核算口径不清（情绪信号）

留存机制 · 三类人员差异化

人员类型	核心诉求	留存抓手
兼职	收入可预期、有人答疑	明确单价、即时答疑群、稳定排产
合作员工	上手快、考核公平	完整培训、客观数据看板
驻场合作团队	团队稳定盈利	直接对接 TL、季度结算、长期合作信号

🚀§7 · 杠杆章节

⚡产能增长体系 · 2x → 10x

7.1产能增长的核心公式

产能 = 在岗人数 × 人均工时 × 单位工时合格产出 ▲ 杠杆在这里

📌 关键认知：单纯加人最多 2x，且边际递减；提升"单位工时合格产出"才能做到 5–10x。

7.2五大提效杠杆 · 按 ROI 排序

AI 预生成 + 人工终审

把模型先跑一遍，输出草稿 + 自评。人工只做"修正 + 把关"。关键：草稿质量低于阈值的不进入人工流，直接打回机器重生。

落地节奏：试点 1 周 → 量化产能 / 合格率 → 全量。

工时压缩

40–60%

模板化与片段库

高频提示词模板化、参数化；高频代码片段、依赖配置入库。关键：模板必须版本化 + 标注负责人，禁止野生模板。

工时压缩

20–35%

自动化质检规则

把 L3 人工质检里"反复检的同类问题"下沉到 L2 自动质检。每周质检负责人 review 驳回标签 Top 5，能脚本化的就脚本化。

质检产能

3–5x

任务批量化与流水线

单条任务变批量任务包（10–50 条 / 包），同类任务集中处理，减少上下文切换。

切换成本降

20%

标杆人复制

找出 Top 10% 标注员，记录其工作流（录屏、访谈），提炼"快且好"的可复制动作，培训普通员工照做。

整体产能

+30–50%

7.3提效落地纪律 · 防止"瞎搞乱搞"

先量化基线 · 现在 1 小时多少条、合格率多少

小范围灰度 · 3–5 人 × 3 天试点

AB 数据对比 · 试点组 vs 对照组

质量不退、产能不升不全量

全量后 1 周跟踪 · 发现回退立刻回滚

7.4瓶颈识别 · 漏斗法

每周画一次端到端漏斗：

原始任务

1,000

—

录入

950

95%

模型完成

855

90%

自检通过

752

88%

AI 质检

692

92%

人工终审

588

85%

📐 优化原则：哪个环节漏得最多，下周的优化资源就投到那里。不要凭感觉做优化。

📊§8 · 杠杆章节

📈数据分析与归因闭环

8.1三级看板

看板	频率	受众	核心指标
一线看板	实时	标注员、组长	个人产能、合格率、积压
项目看板	日	PM、项目负责人	总量、进度、偏差、风险
经营看板	周 / 月	公司高层	利润、客户满意度、人效

8.2核心指标定义 · 口径统一

合格率 = 一次通过样本 / 提交样本返工率 = 返工样本 / 提交样本单位有效产能 = 合格样本 / 实际工时驳回率 = 质检驳回 / 质检送审缺陷复发率 = 整改后同类缺陷再次出现次数 / 整改次数人效 = 月度合格样本 / 月度人力成本客户满意度 = 客户验收合格 / 客户验收总量

禁止口径混用：同一指标，全公司一个定义，写进 SOP 附录。

8.3偏差归因 SOP · 5 分钟内能跑完

异常发生（如某日合格率 −10pct），按以下顺序排查：

是不是人的问题？ 新人比例上升？某员工突然下滑？

是不是任务的问题？ 难度变化？新类型？

是不是规则的问题？ 最近有变更？培训不到位？

是不是工具的问题？ 平台故障？模型更新？

是不是质检的问题？ 质检员变化？标准漂移？

📋 输出格式：异常指标 + 时间 + 影响范围 → 归因（人 / 任务 / 规则 / 工具 / 质检）→ 整改动作 + 责任人 + 截止时间 → 验证标准

8.4复盘节奏

复盘	频率	时长	必出产物
班会	日	15 分钟	昨日异常 + 今日重点
周复盘	周	60 分钟	周报 + Top 3 问题 + 整改清单
月度复盘	月	半天	月报 + 流程优化提案
项目复盘	项目交付后	1 天	项目总结 + 沉淀入手册

铁律：所有复盘必须出整改清单（who / what / when），下次复盘第一项是回看上次清单。

⚠️§9 · 杠杆章节

🚨风险与应急预案

9.1风险登记册 · 项目启动必建

最低字段：

风险编号 │ 描述 │ 概率 │ 影响 │ 等级 │ 缓解措施 │ 应急预案 │ 负责人 │ 状态

每周复盘更新一次。

9.2典型场景预案

场景	T+0 动作	T+1 动作	长期
平台 / 账号故障	切备用环境，转可离线任务	与平台方对线	备用环境常态化
客户临时加交付	重排期，亮明影响	谈判：加价 / 减量 / 延期	合同加变更条款
关键人离职	任务交接清单 24h 完成	备份人顶上	关键岗位双备份
大批量被驳回	停线，根因分析	整改方案 + 复训	加严抽检 2 周
数据泄漏	切断访问，留证	法务介入，客户告知	安全制度复审

