从手边的资料开始
一份业务文档、一段 Agent 对话，或者一段清晰的任务说明，都可以成为数据工作的起点。ShuJian Cube 是我们开源的数据集生成平台，希望让团队更容易组织这些材料，并查看生成过程。
开始之前，先写下这批数据要解决的问题。比如，让模型理解一种领域表达，学会回答一类问题，或区分两种回答中哪一种更符合要求。这个目标会影响后续材料与样例的选择。
先明确学习目标
平台围绕 CPT、SFT 和 DPO 组织生成任务。CPT 面向领域材料，SFT 通过示例表达期望的回答方式，DPO 则通过偏好对比表达选择标准。
它们对应不同的学习目标。准备材料时，可以把“需要知道的知识”“需要完成的任务”和“回答的选择标准”分别写清楚，再决定这一批数据从哪里开始。
把审核放进流程里
ShuJian Cube 的工作路径从资料输入、任务规划延伸到生成、审核与分享。团队可以查看进度，并在分享数据集合前检查示例。
阅读样例时，既要看表达是否自然，也要回到来源确认事实与语境。一个流畅的答案仍可能遗漏条件，或把不确定的内容写成确定结论。人工审核应关注这些细节。
让每条示例都能回答两个问题：它来自哪里，它要教会模型什么。
在开放的工作流里迭代
我们把项目开源，让数据生成流程可以被查看、讨论和改进。你可以从项目说明开始了解输入类型、学习目标与工作路径，再按自己的任务尝试一小批数据。
项目功能说明以仓库当前文档为准。这篇笔记依据公开 README 与平台界面整理。
