AGI 时代，特征工程与数据标注的实战突围

很多人觉得，到了通用人工智能 (AGI) 时代，模型自己就能理解一切，人工干预显得多余。这种想法太天真。大模型确实强，但它不是魔法。在垂直领域落地时，你会发现，粗糙的数据喂进去，吐出来的结果照样没法用。这时候，老派的功夫反而成了胜负手。

数据标注：从体力活到策略战

过去做数据标注，就是找一堆兼职人员，对着图片画框、给文本打标签。现在不行了。面对 AGI 需要的复杂逻辑推理数据，简单的分类标签毫无意义。你需要的是“思维链”标注。比如训练一个医疗诊断助手，不能只标“患病”或“健康”，而要标注医生判断过程中的每一个推理节点：为什么排除 A 病？为什么怀疑 B 症？这种高维度的标注，靠众包平台根本搞不定，必须依赖领域专家。成本高吗？当然。但只有这种带逻辑深度的数据，才能让模型真正听懂行话，而不是只会说车轱辘话。
有人说特征工程已死，因为深度学习能自动提取特征。这话只对了一半。在图像和自然语言处理的大基座上，自动提取确实够用。但在金融风控、工业预测这些表格数据为主的场景里，原始数据里的噪声太多。直接把时间戳扔给模型，它可能学不出规律；但你把它转化成“距上次违约天数”、“夜间交易占比”，效果立刻不同。这就是特征工程的本质：把业务理解翻译成机器能消化的信号。在 AGI 时代，这一步并没有消失，而是前置了。你需要先通过提示词工程或微调，让模型具备提取关键信息的意识，这本身就是一种高级的特征构建。

实战中的平衡术

别迷信端到端。在实际项目中，最稳妥的做法是混合架构。用大模型处理非结构化数据，提取出关键特征，再结合传统的机器学习模型做最终决策。这样既利用了 AGI 的理解力，又保留了传统方法的可解释性和稳定性。数据标注要精不要多，特征工程要懂业务不要堆砌。技术再变，解决具体问题的逻辑不会变。与其焦虑被替代，不如把手头的数据洗得更干净一点。