9.3业务连续性（BCP）最低要求

👥 关键岗位双人备份

PM、质检负责人、平台管理员

📁 核心文档异地备份

SOP、客户合同、交付记录

💾 数据每日备份

含异地副本

📞 应急联系树

项目负责人 → 各组长 → 客户接口人

🤝§10

📞客户与交付管理

10.1客户沟通节奏

频率	形式	核心内容
日	IM 群同步	进度、阻塞、当日问题
周	周报 + 会议 30 min	量化进度、风险、需要客户决策项
里程碑	评审会	交付质量、下阶段计划
月	经营对齐	范围 / 预算 / 风险

10.2周报模板

1. 本周进度目标 X / 实际 Y / 差异 Z% 2. 质量数据合格率 / 驳回 Top3 3. 风险与阻塞需客户决策事项 4. 下周计划目标 + 关键里程碑 5. 附录样本展示、数据看板截图

10.3范围蔓延（Scope Creep）拦截

客户提任何"小改动"，必须走变更评估（§5）：

✅ 能口头答应的

不改 SOP、不影响产能、不增加成本 —— 仅此一种

📋 其他一律走 CR

Change Request：影响评估 + 报价 + 客户书面确认

10.4验收争议处理

客户驳回 → 抽样复核（不全量返工）

真问题 → 48 小时整改方案

标准争议 → 拉出 SOP / 试做时签字的 Checklist

仍僵持 → 升级 PM → 项目负责人 → 商务

核心原则：从 D0 起就把验收 Checklist 让客户签字，省 90% 的扯皮。

🧰§11

🛠工具、模板与附录

11.1项目启动必备清单

客户合同 + 验收 Checklist 《任务执行手册》《质检 Checklist》《新人速通》《FAQ》排期表 + 三阶段产能曲线人力配置表 + 技能矩阵三级看板（一线 / 项目 / 经营）驳回标签库风险登记册变更档案模板复盘节奏与会议日历

已就绪

0/9

11.2推荐工具栈

用途	推荐工具
📄 文档协作	飞书 / Notion / Confluence
📊 看板	飞书多维表 / Metabase / Grafana
🎯 任务流转	Jira / 飞书项目 / 自研平台
💬 沟通	飞书 / 钉钉 + 专用客户群
🔐 代码 / 数据存储	Git + 加密对象存储
🎥 录屏 / 培训	OBS / Loom

11.3关键指标速查表

指标	🟢 健康	🟡 黄灯	🔴 红灯
一次合格率	≥ 90%	80–90%	< 80%
驳回率	≤ 10%	10–20%	> 20%
单日产能偏差	≤ 5%	5–10%	> 10%
缺陷复发率	≤ 5%	5–15%	> 15%
新人 2 周通过率	≥ 70%	50–70%	< 50%
质检积压	≤ 0.5 日	0.5–1 日	> 1 日

📌 数值为常见经验值，每个项目按历史数据校准。

11.4SOP 自身的迭代规则

📅 每月

PM 收集一线反馈，更新 FAQ

📅 每季度

项目负责人主持 SOP 审视，发布新版

🚨 每次重大事故后

必须有对应 SOP 条款更新

📝 每次变更

CHANGELOG 留痕（编号、日期、内容、责任人）

🌱§12

💌给新人的话 · 请读完再开始干活

1. 不懂就问，问完记录

每个问题都是 FAQ 的一行。

2. 慢就是快

前 2 周慢一点，把流程吃透，比抢产能重要。

3. 数据比印象重要

晋升、加薪、调岗都看数据，不看脸熟。

4. 质量是底线

产能可以追，质量出问题损失不可逆。

5. 流程是用来改的，但要按流程改

不能私自跳步，但可以提改进。

📎附录

📖术语表 · 版本与维护

A术语表

术语	含义
SFT	Supervised Fine-Tuning，监督微调
RLHF	Reinforcement Learning from Human Feedback，人类反馈强化学习
A/B/C 类样本	见 §1（模型自主 / 模型主导人工核验 / 人工主导）
L1/L2/L3 质检	自检 / AI 质检 / 人工终审
CR	Change Request，变更申请
BCP	Business Continuity Plan，业务连续性计划
P0 / P1	缺陷等级，P0 阻塞交付

B版本与维护

版本： v1.0 生效日期： YYYY-MM-DD 版本负责人： XXX 下次回顾： YYYY-MM-DD 变更记录：见 CHANGELOG.md

本手册不是法律条文，是"团队默认契约"。任何条款在实践中跑不通，按 §11.4 走更新流程，不要私下绕开。

SOP 的价值不在于它写得多漂亮，而在于团队每个人都按它做事。

数据生产项目运营管理 SOP · v1.0 · 2026